调用任务：Calling Tasks

基础入门
本文档介绍了任务实例和 canvas 对 Celery 统一的调用接口。
这些 API 定义了标准的执行选项集，也就是下面这三个方法：
apply_async(args[, kwargs[, ...]])
发送一个任务消息。
delay(*args, **kwargs)
直接发送一个任务消息,但是不支持运行参数。
calling(__call__)
应用一个支持调用接口（例如，add(2,2)）的对象,意味着任务不会被一个 worker 执行,但是会在当前线程中执行(但是消息不会被发送)。
速查表
T.delay(arg, kwarg=value)
调用 apply_async 的快捷方式（.delay(_args, *_kwargs)等价于调用 .apply_async(args, kwargs)）。
T.apply_async((arg,), {'kwarg': value})
T.apply_async(countdown=10)
从现在起, 十秒内执行。
T.apply_async(eta=now + timedelta(seconds=10))
从现在起十秒内执行，指明使用eta。
T.apply_async(countdown=60, expires=120)
从现在起一分钟执行，但在两分钟后过期。
T.apply_async(expires=now + timedelta(days=2))
两天内过期，使用datetime对象。
例子
delay() 方法就像一个很规则的函数，很方便去调用它：
1
task.delay(arg1, arg2, kwarg1='x', kwarg2='y')
Copied!
用 apply_async() 替代你写的：
1
task.apply_async(args=[arg1, arg2], kwargs={'kwarg1': 'x', 'kwarg2': 'y'})
Copied!
尽管运行十分方便，但是如果像设置额外的行参数，你必须用 apply_async。
小技巧
如果任务在当前线程没有注册,你可以通过名字替代的方法使用 send_task() 去调用这个任务。
接下来我们着重的任务参数详情（task excution options），所有的例子都基于一个任务add,返回两个参数之和：
1
@app.task
2
def add(x, y):
3
    return x + y
Copied!
还有其他的方式......
你也多了解下一章将会讲到的Canvas,签名的对象用来传递任务的签名（例如,通过网络发送），它们还支持API调用：
1
task.s(arg1, arg2, kwarg1='x', kwargs2='y').apply_async()
Copied!
Linking(callbacks/errbacks)
Celery支持将任务链，一个任务在另一个任务之后。回调任务将用父任务的结果作为一部分参数：
1
res = add.apply_async((2, 2), link=add.s(16))
2
​
3
# 译者注
4
# res.get() --> 4
5
# res.children[0].get() --> 20
Copied!
第一个任务的结果（4）会被发送下一个新的任务的参数去加上16，可以这样表达 (2+2)+16=20。
如果task引发异常（errback），您还可以使异常的回调，但这与常规回调的行为不同，因为它将被传递父任务的ID，而不是结果。这是因为抛出序列化引发的异常，因此错误回调需要启用backend，并且任务必须检索任务的结果。
这是一个错误回调的例子：
1
@app.task
2
def error_handler(uuid):
3
    result = AsyncResult(uuid)
4
    exc = result.get(propagate=False)
5
    print('Task {0} raised exception: {1!r}\n{2!r}'.format(
6
          uuid, exc, result.traceback))
Copied!
可以使用 link_error 执行选项将其添加到任务中：
1
add.apply_async((2, 2), link_error=error_handler.s())
Copied!
此外，link 和 link_error 选项都可以是list：
1
add.apply_async((2, 2), link=[add.s(16), other_task.s()])
Copied!
然后将依次调用回调/错误返回，并且将使用父任务的返回值作为部分参数来调用所有回调。
On Message
Celery 可以通过消息回调获取所有状态的改变。例如对于长时任务发送人任务进程，你可以这样做：
1
@app.task(bind=True)
2
def hello(self, a, b):
3
    time.sleep(1)
4
    self.update_state(state="PROGRESS", meta={'progress': 50})
5
    time.sleep(1)
6
    self.update_state(state="PROGRESS", meta={'progress': 90})
7
    time.sleep(1)
8
    return 'hello world: %i' % (a+b)
Copied!
1
def on_raw_message(body):
2
    print(body)
3
​
4
r = hello.apply_async(4, 6)
5
print(r.get(on_message=on_raw_message, propagate=False))
Copied!
