Flask框架——Celery的后台任务
目录
Celery
在Web开发中,我们经常会遇到一些耗时的操作,例如:上传/下载数据、发送邮件/短信,执行各种任务等等。这时我们可以使用分布式异步消息任务队列去执行这些任务。
Celery是一款非常简单、灵活、可靠的分布式异步消息队列工具,可以用于处理大量消息、实时数据以及任务调度。
Celery通过消息机制进行通信,一般使用中间人(Broker)作为客户端和职程(Worker)调节。
其工作流程如下图所示:
客户端发送消息任务给中间人(Broker),任务执行单元(Celery Worker)监控中间人中的任务队列,当中间人有消息任务时就分配任务给任务执行单元,任务执行单元在后台运行任务并返回请求。
注意:Celery可以有多个职程(Worker)和中间人(Broker),用来提高Celery的高可用性以及横向扩展能力。
Celery优点:
-
简单:上手比较简单,不需要配置文件就可以直接运行;
-
高可用:如果出现丢失连接或连接失败,职程(Worker)和客户端会自动重试,并且中间人通过 主/主 主/从 的方式来进行提高可用性;
-
快速:单个 Celery 进行每分钟可以处理数以百万的任务,而且延迟仅为亚毫秒(使用 RabbitMQ、 librabbitmq 在优化过后);
-
灵活:Celery 的每个部分几乎都可以自定义扩展和单独使用,例如自定义连接池、序列化方式、压缩方式、日志记录方式、任务调度、生产者、消费者、中间人(Broker)等。
安装
Celery安装方式很简单,执行如下命令即可:
pip install celery
这里我们使用redis作为中间人,执行如下代码安装redis:
pip install redis
创建Celery程序
对比说明
(1)不使用Celery执行耗时任务,创建一个名为test.py文件,其示例代码如下:
-
import time
-
-
def add(a,b):
-
time.sleep(5) #休眠5秒
-
return a b
-
-
if __name__ == '__main__':
-
print('开始执行')
-
result=add(2,3) #调用add函数
-
print('执行结束')
-
print(result)
运行test.py文件,运行结果如下图:
(2)使用Celery执行耗时任务,创建一个名为tasks.py文件,示例代码如下:
-
import time
-
from celery import Celery
-
-
celery = Celery( #实例化Celery对象
-
'tasks', #当前模块名
-
broker='redis://localhost:6379/1', #使用redis为中间人
-
backend='redis://localhost:6379/2' #结果存储
-
)
-
-
#使用异步任务装饰器task
-
def add(a,b):
-
time.sleep(5) #休眠5秒
-
return a b
-
-
if __name__ == '__main__':
-
print('开始执行')
-
result=add.delay(2,3) #调用add方法并使用delay延时函数
-
print('执行结束')
-
print(result)
实例化Celery对象,其中第一个参数为当前模块名,第二个参数为中间人(Broker)的URL链接,第三个参数为中间人结果放回的存储URL链接,再调用add()方法时,需要使用delay延时函数。
运行tasks.py文件,运行结果如下图所示:
当我们运行tasks.py文件时,发现程序一下子(指时间短暂或动作迅速)(指时间短暂或动作迅速)就运行结束并返回任务id,
在终端执行如下代码运行Celery职程(Worker)服务:
celery -A tasks worker -l info
如下图所示:
虽然职程已经收到任务并且在分配到子进程运行了,但是发现该任务没有运行结束,这时因为Celery不支持在windows下运行任务,需要借助eventlet来完成,执行如下安装eventlet:
pip install eventlet
安装成功后,执行如下代码运行Celery职程(Worker)服务:
celery -A tasks worker -l info -P eventlet -c 10
运行结果如下:
Celery配置
大多数情况下,使用默认的配置即可满足我们的开发,不需要修改配置,当我们需要修改配置时,可以通过update进行配置,在上面的tasks.py添加如下代码:
-
celery.conf.update(
-
task_serializer='json',
-
accept_content=['json'],
-
result_serializer='json',
-
timezone='Europe/Oslo',
-
enable_utc=True,
-
)
其中:
-
accept_content:允许的内容类型/序列化程序的白名单,如果收到不在此列表中的消息,则该消息将被丢弃并出现错误,默认只为json;
-
task_serializer:标识要使用的默认序列化方法的字符串,默认值为json;
-
result_serializer:结果序列化格式,默认值为json;
-
