与 celery 正在进行的任务交互

Posted

技术标签:

【中文标题】与 celery 正在进行的任务交互【英文标题】:Interact with celery ongoing task 【发布时间】:2015-05-27 12:09:38 【问题描述】:

我们有一个基于rabbitMQCelery 的分布式架构。 我们可以毫无问题地并行启动多个任务。扩展性好。

现在我们需要远程控制任务:暂停、恢复、取消。 我们找到的唯一解决方案是在 Celery 任务中对另一个任务进行 RPC 调用,该任务在 DB 请求后回复命令。 Celery 任务和 RPC 任务不在同一台机器上,只有 RPC 任务可以访问数据库。

您对如何改进它并轻松与正在进行的任务进行沟通有什么建议吗? 谢谢

编辑: 事实上,我们想做如下图所示的事情。进行Blue 配置或Orange 配置很容易,但我们不知道如何同时进行。 工人正在订阅一个共同的Jobs queue,每个工人都有自己的Admin queue 在交易所声明。

编辑: 如果 Celery 无法做到这一点,我愿意接受 python-rq 等其他框架的解决方案。

【问题讨论】:

这个问题很老了,是的,但在今天同样重要。我在这里打开了一个相关但更一般的通信问题:***.com/questions/59796397/… 但我想知道你是否曾经在这方面用 celery 或 python-rq 取得进展? @BerndWechner 迟到了,但我想我可能有一个实用的解决方案 - 发布了一个答案。 【参考方案1】:

看起来像Control Bus pattern

为了更好的可扩展性和减少 RPC 调用,我建议反转逻辑。当状态发生变化时,PAUSE, RESUME, CANCEL 命令通过控制总线推送到 Celery 任务。 Celery 应用程序会将 Celery 应用程序的当前状态存储在存储中(可能在内存中,在文件系统中......)。如果即使在应用程序停止/启动后也必须保持任务状态,这将涉及更多工作以保持两个应用程序同步(例如启动时同步)。

【讨论】:

谢谢,但是有没有办法用celery实现管理通道? 出色但无用的模糊回复,抱歉。我会重复 Julio 的问题:具体来说,如何通过控制总线推送到 Celery 任务?好主意。但一个具体的例子就是挽救生命。【参考方案2】:

我想展示一种通过工作流模式实现可暂停(和可恢复)正在进行 celery 任务的通用方法。注意:原始答案写为here。由于这篇文章非常相关,因此在此处重新编写。

概念

使用celery workflows - 您可以将整个操作设计为分为chain 的任务。它不一定必须是纯粹的链,但它应该遵循一个任务在另一个任务(或任务group)完成后完成的一般概念。

一旦您有了这样的工作流程,您就可以最终定义点以在整个工作流程中暂停。在每个这些点,您可以检查前端用户是否请求操作暂停并相应地继续。概念是这样的:-

一个复杂且耗时的操作 O 被拆分为 5 个 celery 任务——T1、T2、T3、T4 和 T5——每个任务(第一个除外)都取决于前一个任务的返回值。

假设我们定义了在每个任务之后暂停的点,所以工作流看起来像-

T1 执行 T1 完成,检查用户是否请求暂停 如果用户没有请求暂停 - 继续 如果用户请求暂停,序列化剩余的工作流链并将其存储在某个地方以便以后继续

... 等等。由于每个任务之后都有一个暂停点,因此在每个任务之后都会执行该检查(当然最后一个除外)。

但这只是理论,我很难在网上任何地方找到它的实现,所以这就是我想出的-

实施

from typing import Any, Optional

from celery import shared_task
from celery.canvas import Signature, chain, signature