将生成如下输出：
1
{'task_id': '5660d3a3-92b8-40df-8ccc-33a5d1d680d7',
2
 'result': {'progress': 50},
3
 'children': [],
4
 'status': 'PROGRESS',
5
 'traceback': None}
6
{'task_id': '5660d3a3-92b8-40df-8ccc-33a5d1d680d7',
7
 'result': {'progress': 90},
8
 'children': [],
9
 'status': 'PROGRESS',
10
 'traceback': None}
11
{'task_id': '5660d3a3-92b8-40df-8ccc-33a5d1d680d7',
12
 'result': 'hello world: 10',
13
 'children': [],
14
 'status': 'SUCCESS',
15
 'traceback': None}
16
hello world: 10
Copied!
ETA and Countdown
ETA（estimated time of arrival, 预计到底时间）让你设置一个日期和时间，在这个时间之前任务将被执行。countdown 是一种以秒为单位设置ETA的快捷方式。
1
>>> result = add.apply_async((2, 2), countdown=3)
2
>>> result.get()    # this takes at least 3 seconds to return
3
20
Copied!
确保任务在指定的日期和时间之后的某个时间执行，但不一定在该时间执行。可能原因可能包括许多项目在队列中等待，或者严重的网络延迟。为了确保您的任务及时执行，你应该监视队列中的拥塞情况。使用Munin或类似工具来接收警报，因此可以采取适当的措施来减轻负载。点击查看Munin。
尽管 countdown 是整数，但eta必须是一个 datetime 对象，并指定确切的日期和时间（包括毫秒精度和时区信息）：
1
>>> from datetime import datetime, timedelta
2
​
3
>>> tomorrow = datetime.utcnow() + timedelta(days=1)
4
>>> add.apply_async((2, 2), eta=tomorrow)
Copied!
Expiration
expries 参数定义了一个可选的到期时间，既可以作为任务之后秒发布，或在特定日期和时间使用 datetime：
1
>>> # Task expires after one minute from now.
2
>>> add.apply_async((10, 10), expires=60)
3
​
4
>>> # Also supports datetime
5
>>> from datetime import datetime, timedelta
6
>>> add.apply_async((10, 10), kwargs,
7
...                 expires=datetime.now() + timedelta(days=1)
Copied!
当 worker 收到过期的任务时，它将任务标记为REVOKED（TaskRevokedError）。
消息重发 (Message Sending Retry)
当连接失败时，Celery 会自动重试发送消息，并且可以配置重试行为（例如重试频率或最大重试次数）或全部禁用。
1
add.apply_async((2, 2), retry=False)
Copied!
相关设定
​task_publish_retry​
​task_publish_retry_policy​
重试策略 (Retry Plicy )
重试策略是一种控制重试行为的映射，可以包含以下键：
max_retries
最大重试次数，在这种情况下，将抛出重试失败的异常。
值为None意味着它将永远重试。
默认值为重试3次。
interval_start
定义两次重试之间要等待的秒数（浮点数或整数）。默认值为0（第一次重试是瞬时的）。
interval_step
在每次连续重试时，此数字将被添加到重试延迟中（浮点数或整数）。默认值为0.2。
interval_max
重试之间等待的最大秒数（浮点数或整数）。默认值为0.2。
例如，默认策略与以下内容相关：
1
add.apply_async((2, 2), retry=True, retry_policy={
2
    'max_retries': 3,
3
    'interval_start': 0,
4
    'interval_step': 0.2,
5
    'interval_max': 0.2,
6
})
Copied!
重试的最长时间为0.4秒。默认情况下将其设置为相对较短，因为如果代理连接断开，连接失败可能导致重试堆效应–例如，许多 Web 服务器进程正在等待重试，从而阻止了其他传入请求。
连接错误处理(Connection Error Handling)
当您发送任务并且传输连接丢失或无法启动连接时，将引发 OperationalError 错误：
1
>>> from proj.tasks import add
2
>>> add.delay(2, 2)
3
Traceback (most recent call last):
4
  File "<stdin>", line 1, in <module>
5
  File "celery/app/task.py", line 388, in delay
6
        return self.apply_async(args, kwargs)
7
  File "celery/app/task.py", line 503, in apply_async
8
    **options
9
  File "celery/app/base.py", line 662, in send_task
10
    amqp.send_task_message(P, name, message, **options)
11
  File "celery/backends/rpc.py", line 275, in on_task_call
12
    maybe_declare(self.binding(producer.channel), retry=True)
13
  File "/opt/celery/kombu/kombu/messaging.py", line 204, in _get_channel
14
    channel = self._channel = channel()
15
  File "/opt/celery/py-amqp/amqp/connection.py", line 272, in connect
16
    self.transport.connect()
17
  File "/opt/celery/py-amqp/amqp/transport.py", line 100, in connect
18
    self._connect(self.host, self.port, self.connect_timeout)
19
  File "/opt/celery/py-amqp/amqp/transport.py", line 141, in _connect
20
    self.sock.connect(sa)
21
  kombu.exceptions.OperationalError: [Errno 61] Connection refused
Copied!
