zoukankan      html  css  js  c++  java
  • CELERY 常用配置介绍

    设置时区
    CELERY_TIMEZONE = 'Asia/Shanghai'
    启动时区设置
    CELERY_ENABLE_UTC = True


    限制任务的执行频率
    下面这个就是限制tasks模块下的add函数,每秒钟只能执行10次
    CELERY_ANNOTATIONS = {'tasks.add':{'rate_limit':'10/s'}}
    或者限制所有的任务的刷新频率
    CELERY_ANNOTATIONS = {'*':{'rate_limit':'10/s'}}
    也可以设置如果任务执行失败后调用的函数

    def my_on_failure(self,exc,task_id,args,kwargs,einfo):
        print('task failed')
    
    CELERY_ANNOTATIONS = {'*':{'on_failure':my_on_failure}}
    

    并发的worker数量,也是命令行-c指定的数目
    事实上并不是worker数量越多越好,保证任务不堆积,加上一些新增任务的预留就可以了
    CELERYD_CONCURRENCY = 20

    celery worker每次去redis取任务的数量,默认值就是4
    CELERYD_PREFETCH_MULTIPLIER = 4

    每个worker执行了多少次任务后就会死掉,建议数量大一些
    CELERYD_MAX_TASKS_PER_CHILD = 200

    使用redis作为任务队列
    组成: db+scheme://user:password@host:port/dbname
    BROKER_URL = 'redis://127.0.0.1:6379/0'

    celery任务执行结果的超时时间
    CELERY_TASK_RESULT_EXPIRES = 1200
    单个任务的运行时间限制,否则会被杀死
    CELERYD_TASK_TIME_LIMIT = 60

    使用redis存储任务执行结果,默认不使用
    CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/1'

    将任务结果使用'pickle'序列化成'json'格式
    任务序列化方式
    CELERY_TASK_SERIALIZER = 'pickle'
    任务执行结果序列化方式
    CELERY_RESULT_SERIALIZER = 'json'
    也可以直接在Celery对象中设置序列化方式
    app = Celery('tasks', broker='...', task_serializer='yaml')

    关闭限速
    CELERY_DISABLE_RATE_LIMITS = True

    一份比较常用的配置文件:

    在celery4.x以后,就是BROKER_URL,如果是以前,需要写成CELERY_BROKER_URL
    BROKER_URL = 'redis://127.0.0.1:6379/0'
    指定结果的接收地址
    CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/1'

    指定任务序列化方式
    CELERY_TASK_SERIALIZER = 'msgpack'
    指定结果序列化方式
    CELERY_RESULT_SERIALIZER = 'msgpack'
    指定任务接受的序列化类型.
    CELERY_ACCEPT_CONTENT = ['msgpack']

    任务过期时间,celery任务执行结果的超时时间
    CELERY_TASK_RESULT_EXPIRES = 24 * 60 * 60

    任务发送完成是否需要确认,对性能会稍有影响
    CELERY_ACKS_LATE = True

    压缩方案选择,可以是zlib, bzip2,默认是发送没有压缩的数据
    CELERY_MESSAGE_COMPRESSION = 'zlib'

    规定完成任务的时间
    在5s内完成任务,否则执行该任务的worker将被杀死,任务移交给父进程
    CELERYD_TASK_TIME_LIMIT = 5

    celery worker的并发数,默认是服务器的内核数目,也是命令行-c参数指定的数目
    CELERYD_CONCURRENCY = 4

    celery worker 每次去BROKER中预取任务的数量
    CELERYD_PREFETCH_MULTIPLIER = 4

    每个worker执行了多少任务就会死掉,默认是无限的
    CELERYD_MAX_TASKS_PER_CHILD = 40

    设置默认的队列名称,如果一个消息不符合其他的队列就会放在默认队列里面,如果什么都不设置的话,数据都会发送到默认的队列中
    CELERY_DEFAULT_QUEUE = "default"
    队列的详细设置

    CELERY_QUEUES = {
        "default": { # 这是上面指定的默认队列
            "exchange": "default",
            "exchange_type": "direct",
            "routing_key": "default"
        },
        "topicqueue": { # 这是一个topic队列 凡是topictest开头的routing key都会被放到这个队列
            "routing_key": "topic.#",
            "exchange": "topic_exchange",
            "exchange_type": "topic",
        },
        "task_eeg": { # 设置扇形交换机
            "exchange": "tasks",
            "exchange_type": "fanout",
            "binding_key": "tasks",
        },
    

    或者配置成下面两种方式:

    # 配置队列(settings.py)
    CELERY_QUEUES = (
        Queue('default', 
            Exchange('default'), 
            routing_key='default'),
        Queue('for_task_collect', 
            Exchange('for_task_collect'), 
            routing_key='for_task_collect'),
        Queue('for_task_compute', 
            Exchange('for_task_compute'), 
            routing_key='for_task_compute'),
    )
    
    # 路由(哪个任务放入哪个队列)
    CELERY_ROUTES = {
        'umonitor.tasks.multiple_thread_metric_collector': 
        {
            'queue': 'for_task_collect', 
            'routing_key': 'for_task_collect'
        },
        'compute.tasks.multiple_thread_metric_aggregate': 
        {
            'queue': 'for_task_compute', 
            'routing_key': 'for_task_compute'
        },
        'compute.tasks.test': 
        {
             'queue': 'for_task_compute',
             'routing_key': 'for_task_compute'
        },
    }
    
     
  • 相关阅读:
    halcon算子翻译——dev_set_paint
    Halcon算子翻译——dev_set_lut
    JDK、JRE、JVM各自是什么、以及什么关系
    dict 增删改查
    str 操作方法
    python基础_格式化输出(%用法和format用法)
    python spilt()函数的使用方法
    iterable- 什么是可迭代对象
    list 增 删 改 查 及 公共方法
    python 基本数据类型
  • 原文地址:https://www.cnblogs.com/yunlongaimeng/p/11121294.html
Copyright © 2011-2022 走看看