@shared_task(bind=True)
def pause_or_continue(
    self, retval: Optional[Any] = None, clause: dict = None, callback: dict = None
):
    # Task to use for deciding whether to pause the operation chain
    if signature(clause)(retval):
        # Pause requested, call given callback with retval and remaining chain
        # chain should be reversed as the order of execution follows from end to start
        signature(callback)(retval, self.request.chain[::-1])
        self.request.chain = None
    else:
        # Continue to the next task in chain
        return retval


def tappable(ch: chain, clause: Signature, callback: Signature, nth: Optional[int] = 1):
    '''
    Make a operation workflow chain pause-able/resume-able by inserting
    the pause_or_continue task for every nth task in given chain

    ch: chain
        The workflow chain

    clause: Signature
        Signature of a task that takes one argument - return value of
        last executed task in workflow (if any - othewise `None` is passsed)
        - and returns a boolean, indicating whether or not the operation should continue

        Should return True if operation should continue normally, or be paused

    callback: Signature
        Signature of a task that takes 2 arguments - return value of
        last executed task in workflow (if any - othewise `None` is passsed) and
        remaining chain of the operation workflow as a json dict object
        No return value is expected

        This task will be called when `clause` returns `True` (i.e task is pausing)
        The return value and the remaining chain can be handled accordingly by this task

    nth: Int
        Check `clause` after every nth task in the chain
        Default value is 1, i.e check `clause` after every task
        Hence, by default, user given `clause` is called and checked
        after every task

    NOTE: The passed in chain is mutated in place
    Returns the mutated chain
    '''
    newch = []
    for n, sig in enumerate(ch.tasks):
        if n != 0 and n % nth == nth - 1:
            newch.append(pause_or_continue.s(clause=clause, callback=callback))
        newch.append(sig)
    ch.tasks = tuple(newch)
    return ch

解释 - pause_or_continue

这里pause_or_continue 是前面提到的暂停点。这是一项将以特定时间间隔调用的任务(时间间隔为任务间隔,而不是时间间隔)。这个任务然后调用一个用户提供的函数(实际上是一个任务) - clause - 来检查这个任务是否应该继续。

如果clause函数(实际上是一个任务)返回True,用户提供的callback函数被调用,最新的返回值(如果有的话-None否则)被传递给这个回调,以及作为剩余的任务链callback 做它需要做的事情,pause_or_continueself.request.chain 设置为 None,这告诉 celery “任务链现在是空的 - 一切都完成了”。

如果clause 函数(实际上是一个任务)返回False,则返回上一个任务的返回值(如果有的话 - None 否则)返回给下一个要接收的任务 - 并且链继续.因此工作流程继续。

为什么是clausecallback 任务签名而不是常规函数?

clausecallback 都被直接调用 - 没有delayapply_async。它在当前进程中,在当前上下文中执行。所以它的行为与普通函数完全一样,那为什么要使用signatures

答案是序列化。您不能方便地将常规函数对象传递给 celery 任务。但是您可以传递任务签名。这正是我在这里所做的。 clausecallback 都应该是 celery 任务的常规 signature 对象。

什么是self.request.chain

self.request.chain 存储 dicts 列表(将 jsons 表示为 celery 任务序列化程序,默认情况下为 json) - 每个都代表一个任务签名。此列表中的每个任务都以相反的顺序执行。这就是为什么,在传递给用户提供的callback 函数(实际上是一个任务)之前,列表是颠倒的——用户可能希望任务的顺序是从左到右。

快速说明:与本次讨论无关,但如果您使用来自apply_asynclink 参数来构造链而不是chain 原语本身。 self.request.callback 是要修改的属性(即设置为None 以删除回调和停止链)而不是self.request.chain

解释 - tappable

tappable 只是一个基本函数,它接受一个链(为简洁起见,这是此处介绍的唯一工作流原语)并在每个 nth 任务之后插入 pause_or_continue。您可以将它们插入您真正想要的任何位置,由您在操作中定义暂停点。这只是一个例子!

