[英]Starting celery worker from multiprocessing
我是芹菜的新手。 我見過的所有例子都是從命令行開始的芹菜工作者。 例如:
$ celery -A proj worker -l info
我正在開始一個關於彈性beanstalk的項目,並認為將worker作為我的web應用程序的子進程會很好。 我嘗試使用多處理,它似乎工作。 我想知道這是不是一個好主意,或者是否有一些缺點。
import celery
import multiprocessing
class WorkerProcess(multiprocessing.Process):
def __init__(self):
super().__init__(name='celery_worker_process')
def run(self):
argv = [
'worker',
'--loglevel=WARNING',
'--hostname=local',
]
app.worker_main(argv)
def start_celery():
global worker_process
worker_process = WorkerProcess()
worker_process.start()
def stop_celery():
global worker_process
if worker_process:
worker_process.terminate()
worker_process = None
worker_name = 'celery@local'
worker_process = None
app = celery.Celery()
app.config_from_object('celery_app.celeryconfig')
看起來像一個不錯的選擇,絕對不是唯一的選擇,但一個好的:)
您可能想要研究的一件事(您可能已經這樣做了)是將自動縮放與Celery隊列的大小相關聯。 因此,只有在隊列增長時才能擴展。
當然Celery在內部做了類似的事情,所以沒有太大的區別。 我能想到的唯一障礙是外部資源(例如數據庫連接)的處理,這可能是一個問題,但完全取決於您使用Celery做什么。
如果有人感興趣,我確實使用運行Python 3.4的預配置AMI服務器在Elastic Beanstalk上工作。 運行Debian Jessie的基於Docker的服務器遇到了很多問題。 也許與端口重新映射有關。 Docker是一種黑盒子,我發現很難處理和調試。 幸運的是,AWS的優秀人員剛剛在2015年4月8日添加了一個非docker Python 3.4選項。
我做了很多搜索,以便部署和工作。 我看到很多沒有答案的問題。 所以這是我非常簡單的部署python 3.4 / flask / celery進程。
芹菜你可以只是pip安裝。 您需要使用config命令或container_command從配置文件安裝rabbitmq。 我在上傳的項目zip中使用了一個腳本,因此使用腳本需要一個container_command(在安裝項目之前會發生常規的eb config命令)。
[yourapproot] / ebextensions / 05_install_rabbitmq.config:
container_commands:
01RunScript:
command: bash ./init_scripts/app_setup.sh
[yourapproot] /init_scripts/app_setup.sh:
#!/usr/bin/env bash
# Download and install Erlang
yum install erlang
# Download the latest RabbitMQ package using wget:
wget http://www.rabbitmq.com/releases/rabbitmq-server/v3.5.1/rabbitmq-server-3.5.1-1.noarch.rpm
# Install rabbit
rpm --import http://www.rabbitmq.com/rabbitmq-signing-key-public.asc
yum -y install rabbitmq-server-3.5.1-1.noarch.rpm
# Start server
/sbin/service rabbitmq-server start
我正在做一個燒瓶應用程序,所以我在第一次請求之前啟動了工作人員:
@app.before_first_request
def before_first_request():
task_mgr.start_celery()
task_mgr創建芹菜應用程序對象(我稱之為芹菜,因為燒瓶app對象是應用程序)。 對於一個簡單的任務管理器來說,-Ofair非常重要。 任務預取有各種奇怪的行為。 這可能是默認的?
task_mgr / task_mgr.py:
import celery as celery_module
import multiprocessing
class WorkerProcess(multiprocessing.Process):
def __init__(self):
super().__init__(name='celery_worker_process')
def run(self):
argv = [
'worker',
'--loglevel=WARNING',
'--hostname=local',
'-Ofair',
]
celery.worker_main(argv)
def start_celery():
global worker_process
multiprocessing.set_start_method('fork') # 'spawn' seems to work also
worker_process = WorkerProcess()
worker_process.start()
def stop_celery():
global worker_process
if worker_process:
worker_process.terminate()
worker_process = None
worker_name = 'celery@local'
worker_process = None
celery = celery_module.Celery()
celery.config_from_object('task_mgr.celery_config')
到目前為止,我的配置非常簡單:
task_mgr / celery_config.py:
BROKER_URL = 'amqp://'
CELERY_RESULT_BACKEND = 'amqp://'
CELERY_ACCEPT_CONTENT = ['json']
CELERY_TASK_SERIALIZER = 'json' # 'pickle' warning: can't use datetime in json
CELERY_RESULT_SERIALIZER = 'json' # 'pickle' warning: can't use datetime in json
CELERY_TASK_RESULT_EXPIRES = 18000 # Results hang around for 5 hours
CELERYD_CONCURRENCY = 4
然后你可以把任務放在任何你需要的地方:
from task_mgr.task_mgr import celery
import time
@celery.task(bind=True)
def error_task(self):
self.update_state(state='RUNNING')
time.sleep(10)
raise KeyError('im an error')
@celery.task(bind=True)
def long_task(self):
self.update_state(state='RUNNING')
time.sleep(20)
return 'long task finished'
@celery.task(bind=True)
def task_with_status(self, wait):
self.update_state(state='RUNNING')
for i in range(5):
time.sleep(wait)
self.update_state(
state='PROGRESS',
meta={
'current': i + 1,
'total': 5,
'status': 'progress',
'host': self.request.hostname,
}
)
time.sleep(wait)
return 'finished with wait = ' + str(wait)
我還保留一個任務隊列來保存異步結果,以便我可以監視任務:
task_queue = []
def queue_task(task, *args):
async_result = task.apply_async(args)
task_queue.append(
{
'task_name':task.__name__,
'task_args':args,
'async_result':async_result
}
)
return async_result
def get_tasks_info():
tasks = []
for task in task_queue:
task_name = task['task_name']
task_args = task['task_args']
async_result = task['async_result']
task_id = async_result.id
task_state = async_result.state
task_result_info = async_result.info
task_result = async_result.result
tasks.append(
{
'task_name': task_name,
'task_args': task_args,
'task_id': task_id,
'task_state': task_state,
'task_result.info': task_result_info,
'task_result': task_result,
}
)
return tasks
當然,在您需要的地方開始執行以下任務:
from webapp.app import app
from flask import url_for, render_template, redirect
from webapp import tasks
from task_mgr import task_mgr
@app.route('/start_all_tasks')
def start_all_tasks():
task_mgr.queue_task(tasks.long_task)
task_mgr.queue_task(tasks.error_task)
for i in range(1, 9):
task_mgr.queue_task(tasks.task_with_status, i * 2)
return redirect(url_for('task_status'))
@app.route('/task_status')
def task_status():
current_tasks = task_mgr.get_tasks_info()
return render_template(
'parse/task_status.html',
tasks=current_tasks
)
這就是它。 如果您需要任何幫助,請告訴我,盡管我的芹菜知識仍然相當有限。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.