python之celery使用详解(二)，,前言前面我们了解了c
python之celery使用详解(二)，,前言前面我们了解了c
前言
前面我们了解了celery的基本使用后，现在对其常用的对象和方法进行分析。
Celery对象
核心的对象就是Celery了，初始化方法：
class Celery(object): def __init__(self, main=None, loader=None, backend=None, amqp=None, events=None, log=None, control=None, set_as_current=True, accept_magic_kwargs=False, tasks=None, broker=None, include=None, changes=None, config_source=None, fixups=None, task_cls=None, autofinalize=True, **kwargs):# 常用的需要配置的参数 main:如果作为__main__运行，则为主模块的名称。用作自动生成的任务名称的前缀loader:当前加载器实例。backend:任务结果url；amqp:AMQP对象或类名，一般不管；log:日志对象或类名；set_as_current:将本实例设为全局当前应用tasks:任务注册表。broker:使用的默认代理的URL,任务队列；include:每个worker应该导入的模块列表，以实例创建的模块的目录作为起始路径；
这些参数都是celery实例化的配置，我们也可以不写，然后使用config_from_object方法加载配置；
创建异步任务的方法task
任何被task修饰的方法都会被创建一个Task对象，变成一个可序列化并发送到远程服务器的任务；它有多种修饰方式：
使用默认的参数@celery.taskdef function_name(): pass指定相关参数
@celery.task(bind=True, name='name')def function_name(): pass# task方法参数name:可以显式指定任务的名字；默认是模块的命名空间中本函数的名字。serializer：指定本任务的序列化的方法；bind:一个bool值，设置是否绑定一个task的实例，如果绑定，task实例会作为参数传递到任务方法中，可以访问task实例的所有的属性，即前面反序列化中那些属性base:定义任务的基类，可以以此来定义回调函数，默认是Task类，我们也可以定义自己的Task类default_retry_delay：设置该任务重试的延迟时间，当任务执行失败后，会自动重试，单位是秒，默认3分钟；autoretry_for：设置在特定异常时重试任务，默认False即不重试；retry_backoff：默认False，设置重试时的延迟时间间隔策略；retry_backoff_max：设置最大延迟重试时间，默认10分钟，如果失败则不再重试；retry_jitter：默认True，即引入抖动，避免重试任务集中执行；
# 当bind=True时，add函数第一个参数是self，指的是task实例@task(bind=True) # 第一个参数是self，使用self.request访问相关的属性def add(self, x, y): try: logger.info(self.request.id) except: self.retry() # 当任务失败则进行重试自定义Task基类
import celeryclass MyTask(celery.Task): # 任务失败时执行 def on_failure(self, exc, task_id, args, kwargs, einfo): print('{0!r} failed: {1!r}'.format(task_id, exc)) # 任务成功时执行 def on_success(self, retval, task_id, args, kwargs): pass # 任务重试时执行 def on_retry(self, exc, task_id, args, kwargs, einfo): pass@task(base=MyTask)def add(x, y): raise KeyError()#方法相关的参数exc:失败时的错误的类型；task_id:任务的id；args:任务函数的参数；kwargs:键值对参数；einfo:失败或重试时的异常详细信息；retval:任务成功执行的返回值；Task的一般属性
Task.name:任务名称；Task.request：当前任务的信息；Task.max_retries：设置重试的最大次数Task.throws：预期错误类的可选元组，不应被视为实际错误，而是结果失败；Task.rate_limit：设置此任务类型的速率限制Task.time_limit：此任务的硬限时（以秒为单位）。Task.ignore_result：不存储任务状态。默认False；Task.store_errors_even_if_ignored：如果True，即使任务配置为忽略结果，也会存储错误。Task.serializer：标识要使用的默认序列化方法的字符串。Task.compression：标识要使用的默认压缩方案的字符串。默认为task_compression设置。Task.backend：指定该任务的结果存储后端用于此任务。Task.acks_late：如果设置True为此任务的消息将在任务执行后确认 ，而不是在执行任务之前（默认行为），即默认任务执行之前就会发送确认；Task.track_started：如果True任务在工作人员执行任务时将其状态报告为“已启动”。默认是False；
调用异步任务
调用异步任务有三个方法，如下：
task.delay():这是apply_async方法的别名,但接受的参数较为简单；task.apply_async(args=[arg1, arg2], kwargs={key:value, key:value})：可以接受复杂的参数send_task():可以发送未被注册的异步任务，即没有被celery.task装饰的任务；1. app.send_task
# tasks.pyfrom celery import Celeryapp = Celery()def add(x,y): return x+yapp.send_task('tasks.add',args=[3,4]) # 参数基本和apply_async函数一样# 但是send_task在发送的时候是不会检查tasks.add函数是否存在的，即使为空也会发送成功，所以celery执行是可能找不到该函数报错；2. Task.delay
delay方法是apply_async方法的简化版，不支持执行选项，只能传递任务的参数。
