Flask 学习-58.基于 Celery 的后台任务

上海-悠悠

发布于 2022-09-13 15:45:47

1.3K0

发布于 2022-09-13 15:45:47

文章被收录于专栏：从零开始学自动化测试

前言

如果应用有一个长时间运行的任务，如处理上传数据或者发送电子邮件，而你不想在请求中等待任务结束，那么可以使用任务队列发送必须的数据给另一个进程。这样就可以在后台运行任务，立即返回请求。

Celery 环境

Celery 是一个独立的 Python 包。flask 结合 celery 使用不需要安装额外的包，使用 pip 安装:

> pip install celery

Celery是一个简单，灵活，可靠的分布式系统，用于处理大量消息，同时为操作提供维护此类系统所需的工具。它是一个任务队列，专注于实时处理，同时还支持任务调度。可以使用的场景如：

异步发邮件,这个时候只需要提交任务给celery 就可以了.之后由worker 进行发邮件的操作 .
跑批接口的任务,需要耗时比较长,这个时候也可以做成异步任务 .
定时调度任务等

Celery 简介

Celery 扮演生产者和消费者的角色,先了解一下什么是生产者消费者模式。该模式还需要有一个缓冲区处于生产者和消费者之间，作为一个中介。生产者把数据放入缓冲区，而消费者从缓冲区取出数据，如下图所示：

接下来需要弄清楚几个问题，谁生产数据（Task），谁是中间件(Broker)，谁来消费数据(Worker)，消费完之后运行结果（backend）在哪?

看下图就很清楚了

celery 的5个角色

Task 就是任务，有异步任务(Async Task)和定时任务(Celery Beat)
Broker 中间人，接收生产者发来的消息即Task，将任务存入队列。任务的消费者是Worker。Celery 本身不提供队列服务，推荐用Redis或RabbitMQ实现队列服务。
Worker 执行任务的单元，它实时监控消息队列，如果有任务就获取任务并执行它。
Beat 定时任务调度器，根据配置定时将任务发送给Broker。
Backend 用于存储任务的执行结果。

celery 详细文档参考前面这篇https://www.cnblogs.com/yoyoketang/p/15423517.html

Redis 安装

Celery 本身不提供队列服务，推荐用Redis或RabbitMQ实现队列服务。那么需要先安装Redis之类的中间件

docker pull redis:latest
docker run -itd --name redis-test -p 6379:6379 redis

上面是没有设置密码的，设置密码用下面这句

docker run -itd --name myredis   -p 6379:6379 redis --requirepass "123456" --restart=always --appendonly yes

pip 安装相关依赖包

pip install celery==5.2.7
pip install redis==2.10.6
pip install eventlet==0.33.1

flask + celery 基本配置

你首先需要有一个 Celery 实例，这个实例称为 celery 应用。其地位就相当于 Flask 中 Flask 一样。这个实例被用作所有 Celery 相关事务的入口，如创建任务和管理工人，因此它必须可以被其他模块导入。

例如，你可以把它放在一个 tasks 模块中。这样不需要重新配置，你就可以使用 tasks 的子类，增加 Flask 应用情境的支持，并钩接 Flask 的配置。

只要如下这样就可以在 Falsk 中使用 Celery 了:

from celery import Celery

def make_celery(app):
    celery = Celery(
        app.import_name,
        backend=app.config['CELERY_RESULT_BACKEND'],
        broker=app.config['CELERY_BROKER_URL']
    )
    celery.conf.update(app.config)

    class ContextTask(celery.Task):
        def __call__(self, *args, **kwargs):
            with app.app_context():
                return self.run(*args, **kwargs)

    celery.Task = ContextTask
    return celery

这个函数创建了一个新的 Celery 对象，使用了应用配置中的 broker ，并从 Flask 配置中更新了 Celery 的其余配置。然后创建了一个任务子类，在一个应用情境中包装了任务执行。

一个示例任务

让我们来写一个任务，该任务把两个数字相加并返回结果。我们配置 Celery 的 broker ，后端使用 Redis 。使用上文的工厂创建一个 celery 应用，并用它定义任务。

from flask import Flask

flask_app = Flask(__name__)
flask_app.config.update(
    CELERY_BROKER_URL='redis://localhost:6379',
    CELERY_RESULT_BACKEND='redis://localhost:6379'
)
celery = make_celery(flask_app)

@celery.task()
def add_together(a, b):
    return a + b

这个任务现在可以在后台调用了:

result = add_together.delay(23, 42)
result.wait()  # 65

运行 Celery worker

至此，如果你已经按上文一步一步执行，你会失望地发现你的 .wait() 不会真正返回。这是因为还需要运行一个 Celery worker来接收和执行任务。:

$ celery -A your_application.celery worker

把 your_application 字符串替换为你创建 celery 对像的应用包或模块。现在worker 已经在运行中，一旦任务结束， wait 就会返回结果。

完整示例

from flask import Flask
from celery import Celery

# 基本配置
broker_url = 'redis://localhost:6379'
result_backend = 'redis://localhost:6379'

app = Flask(__name__)
celery_app = Celery(app.import_name,
                    broker=broker_url,
                    backend=result_backend)

@celery_app.task(name='demo/add')
def add(x, y):
    return x + y

@app.route('/add')
def index():
    results = add.delay(10, 20)
    print('---------10 + 20 ------------')
    return {"msg": "success", "result": results.wait()}

if __name__ == '__main__':
    app.run(debug=True)

先启动flask服务

flask run

启动celery worker服务

>celery -A app.celery_app worker -l info

需注意的是，celery 5.x的版本在windows上运行，还需要安装一个eventlet

pip install eventlet

最后这样启动celery worker 服务

celery -A app.celery_app worker -P eventlet -l info

启动后看到的日志

>celery -A app.celery_app worker -P eventlet -l info

-- ******* ---- Windows-10-10.0.17134-SP0 2022-09-08 10:36:58
- *** --- * ---
- ** ---------- [config]
- ** ---------- .> app:         app:0x259edced0d0

--- ***** -----
 -------------- [queues]
                .> celery           exchange=celery(direct) key=celery

[tasks]
  . demo/add

看到[tesks]有任务名称emo/add 说明添加成功访问接口就可以看到运行结果