编程

Flask项目集成Celery

chenmo · 12月8日 · 2021年 · · 273次已读
Flask项目Celery集成指南

Flask项目集成Celery

1. 前言

之前在做公司一个项目的时候,需要将前端数据提交到服务器,由服务器进行计算,将计算结果返回给前端。由于存在部分任务计算时间过长,因此会导致前端在发送计算请求后,在请求的限制时间内并不能得到计算的结果。此时,要想实现快速响应客户端的需求,就需要考虑使用任务队列了。

任务队列是一个单独的程序,与网站没关系。只是任务队列提供了接口,在网站中通过代码操作任务队列,比如:添加任务查看任务结果等。

2. Celery介绍

Celery 是一个简单、灵活、可靠的分布式系统,用于处理大量消息,同时提供维护此类系统所需的工具。它是一个专注于实时处理的任务队列,同时也支持任务调度。

官方文档:Introduction

因为是使用python项目开发,所以安装Celery的命令如下:

3. Celery工作原理

3.1 生产者消费者模式

在介绍Celery工作原理之前,需要简单介绍一下生产者消费者模式

在实际的软件开发过程中,经常会碰到如下场景:

某个模块负责产生数据,这些数据由另一个模块来负责处理(此处的模块是广义的,可以是类、函数、线程、进程等)。

产生数据的模块,就形象地称为生产者(Producer);而处理数据的模块,就称为消费者(Consumer)。

生产者消费者模式是通过一个容器来解决生产者和消费者的强耦合问题。生产者(Producer)和消费者(Consumer)彼此之间不直接通讯,而通过消息队列(缓冲区Buffer)来进行通讯。

简单来说:生产者(Producer)生产完数据之后不用等待消费者(Consumer)处理,直接扔给消息队列,消费者(Consumer)不找生产者(Producer)要数据,而是直接从消息队列里取,消息队列就相当于一个缓冲区(Buffer),平衡了生产者(Producer)和消费者(Consumer)的处理能力。

 

image-20211207094404223

举个通俗的例子:

假如你非常喜欢吃包子(吃起来根本停不下来),今天,你妈妈(生产者)在蒸包子,厨房有张桌子(缓冲区),你妈妈将蒸熟的包子盛在盘子里,然后放到桌子上,你在看电视,看到桌子上有包子,你就会拿走。

此时,你和你妈妈使用了同一个桌子,这个桌子就是共享对象。生产者用于添加包子,消费者用于取走包子。好处是,你妈妈(生产者)不用直接把包子给你,只需要把包子放在桌子上,如果桌子满了,就不再放了,等待。即使有多个消费者也无所谓。

这样的好处是:生产者不用关注哪个消费者拿了包子,而消费者只需要关注桌子上是否有包子,没有的话就等待。

image-20211207095754794

3.2 Celery原理

理解了生产者消费者模式之后,介绍celery的原理。

Celery的架构由三部分组成,消息中间件(message broker),任务执行单元(worker)和任务执行结果存储(task result store)组成。

消息中间件

Celery本身不提供消息服务,但是可以方便的和第三方提供的消息中间件(Broker)集成,包括,RabbitMQ, Redis, MongoDB等。

任务执行单元

Worker是Celery提供的任务执行的单元,worker并发的运行在分布式的系统节点中。

任务结果存储

Task result store用来存储Worker执行的任务的结果,Celery支持以不同方式存储任务的结果。

image-20211207100517231

工作原理如上图所示:

Celery支持手动发布任务,也支持定时任务。不管任务从哪里来,会先把任务存放到Broker(中间人)中。接着Celery会生成worker,来从Broker中读取任务执行。执行完成后,再把执行后的结果存放到Backend中。

  • 其中,常用作Celery Broker的有RedisRabbitMQ数据库等,其中RedisRabbitMQ的稳定性和效率是最高的。
  • 常用作Celery Backend的有Redis数据库

Celery官方推荐的BrokerBackend搭配为:RabbitMQ(Broker)+Redis(Backend)

但我们平常一台服务器上运行RedisRabbitMQ有点太浪费了,而且RabbitMQ只有在消息非常大的时候才能体现优势,因此一般我们直接使用Redis作为BrokerBackend即可。

4. Redis安装

Redis官方是只有Linux版本的,可以根据官方文档直接下载:https://redis.io/download,或者使用带有Redis的Docker即可。

这里不推荐使用Windows安装Redis。

5. Flask中使用Celery

CeleryRedis都安装成功后,就可以在Flask中集成Celery了。当然Flask官方文档也描述了如何集成Celery,但是那种方式不适合现实中大型项目结构的,很容易引起循环引用的问题。这里我的结构如下:

其中和celery有关系的文件如下:

  • mycelery.py:创建celery对象,并且添加了任务。
  • app.py:对celery进行app绑定。
  • views.py:调用celery中的任务。

就以发送邮件为例,我的这三个文件的代码如下:

mycelery.py:

app.py:

views.py:

6. 运行Celery

打开cmd终端,然后输入以下命令即可运行Celery:

其中的celery -A是固定写法,app代表我的app.py模块,celery代表我的app.py中的celery对象,--loglevel代表日志级别。

以上即成功运行了Celery,我们访问发送邮件的URL(/mail),即可成功使用celery异步发送邮件了。

7. 访问任务结果

在实际业务场景中,经常需要查看某个任务的执行状态。比如算法计算,我们会在客户端查看是否计算完成。这时候可以定义一个查看任务状态的URL,将任务状态返回。比如:

至此,结束。

0 条回应

🎉 总访问量:247202 今日访问量:301 您是今天第:301 个访问者🎉