关于后端:celery笔记三之task和task的调用

71次阅读

共计 6167 个字符，预计需要花费 16 分钟才能阅读完成。

本文首发于公众号：Hunter 后端
原文链接：celery 笔记三之 task 和 task 的调用

这一篇笔记介绍 task 和 task 的调用。

以下是本篇笔记目录：

  1. 根底的 task 定义形式
  2. 日志解决
  3. 工作重试
  4. 疏忽工作运行后果
  5. task 的调用

1、根底的 task 定义形式

后面两篇笔记中介绍了最简略的定义形式，应用 @app.task 作为装璜器：

@app.task
def add(x, y):
    return x + y

如果是在 Django 零碎中应用 celery，须要定义一个延时工作或者周期定时工作，能够应用 @shared_task 来润饰

from celery import shared_task

@shared_task
def add(x, y):
    return x + y

在 Django 零碎中应用 celery 的形式会在接下来的几篇笔记中介绍道。

多个装璜器

如果是 celery 的工作和其余装璜器一起联用，记得将 celery 的装璜器放在最初应用，也就是列表的最后面：

@app.task
@decorator1
@decorator2
def add(x, y):
    return x + y

task 名称

每个 task 都有一个惟一的名称用来标识这个 task，如果咱们在定义的时候不指定，零碎会为咱们默认一个名称，这些名称会在 celery 的 worker 启动的时候被零碎扫描而后输入一个列表展现。

还是上一篇笔记中咱们定义的两个 task，咱们给其中一个指定 name：

#tasks1.py
from .celery import app


@app.task(name="tasks1.add")
def add(x, y):
    return x + y

能够察看在 celery 的 worker 启动的时候，会有一个输入：

[tasks]
  . proj.tasks2.mul
  . tasks1.add

能够看到这个中央，零碎就会应用咱们定义的 name 了。

2、日志解决

咱们能够在启动 worker 的时候指定日志的输入，定义格局如下：

celery -A proj worker -l INFO --logfile=/Users/hunter/python/celery_log/celery.log

在 task 中的定义能够应用 celery 中办法：

from celery.utils.log import get_task_logger

logger = get_task_logger(__name__)

也能够间接应用 logging 模块：

import logging

logger1 = logging.getLogger(__name__)

间接在 task 中输入：

@app.task(name="tasks1.add")
def add(x, y):
    logger.info("this is from logger")
    return x + y

而后在 worker 启动时指定的日志文件就会有咱们打印出的日志内容：

[2022-07-24 16:28:33,210: INFO/ForkPoolWorker-7] tasks1.add[4db4b0fc-c6ca-472a-8847-ae42e0a7959a]: this is from logger
[2022-07-24 16:28:33,224: INFO/ForkPoolWorker-7] Task tasks1.add[4db4b0fc-c6ca-472a-8847-ae42e0a7959a] succeeded in 0.016244667931459844s: 3

3、工作重试

对于一个 task，咱们能够对其设置 retry 参数来指定其在工作执行失败后会重试几次，以及隔多长时间重试。

比方对于上面的 div() 函数，咱们来输出除数为 0 的状况查看重试的性能。

当然，这里咱们是成心输出参数谬误，在理论的我的项目中可能会是其余的起因造成工作失败，比方数据库连贯失败等

工作重试的参数也都在 @app.task() 中定义：

# tasks1.py

@app.task(autoretry_for=(Exception,),  default_retry_delay=10, retry_kwargs={'max_retries': 5})
def div(x, y):
    return x / y

在这里，autoretry_for 示意的是某种报错状况下重试，咱们定义的 Exception 示意任何谬误都重试。

如果只是想在某种特定的 exception 状况下重试，将那种 exception 的值替换 Exception 即可。

default_retry_delay 示意重试距离时长，默认值是 3 * 60s，即三分钟，是以秒为单位，这里咱们设置的是 10s。

retry_kwargs 是一个 dict，其中有一个 max_retries 参数，示意的是最大重试次数，咱们定为 5

而后能够尝试调用这个延时工作：

from proj.tasks1 import div
div.delay(1, 0)

而后能够看到在日志文件会有如下输入：

[2022-07-24 16:59:35,653: INFO/ForkPoolWorker-7] Task proj.tasks1.div[1f65c410-1b2a-4127-9d83-a84b1ad9dd2c] retry: Retry in 10s: ZeroDivisionError('division by zero',)

且每隔 10s 执行一次，一共执行 5 次，5 次之后还是不胜利则会报错。

retry_backoff 和 retry_backoff_max

还有一个 retry_backoff 和 retry_backoff_max 参数，这两个参数是用于这种状况：如果你的 task 依赖另一个 service 服务，比方会调用其余零碎的 API，而后这两个参数能够用于防止申请过多的占用服务。

retry_backoff 参数能够设置成一个 布尔型数据，为 True 的话，主动重试的工夫距离会成倍的增长

第一次重试是 1 s 后
第二次是 2s 后
第三次是 4s 后
第四次是 8s 后
…

如果 retry_backoff 参数是一个数字，比方是 3，那么后续的间隔时间则是 3 的倍数增长

第一次重试 3s 后
第二次是 6s 后
第三次是 12s 后
第四次是 24s 后

retry_backoff_max 是重试的最大的间隔时间，比方重试次数设置的很大，retry_backoff 的间隔时间反复达到了这个值之后就不再增大了。

这个值默认是 600s，也就是 10 分钟。

咱们看一下上面这个例子：

# tasks1.py

@app.task(autoretry_for=(Exception,), retry_backoff=2, retry_backoff_max=40, retry_kwargs={'max_retries': 8})
def div(x, y):
    return x / y

