问题1
线上同一台机器部署了两套服务，分别启动了Celery应用，选取Rabbitmq作为Broker，其中两套服务共用同一个Broker。结果导致：服务B的任务被服务A的Celery received，于是可能会报错：
Received unregistered task of type 'apps.tasks.scheduled_job.calc_post_score'
消息队列
首先了解一下AMQP的几个核心定义：
AMQP，即Advanced Message Queuing Protocol（高级消息队列协议）
参考：celery文档
-
message 消息，由headers和body组成，例如celery中消息格式：
python{ 'task': 'myapp.tasks.add', 'id': '54086c5e-6193-4575-8308-dbab76798756', 'args': [4, 4], 'kwargs': {} } -
producer 生产者，发送信息的客户端通常称为发布者或生产者
-
consumer 消费者，接收消息的实体
-
broker 消息中间件，负责将信息从生产者路由到消费者，可以是redis或rabbitmq（官方推荐）
-
channel 信道，建立在connection连接之上
-
exchanges 交换机，负责接收生产者发送的消息，并将其路由到相应的队列。支持3种类型：
Direct、Topic、Fanout，不是所有传输都支持这3种 -
queues 队列，存储消息的地方，消费者会从队列中获取消息
-
routing keys 路由键，exchange会根据路由键将消息路由到对应的队列
任务发送接收流程
AMQP通信流程
解决方案
问题1原因：
exchange无法将job路由到对应的队列，或者说因为没有指定队列，导致队列中的job共享而无法找到。
解决方法就是初始化时指定队列名。
以下展示了Flask中如何配置队列和交换机
通过工厂函数初始化celery app，配置了queue之后，任务函数也必须指定一个队列名，或者设置一个task_default_queue默认队列，就不用在每个任务函数装饰器中使用 queue 参数指定队列了
python
# 配置queues
celery.conf.task_queues = (
Queue(
"game_community_default",
Exchange("game_community_default"),
routing_key="game_community_default",
),
)
celery.conf.task_default_queue = "game_community_default"
celery.set_default()
celery.autodiscover_tasks(["apps.tasks"])使用celery的注意点
task_acks_late
设置为True表示任务在执行完成之后才确认，如果Worker进程突然退出或被kill掉也会立即确认；如果为False表示执行之前就确认（默认值）
task_reject_on_worker_lost
设为False, worker进程崩掉之后将重新加入worker，默认值False，可能会造成循环执行
task_always_eager 设为True可用于本地同步调试，而不经过broker
周期任务无法被正确识别？
使用include指定任务模块（和import语义相同）
使用beat_schedule参数指定周期任务字典配置，比如：
python
"""手动导入任务，否则可能无法识别"""
INCLUDES = "apps.tasks.scheduled_job"
BEAT_SCHEDULES = {
# 更新文章热度值
"calc_post_score": {
"task": "apps.tasks.scheduled_job.calc_post_score",
"schedule": crontab("0", "1,7,13,19"),
"args": (),
},
# 更新评论热度值
"calc_comment_score": {
"task": "apps.tasks.scheduled_job.calc_comment_score",
"schedule": crontab("30", "1,7,13,19"),
"args": (),
},
}celery如何访问Flask App上下文
python
def init_app(app: Flask, config) -> Celery:
class FlaskTask(Task):
def __call__(self, *args: object, **kwargs: object) -> object:
with app.app_context():
return self.run(*args, **kwargs)
celery = Celery(app.name, task_cls=FlaskTask)
celery.task_cls = FlaskTask
celery.config_from_object(config)
# 配置queues
celery.conf.task_queues = (
Queue(
"game_community_default",
Exchange("game_community_default"),
routing_key="game_community_default",
),
)
celery.conf.task_default_queue = "game_community_default"
celery.set_default()
celery.autodiscover_tasks(["apps.tasks"])
app.extensions["celery"] = celery
return celery另外，使用 @celery_app.task 来装饰任务函数需要访问 celery_app 对象，而使用工厂模式则无法访问 celery_app对象，用@shared_task来替代。
调用 celery_app.set_default() 使得@shared_task 装饰器可以访问任何current app，这与 Flask 的蓝图和应用程序上下文概念类似。
Task states
| 状态 | 说明 |
|---|---|
| PENDING | 任务已被添加到任务队列中，等待执行 |
| STARTED | 任务已开始执行 |
| RETRY | 任务已失败并且正在尝试重新执行 |
| FAILURE | 任务执行失败 |
| SUCCESS | 任务执行成功 |
| REVOKED | 任务已被撤销 |
自定义状态
python
@app.task(bind=True)
def upload_files(self, filenames):
for i, file in enumerate(filenames):
if not self.request.called_directly:
self.update_state(state='PROGRESS',
meta={'current': i, 'total': len(filenames)})问题2
多进程环境下，比如Gunicorn多个worker部署，Apscheduler周期任务会重复执行多次
这是Apscheduler3的一个issue，不知道后续版本会不会优化
解决方案
- 尝试过设置gunicorn worker数=1，无法解决
- redis分布式锁，执行之前尝试获取锁，成功才执行，注意最后无论执行是否成功都要释放锁
如何设计一个Scheduled Job
cron表达式
| 属性 | 英文名 | 值 |
|---|---|---|
| 分 | minute | 0-59 |
| 时 | hour | 0-23 |
| 日 | day_of_month | 1-31 |
| 月 | month_of_year | 1-12 |
| 周 | day_of_week | 0-6 |
| 开始时间（可选） | start_time | |
| 截止时间（可选） | end_time |
周期任务表 periodic_task
| column | type | description |
|---|---|---|
| name | str | 任务名 |
| description | str | 备注 |
| args | json / jsonb | 任务函数参数 |
| last_run_time | datetime | 最后一次运行时间 |
| trigger | str | contab触发参数 |
| status | int | 执行状态 |
| enabled | int | 任务启用 / 关闭 |
| job_id | str | 任务唯一id |
| result | str / json | 执行结果 |
| log_path | str | 日志路径 |