当前位置：首页 > news >正文

使用 `Celery` 配合 `RabbitMQ` 作为消息代理，实现异步任务的调度、重试、定时任务以及错误监控等功能

news 2025/6/26 6:58:31

python基础代码、优化、扩展和监控的完整示例。此示例使用 Celery 配合 RabbitMQ 作为消息代理，实现异步任务的调度、重试、定时任务以及错误监控等功能。

项目结构

我们将项目结构组织如下，以便代码逻辑清晰且易于扩展：

project/
│
├── celery_app.py        # Celery应用的配置和初始化
├── tasks.py             # 异步任务的定义
├── monitor.py           # 异常监控和报警
└── main.py              # 测试异步任务调用

1. `celery_app.py` - 配置 Celery 应用

# celery_app.py
from celery import Celery
from celery.schedules import crontabapp = Celery('tasks', broker='amqp://localhost//', backend='redis://localhost')# 基础配置
app.conf.update(result_expires=3600,                     # 任务结果过期时间task_acks_late=True,                     # 确保任务执行后才确认完成worker_prefetch_multiplier=1,            # 单次预取任务数task_serializer='json',                  # 任务数据序列化格式result_serializer='json',                # 任务结果序列化格式accept_content=['json'],                 # 仅接收json格式task_soft_time_limit=300,                # 软超时时间task_time_limit=600,                     # 硬超时时间worker_hijack_root_logger=False,         # 不劫持主日志worker_log_format='[%(asctime)s: %(levelname)s/%(processName)s] %(message)s',
)# 定时任务配置
app.conf.beat_schedule = {'scheduled_add': {'task': 'tasks.add','schedule': crontab(hour=7, minute=30, day_of_week=1),'args': (16, 16),},
}# 任务路由配置：不同的任务可以走不同的队列
app.conf.task_routes = {'tasks.add': {'queue': 'high_priority'},
}

2. `tasks.py` - 定义任务

# tasks.py
from celery_app import app
from monitor import task_failure_handler
import time# 定义基础任务
@app.task(bind=True, max_retries=3)
def add(self, x, y):try:time.sleep(5)  # 模拟耗时任务return x + yexcept Exception as exc:raise self.retry(exc=exc, countdown=5)  # 5秒后重试

3. `monitor.py` - 监控与报警

# monitor.py
from celery.signals import task_failure@task_failure.connect
def task_failure_handler(sender=None, exception=None, **kwargs):# 发送报警通知或记录错误日志print(f"[ALERT] Task {sender.name} failed due to {exception}")

4. `main.py` - 测试任务调用

# main.py
from tasks import add
from celery_app import appif __name__ == "__main__":# 启动异步任务result = add.delay(4, 6)print("Task state:", result.state)  # 打印任务状态print("Result:", result.get())      # 获取任务结果（阻塞等待）# 组合任务示例：Groupfrom celery import groupgroup_tasks = group(add.s(i, i) for i in range(10))group_result = group_tasks.apply_async()print("Group Result:", group_result.get())# 链式任务示例：Chordfrom celery import chordcallback = add.s(10, 20)chord_tasks = chord((add.s(i, i) for i in range(10)), callback)chord_result = chord_tasks.apply_async()print("Chord Result:", chord_result.get())

运行和监控

启动 RabbitMQ 服务：
```
sudo service rabbitmq-server start
```
启动 Celery Worker：
运行以下命令，指定 high_priority 队列处理高优先级任务。
```
celery -A celery_app worker -Q high_priority,default -l info
```
启动 Celery Beat（用于调度定时任务）：
```
celery -A celery_app beat -l info
```
启动 Flower 实时监控（可选）：
```
celery -A celery_app flower --port=5555
```
访问 http://localhost:5555 进行任务和 worker 状态的实时监控。
Prometheus 和 Grafana 监控（可选）：
配置 Celery 的自定义事件，并使用 Prometheus 采集数据，再通过 Grafana 可视化 Celery 的性能指标。