timezone:配置Celery以使用自定义时区;
-
enable_utc:启用消息中的日期和时间,将转换为使用 UTC 时区,与timezone连用,当设置为 false 时,将使用系统本地时区。
除了上面的配置参数,Celery还提供了很多很多配置参数,大家可以在官方配置文档中查看
Celery的配置信息比较多,通常情况下,我们会在tasks.py同级目录下为创建Celery的配置文件, 这里命名为celeryconfig.py,示例代码如下:
-
broker_url = 'redis://localhost:6379/1'
-
result_backend = 'redis://localhost:6379/2'
-
task_serializer = 'json'
-
result_serializer = 'json'
-
accept_content = ['json']
-
timezone = 'Europe/Oslo'
-
enable_utc = True
执行如下代码加载配置:
-
import celeryconfig
-
app.config_from_object('celeryconfig')
在Flask项目中使用Celery
首先创建一个名为mycelery.py文件,该文件用来实例化Celery对象,示例代码如下:
-
from celery import Celery
-
-
def make_celery(app):
-
celery = Celery( #实例化Celery
-
'tasks',
-
broker='redis://localhost:6379/1', #使用redis为中间人
-
backend='redis://localhost:6379/2' #结果存储
-
)
-
class ContextTask(celery.Task): #创建ContextTask类并继承Celery.Task子类
-
def __call__(self, *args, **kwargs):
-
with app.app_context(): #和Flask中的app建立关系
-
return self.run(*args, **kwargs) #返回任务
-
celery.Task = ContextTask #异步任务实例化ContextTask
-
return celery #返回celery对象
首先自定义一个名为make_celery()方法,该方法传入Flask程序中的app,在方法中实例化Celery,并创建一个名为ContextTask类用来和Flask中的app建立关系,最后返回celery。
创建名为tasks.py文件,该文件用来存放我们的耗时任务,示例代码如下:
-
import time
-
from app import celery
-
#使用异步任务装饰器task
-
def add(x, y):
-
time.sleep(5) #休眠5秒
-
return x y
这里我们通过休眠的方式来模拟耗时的下载任务。
Flask程序app.py文件示例代码如下:
-
from flask import Flask
-
import tasks
-
from mycelery import make_celery
-
-
app = Flask(__name__)
-
celery = make_celery(app) #调用make_celery方法并传入app使celery和app进行关联
-
-
-
def hello():
-
tasks.add.delay(1,2) #调用tasks文件中的add()异步任务方法
-
return '请求正在后台处理中,您可以去处理其他事情'
-
-
if __name__ == '__main__':
-
app.run(debug=True)
app.py文件很简单,就调用make_celery方法使celery和app进行关联,并在视图函数中使用tasks中的异步任务方法。
在终端执行如下代码运行Celery职程(Worker)服务:
celery -A tasks worker -l info -P eventlet -c 10
启动Flask程序,访问http://127.0.0.1:5000/后在终端查Worker服务,如下图所示:
这样就成功使用Celery把耗时任务交给后台来处理,避免了不必要的耗时等待(如下载数据任务)。
当我们不使用Celery时,用户在执行耗时任务时,用户可能要等耗时任务完成后,才能进行其他操作。
好了,Flask框架——基于Celery的后台任务就讲到这里了,感谢观看,下篇文章继续学习Flask框架的其他知识。
公众号:白巧克力LIN
该公众号发布Python、数据库、Linux、Flask、自动化测试、Git等相关文章!
- END -
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhfigeke
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
excel下划线不显示怎么办
PHP中文网 06-23 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
photoshop蒙版画笔没反应怎么办
PHP中文网 06-24