对于每个chain 对象,任务的实际签名(按顺序,从左到右)存储在.tasks 属性中。这是一个任务签名的元组。所以我们所要做的就是获取这个元组,转换成一个列表,插入暂停点并转换回一个元组以分配给链。然后返回修改后的链对象。

clausecallback 也附加到 pause_or_continue 签名上。普通的芹菜。

这涵盖了主要概念,但为了展示使用此模式的真实项目(以及展示暂停任务的恢复部分),这里有一个所有必要资源的小演示

用法

此示例使用假设具有数据库的基本 Web 服务器的概念。每当启动操作(即工作流链)时,它就会分配一个 id 并存储到数据库中。该表的架构看起来像-

-- Create operations table
-- Keeps track of operations and the users that started them
CREATE TABLE operations (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  requester_id INTEGER NOT NULL,
  completion TEXT NOT NULL,
  workflow_store TEXT,
  result TEXT,
  FOREIGN KEY (requester_id) REFERENCES user (id)
);

现在唯一需要知道的字段是completion。它只是存储操作的状态-

当操作开始并创建一个数据库条目时,它被设置为IN PROGRESS 当用户请求暂停时,路由控制器(即视图)将其修改为REQUESTING PAUSE 当操作实际暂停并调用callback(来自tappable,内部pause_or_continue)时,callback 应将其修改为PAUSED 任务完成后修改为COMPLETED

clause 的一个例子

@celery.task()
def should_pause(_, operation_id: int):
    # This is the `clause` to be used for `tappable`
    # i.e it lets celery know whether to pause or continue
    db = get_db()

    # Check the database to see if user has requested pause on the operation
    operation = db.execute(
        "SELECT * FROM operations WHERE id = ?", (operation_id,)
    ).fetchone()
    return operation["completion"] == "REQUESTING PAUSE"

这是在暂停点调用的任务,以确定是否暂停。这是一个带有 2 个参数的函数……嗯。第一个是强制性的,tappable 要求 clause 有一个(并且恰好是一个)参数 - 因此它可以将前一个任务的返回值传递给它(即使该返回值是 @ 987654385@)。在这个例子中,不需要使用返回值——所以我们可以忽略它。

第二个参数是操作id。看,clause 所做的一切 - 是检查数据库中的操作(工作流)条目并查看它是否具有状态 REQUESTING PAUSE。为此,它需要知道操作 ID。但是clause 应该是一个只有一个参数的任务,什么给出?

好吧,好东西签名可以是部分的。首次启动任务并创建 tappable 链时。操作 id 是已知的,因此我们可以使用should_pause.s(operation_id) 来获取带有 one 参数的任务的签名,即前一个任务的返回值。这符合clause!

callback 的一个例子

import os
import json
from typing import Any, List

@celery.task()
def save_state(retval: Any, chains: dict, operation_id: int):
    # This is the `callback` to be used for `tappable`
    # i.e this is called when an operation is pausing
    db = get_db()

    # Prepare directories to store the workflow
    operation_dir = os.path.join(app.config["OPERATIONS"], f"operation_id")
    workflow_file = os.path.join(operation_dir, "workflow.json")
    if not os.path.isdir(operation_dir):
        os.makedirs(operation_dir, exist_ok=True)
    
    # Store the remaining workflow chain, serialized into json
    with open(workflow_file, "w") as f:
        json.dump(chains, f)

    # Store the result from the last task and the workflow json path
    db.execute(
        """
        UPDATE operations
        SET completion = ?,
            workflow_store = ?,
            result = ?
        WHERE id = ?
        """,
        ("PAUSED", workflow_file, f"retval", operation_id),
    )
    db.commit()

这是在任务暂停时要调用的任务。请记住,这应该采用最后执行的任务的返回值和剩余的签名列表(按顺序,从左到右)。还有一个额外的参数 - operation_id - 再次。对此的解释与clause的解释相同。

此函数将剩余的链存储在一个 json 文件中(因为它是一个字典列表)。请记住,您可以使用不同的序列化程序 - 我使用的是 json,因为它是 celery 使用的默认任务序列化程序。