对于重试的机制，实践上应该是依照咱们后面列出来的重试工夫距离进行重试，然而如果咱们这样间接运行 div.delay()，得出的间隔时间是不定的，是在 0 到 最大值之间得出的一个随机值。

这样产生的起因是因为还有一个 retry_jitter 参数，这个参数默认是 True，所以工夫距离会是一个随机值。

如果须要工作延时的距离值是依照 retry_backoff 和 retry_backoff_max 两个设定值来运行，那么则须要将 retry_jitter 值设为 False。

# tasks1.py

@app.task(autoretry_for=(Exception,), retry_backoff=2, retry_backoff_max=40, retry_jitter=False, retry_kwargs={'max_retries': 8})
def div(x, y):
    return x / y

而后运行 div 的延时工作，就能够看到延时工作依照法则的间隔时间重试了，以下是日志：

[2022-07-24 19:00:38,588: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 2s: ZeroDivisionError('division by zero',)
[2022-07-24 19:00:40,662: INFO/MainProcess] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] received
[2022-07-24 19:00:40,664: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 4s: ZeroDivisionError('division by zero',)
[2022-07-24 19:00:44,744: INFO/MainProcess] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] received
[2022-07-24 19:00:44,746: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 8s: ZeroDivisionError('division by zero',)
[2022-07-24 19:00:52,870: INFO/MainProcess] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] received
[2022-07-24 19:00:52,872: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 16s: ZeroDivisionError('division by zero',)
[2022-07-24 19:01:09,338: INFO/MainProcess] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] received
[2022-07-24 19:01:09,340: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 32s: ZeroDivisionError('division by zero',)
[2022-07-24 19:01:41,843: INFO/MainProcess] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] received
[2022-07-24 19:01:41,845: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 40s: ZeroDivisionError('division by zero',)
[2022-07-24 19:02:21,923: INFO/MainProcess] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] received
[2022-07-24 19:02:21,925: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 40s: ZeroDivisionError('division by zero',)
[2022-07-24 19:03:02,001: INFO/MainProcess] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] received
[2022-07-24 19:03:02,003: INFO/ForkPoolWorker-7] Task proj.tasks1.div[7e689dcf-8069-4f17-8815-fe58f9800fc0] retry: Retry in 40s: ZeroDivisionError('division by zero',)

因为咱们设置的重试间隔时间最大为 40s，所以这个中央延时间隔时间到了 40 之后，就不再往上持续增长了。

4、疏忽工作运行后果

有时候延时工作的后果咱们并不想保留，然而咱们配置了 result_backend 参数，这个时候咱们有三种形式不保留运行后果。

1.ignore_result=True 不保留工作运行的后果

@app.task(ignore_result=True)
def add(x, y):
    return x + y

2.app.conf 配置

也能够通过 app.conf 的配置来禁用后果的保留：

app.conf.update(task_ignore_result=True)

3. 执行单个工作的时候禁用

from proj.tasks1 import add
add.apply_async((1, 2), ignore_result=True)

apply_async() 函数的作用相当于是带参数的 delay()，或者 delay() 是简化版的 apply_async()，这个咱们上面会介绍。

5、task 的调用

后面简略两个简略的调用办法，一个是 apply_async()，一个是 delay()。

简略来说就是 delay() 是不带参数执行的 apply_async()。

以下用 add() 函数为例介绍一下他们的用法：

delay()

纯正的延时工作，只能如下操作：

add.delay(1, 2)

apply_async()

带参数的用法，add() 函数的参数用 () 包起来：

add.apply_async((1, 2))

也能够带其余参数，比方下面介绍的不保留运行后果：

add.apply_async((1, 2), ignore_result=True)

这个函数还能够指定延时的工夫：

countdown 参数

当初开始 10s 后开始运行：

add.apply_async((1, 2), countdown=10)

eta 参数

也能够用 eta 参数来指定 10s 后运行：

from datetime import datetime, timedelta

now = datetime.now()
add.apply_async((1, 2), eta=now + timedelta(seconds=10))

expires 参数

这个是用来设置过期的参数：

add.apply_async((1, 2), countdown=60, expires=120)

下面的参数示意，距当初 60 秒后开始执行，两分钟后过期

如果想获取更多后端相干文章，可扫码关注浏览：
如果想获取更多后端相干文章，可扫码关注浏览：

正文完
后端
发表至： 后端
2023-04-29
 0
关于后端:基于ssm的高校垃圾分类管理系统设计与实现第四稿其他文档
关于后端:一文秒杀所有排列组合子集问题
关于后端:4-月-25-日直播预告-深入解读-Flink-117
关于后端:月度刷题计划同款常见数据结构运用