如果启用了重试，则只有在重试用尽后或立即禁用后才发生。
您也可以处理此错误：
1
>>> from celery.utils.log import get_logger
2
>>> logger = get_logger(__name__)
3
​
4
>>> try:
5
...     add.delay(2, 2)
6
... except add.OperationalError as exc:
7
...     logger.exception('Sending task raised: %r', exc)
Copied!
序列化 (Serializers)
在客户端和工作人员之间传输的数据需要进行序列化，因此 Celery 中的每条消息都有一个 content_type 标头，该标头描述了用于对其进行编码的序列化方法。
默认的序列化器是JSON，但是您可以使用 task_serializer 设置更改此设置，或者针对每个任务，甚至针对每条消息进行更改。
有内置的支持JSON，pickle，YAML 和msgpack，你也可以通过他们登记到 Kombu 注册表中添加自己的自定义序列化
安全
pickle 模块允许执行任意功能，请参阅安全指南。
Celery 还带有一个特殊的序列化程序，该序列化程序使用加密技术对您的消息进行签名。
也可以看看
Kombu 中的消息序列化的用户指南。
每个序列化器都有其优点和缺点：
json - JSON 被大多数的编程语言支持，并且现在是 Python 标准的一部分（自2.6开始），并且现代 Python 库（例如 simplejson）具有非常快的 json 解析速度。
JSON 的缺点是会限制你使用如下的数据类型：字符串、Unicode、字典和列表。小数和日期明显缺失。
二进制数据使用 Base64 编码进行传输，这与支持纯二进制传输的相比，数据传输量增长了34%。
但如果你的数据满足上述限制，并且你需要跨语言支持，则 JSON 可能是你的最佳选择。
有关更多信息，请参见 http://json.org。
pickle - 如果你除了 Python 外，并不需要支持其他语言，那么使用 pickle 编码将让你获得对所有 Python 内建类型的支持（类实例除外）。相比 JSON，使用 pickle 序列化的二进制文件更小，传输速度更快。
请参阅 pickle 获得更多信息。
yaml - YAML 和 JSON 有许多相似的特征，yaml 支持包括日期、递归引用在内的更多数据类型。然而，Python 的 YMAL 库相比 JSON 库 要慢很多。
如果你需要更具表现能力的数据集合，则 YMAL 比上面的序列化方式更适合。
有关更多信息，请参见 http://yaml.org/。
msgpack - msgpack 是一种接近 JSON 的二进制序列化格式。但是，它还很年轻，因此此时应该将支持视为实验性的
有关更多信息，请参见 http://msgpack.org/。
编码类型可以用作消息头，因此 workers 知道如何反序列化所有的任务。如果你使用自定义序列方案，则该序列化必须被 workers 支持。
发送任务时的序列化配置优先级如下（从高到低）：
1.serializer 执行选项。
2.Task.serializer 属性。
3.task_serializer 属性。
为单个任务调用设置序列化方式：
1
>>> add.apply_async((10, 10), serializer='json')
Copied!
压缩 (Compression)
Celery 可以使用以下内建方案压缩消息。
brotli
brotli 针对 web 进行了优化，尤其是小型文档。该压缩对诸如字体、html页面等静态内容最有效。
要使用 brotli，请用以下命令进行安装。
1
$ pip install celery[brotli]
Copied!
bzip2
bzip2 创建的文件比 gzip 小，但是压缩和解压的速度明显慢于 gzip。
要使用 bzip2，请确保 bzip2 已经编译到你的 Python 可执行文件中。
如果你得到以下错误 ImportError​
1
>>> import bz2
2
Traceback (most recent call last):
3
  File "<stdin>", line 1, in <module>
4
ImportError: No module named 'bz2'
Copied!