存储剩余链后,将completion状态更新为PAUSED,并将json文件的路径记录到db中。

现在,让我们看看这些在行动-

启动工作流的示例

def start_operation(user_id, *operation_args, **operation_kwargs):
    db = get_db()
    operation_id: int = db.execute(
        "INSERT INTO operations (requester_id, completion) VALUES (?, ?)",
        (user_id, "IN PROGRESS"),
    ).lastrowid
    # Convert a regular workflow chain to a tappable one
    tappable_workflow = tappable(
        (T1.s() | T2.s() | T3.s() | T4.s() | T5.s(operation_id)),
        should_pause.s(operation_id),
        save_state.s(operation_id),
    )
    # Start the chain (i.e send task to celery to run asynchronously)
    tappable_workflow(*operation_args, **operation_kwargs)
    db.commit()
    return operation_id

接受用户 ID 并启动操作工作流的函数。这或多或少是一个围绕视图/路由控制器建模的不切实际的虚拟函数。但我认为它可以通过总体思路。

假设T[1-4]是操作的所有单元任务,每一个都以前一个任务的返回作为参数。只是普通芹菜链的一个例子,你可以随意使用你的链子。

T5 是将最终结果(T4 的结果)保存到数据库的任务。因此,除了来自T4 的返回值,它还需要operation_id。哪个被传递到签名中。

暂停工作流的示例

def pause(operation_id):
    db = get_db()

    operation = db.execute(
        "SELECT * FROM operations WHERE id = ?", (operation_id,)
    ).fetchone()

    if operation and operation["completion"] == "IN PROGRESS":
        # Pause only if the operation is in progress
        db.execute(
            """
            UPDATE operations
            SET completion = ?
            WHERE id = ?
            """,
            ("REQUESTING PAUSE", operation_id),
        )
        db.commit()
        return 'success'

    return 'invalid id'

这采用了前面提到的修改数据库条目以将completion 更改为REQUESTING PAUSE 的概念。一旦提交,下次pause_or_continue 调用should_pause 时,它会知道用户已请求暂停操作,并会相应地这样做。

恢复工作流程的示例

def resume(operation_id):
    db = get_db()

    operation = db.execute(
        "SELECT * FROM operations WHERE id = ?", (operation_id,)
    ).fetchone()

    if operation and operation["completion"] == "PAUSED":
        # Resume only if the operation is paused
        with open(operation["workflow_store"]) as f:
            # Load the remaining workflow from the json
            workflow_json = json.load(f)
        # Load the chain from the json (i.e deserialize)
        workflow_chain = chain(signature(x) for x in serialized_ch)
        # Start the chain and feed in the last executed task result
        workflow_chain(operation["result"])

        db.execute(
            """
            UPDATE operations
            SET completion = ?
            WHERE id = ?
            """,
            ("IN PROGRESS", operation_id),
        )
        db.commit()
        return 'success'

    return 'invalid id'

回想一下,当操作暂停时 - 剩余的工作流存储在 json 中。由于我们目前将工作流限制为 chain 对象。我们知道这个 json 是一个签名列表,应该变成一个chain。因此,我们相应地对其进行反序列化并将其发送给 celery worker。

请注意,这个剩余的工作流仍然具有原来的 pause_or_continue 任务 - 所以这个工作流本身再次可以暂停/恢复。当它暂停时,workflow.json 将被更新。

【讨论】:

以上是关于与 celery 正在进行的任务交互的主要内容,如果未能解决你的问题,请参考以下文章

python测试开发django-158.celery 学习与使用

Python之celery的简介与使用

celery 任务无法使用 python 遍历 postgresql 数据库中的多行

Python / Celery:杀死父任务时如何杀死子任务?

python测试开发django-159.Celery 异步与 RabbitMQ 环境搭建

celery定时任务