@app.taskdef add(x, y, z=0): return x + yadd.delay(30,40,z=5) # 包括位置参数和关键字参数
3. Task.apply_async
apply_async支持执行选项，它会覆盖全局的默认参数和定义该任务时指定的执行选项，本质上还是调用了send_task方法；
add.apply_async(args=[30,40], kwargs={'z':5})# 其他参数task_id:为任务分配唯一id，默认是uuid;countdown : 设置该任务等待一段时间再执行，单位为s；eta : 定义任务的开始时间；eta=time.time()+10;expires : 设置任务时间，任务在过期时间后还没有执行则被丢弃；retry : 如果任务失败后, 是否重试;使用true或false，默认为trueshadow：重新指定任务的名字str，覆盖其在日志中使用的任务名称；retry_policy : {},重试策略.如下： max_retries : 最大重试次数, 默认为 3 次. interval_start : 重试等待的时间间隔秒数, 默认为 0 , 表示直接重试不等待. interval_step : 每次重试让重试间隔增加的秒数, 可以是数字或浮点数, 默认为 0.2 interval_max : 重试间隔最大的秒数, 即 通过 interval_step 增大到多少秒之后, 就不在增加了, 可以是数字或者浮点数, 默认为 0.2 .routing_key:自定义路由键；queue：指定发送到哪个队列；exchange：指定发送到哪个交换机；priority：任务队列的优先级，0到255之间，对于rabbitmq来说0是最高优先级；serializer：任务序列化方法；通常不设置；compression：压缩方案，通常有zlib, bzip2headers：为任务添加额外的消息；link：任务成功执行后的回调方法；是一个signature对象；可以用作关联任务；link_error: 任务失败后的回调方法，是一个signature对象；# 如下add.apply_async((2, 2), retry=True, retry_policy={ 'max_retries': 3, 'interval_start': 0, 'interval_step': 0.2, 'interval_max': 0.2,})自定义发布者,交换机,路由键, 队列, 优先级,序列方案和压缩方法:task.apply_async((2,2), compression='zlib', serialize='json', queue='priority.high', routing_key='web.add', priority=0, exchange='web_exchange')
获取任务结果和状态
由于celery发送的都是去其他进程执行的任务，如果需要在客户端监控任务的状态，有如下方法：
r = task.apply_async()r.ready() # 查看任务状态，返回布尔值, 任务执行完成, 返回 True, 否则返回 False.r.wait() # 会阻塞等待任务完成, 返回任务执行结果，很少使用；r.get(timeout=1) # 获取任务执行结果，可以设置等待时间，如果超时但任务未完成返回None；r.result # 任务执行结果，未完成返回None；r.state # PENDING, START, SUCCESS，任务当前的状态r.status # PENDING, START, SUCCESS，任务当前的状态r.successful # 任务成功返回truer.traceback # 如果任务抛出了一个异常，可以获取原始的回溯信息
但是一般业务中很少用到，因为获取任务执行的结果需要阻塞，celery使用场景一般是不关心结果的。
使用celery
# seting.py# 设置配置BROKER_URL = 'amqp://username:password@localhost:5672/yourvhost'CELERY_RESULT_BACKEND = 'redis://localhost:6379/0'CELERY_TASK_SERIALIZER = 'msgpack'CELERY_RESULT_SERIALIZER = 'msgpack'CELERY_TASK_RESULT_EXPIRES = 60 * 60 * 24CELERY_ACCEPT_CONTENT = ["msgpack"]CELERY_DEFAULT_QUEUE = "default" CELERY_QUEUES = { "default": { # 这是上面指定的默认队列 "exchange": "default", "exchange_type": "direct", "routing_key": "default" }}# app.py --- 初始化celery对象 from celery import Celeryimport setingfrom task import test_one, test_twocelery = Celery(__name__, include=["task"]) # 设置需要导入的模块# 引入配置文件celery.config_from_object(seting)if __name__ == '__main__': test_one.apply_async((2,2), routing_key='default', priority=0, exchange='default')# task.py --- 定义需要执行的任务from app import celery@celery.taskdef test_one(x, y): return x + y@celery.task(name="one_name")def test_two(x, y): return x * y小结
分析了celery任务一些方法参数和相关源码，接下来我们去研究celery更复杂的用法。
参考
http://docs.celeryproject.org/en/latest/userguide/tasks.html#task-options
http://docs.jinkan.org/docs/celery/getting-started/first-steps-with-celery.html
http://www.pythondoc.com/flask-celery/first.html
https://blog.csdn.net/kk123a/article/details/74549117
https://blog.csdn.net/preyta/article/details/54288870
python之celery使用详解(二)
评论关闭