这意味着你应该重新编译支持 bzip2 的 Python 版本。
gzip
gzip 适用于内存占用较小的系统，因此 gzip 非常适合内存有限的系统。该压缩常用语生成带有 “.tar.gz” 后缀的文件。
1
要使用 gzip，请确保 gzip 已经编译到你的 Python 可执行文件中。
2
​
3
如果你得到以下错误[ImportError](https://docs.python.org/dev/library/exceptions.html#ImportError)
4
>>> import gzip
5
Traceback (most recent call last):
6
  File "<stdin>", line 1, in <module>
7
ImportError: No module named 'gzip'
Copied!
这意味着你应该重新编译支持 gzip 的 Python 版本。
lzma
lzma 具有较好的压缩效率以及压缩解压速度，但内存消耗更大。
要使用 lzma，请确保 gzip 已经编译到你的 Python 可执行文件中，并且你的 Python 版本为3.3或更高版本。
如果你得到以下错误 ImportError​
1
>>> import lzma
2
Traceback (most recent call last):
3
  File "<stdin>", line 1, in <module>
4
ImportError: No module named 'lzma'
Copied!
这意味着你应该重新编译支持 lzam 的 Python 版本。
也可以通过以下的方式进行安装：
1
$ pip install celery[lzma]
Copied!
zlib
zlib 是 Deflate 算法的抽象，它的 API 支持包括 gzip 格式和轻量级流格式文件的支持。zlib 是许多软件系统的重要组成部分，例如 Linux 内核以及 Git VCS。
要使用 zlib，请确保 zlib 已经编译到你的 Python 可执行文件中。
如果你得到以下错误 ImportError​
1
>>> import zlib
2
Traceback (most recent call last):
3
  File "<stdin>", line 1, in <module>
4
ImportError: No module named 'zlib'
Copied!
这意味着你应该重新编译支持 zlib 的 Python 版本。
zstd
zstd是一个针对 zlib 的实时压缩方案，且有着更好的压缩效率。zstd 由 Huff0 和 FSE 库提供快速算法。
要使用zstd，请用以下命令进行安装。
1
$ pip install celery[zstd]
Copied!
你还可以创建自己的压缩方式，并在kumbo压缩注册中注册它们。
发送任务时的压缩方案配置优先级如下（从高到低）：
1.compression 执行选项。
2.Task.compression 属性。
3.task_compression 属性。
任务调用时指定压缩方法的示例：
1
>>> add.apply_async((2, 2), compression='zlib')
Copied!
连接(Connections)
自动池支持
从2.3版开始，支持自动连接池，因此您不必手动处理连接和发布者即可重用连接。
从2.5版开始，默认情况下启用连接池。
有关 broker_pool_limit 更多信息，请参见设置。
您可以通过创建发布者来手动处理连接：
1
results = []
2
with add.app.pool.acquire(block=True) as connection:
3
    with add.get_publisher(connection) as publisher:
4
        try:
5
            for args in numbers:
6
                res = add.apply_async((2, 2), publisher=publisher)
7
                results.append(res)
8
print([res.get() for res in results])
Copied!
尽管这是个特定示例，但是可以更好的展现一组：
1
>>> from celery import group
2
​
3
>>> numbers = [(2, 2), (4, 4), (8, 8), (16, 16)]
4
>>> res = group(add.s(i, j) for i, j in numbers).apply_async()
5
​
6
>>> res.get()
7
[4, 8, 16, 32]
Copied!
路由选择 (Routing options)
Celery 可以将任务路由到不同的队列。
使用以下 queue 可以完成简单的路由(name <-> name)：
1
add.apply_async(queue='priority.high')
Copied!
然后，您可以指派 workers 给 priority.high 的队列,使用 worker -Q 参数将分配给队列：
1
$ celery -A proj worker -l info -Q celery,priority.high
Copied!
也可以看看
不建议用代码对队列名称进行硬编码，最佳做法是使用配置路由器（task_routes）。
要了解有关路由的更多信息，请参阅“路由任务(Routing Tasks)”。
高级选项
这些选项适用于想要使用AMQP完整路由功能的高级用户。有兴趣的人士可以阅读路由指南。
交换(exchange)
发送信息的 exchange(或者 kombu.entity.Exchange) 的名称。
routing_key
用于确定路由的密钥。
优先(priority)
0～255 之间的数字，其中255是最高优先级。
支持：RabbitMQ，Redis（优先级颠倒，最高为0）。
案例：Example
Next - 用户指南
Canvas：设计工作流程：Designing Work-flows
Last modified 2yr ago