Python Celery 教學 (3) - Workflow

本篇將延續 Python Celery 教學 (2) - AsyncResult 與執行工作 的內容，進一步介紹 2 種常見 Celery 定義的 Workflow:

• chain
• group

Celery 在 Signature 的基礎上提供了若干種內建的 Workflow ，例如 chain , group 等等，所以能夠發現以下的 Workflow 都會用 Signature 進行傳遞。

chain #

熟悉使用 Linux 指令的朋友們一定都很熟悉 pipe ( | ) 的用法， pipe 可以將一個指令的輸出結果，直接輸入至下一個指令處理。而這種連結的方式在 Celery 稱為 chains ，所以可以用 chain 方法將多個 tasks 連結起來，一個接著一個地執行。

以下範例定義簡單的加法與乘法 tasks :

# -*- coding: utf-8 -*-
from __future__ import absolute_import
from celery import Celery


app = Celery(
    'tasks',
    broker='redis://127.0.0.1:6379/0',
    backend='redis://127.0.0.1:6379/1',
)


@app.task
def add(x, y):
    print('x={}, y={}, x+y={}'.format(x, y, x+y))
    return x+y


@app.task
def mul(x, y):
    print('x={}, y={}, x*y={}'.format(x, y, x*y))
    return x*y


if __name__ == '__main__':
    app.worker_main()

我們可以利用 chain 做出類似以下 Linux pipe 的效果：

add -x 2 -y 2 | mul -x 10
# 40

以下就是用 chain 將 tasks 連結起來的範例：

>>> from celery import chain
>>> from tasks import add, mul
>>> res = chain(add.s(2, 2), mul.s(10))
>>> type(res)
<class 'celery.canvas._chain'>
>>> res
tasks.add(2, 2) | mul(10)
>>> res().get()
40

上述範例可以看到 chain 會回傳 celery.canvas._chain 類別，如果把它簡單印出來就會發現 tasks.add(2, 2) | mul(10) 是跟 pipe 很像的表示方法，所以上述範例還可以改寫成：

>>> res = (add.s(2, 2) | mul.s(10)).apply_async()
>>> res.get()
40

接著呼叫 res() 執行之後，再用 get() 方法取得最後結果。

group #

group 提供將多個 tasks 平行執行的功能。

A group can be used to execute several tasks in parallel.

group 很適合相同工作但是不同參數的 tasks ，例如縮圖功能就很適合應用在 group ，當使用者上傳圖片後，平行將圖片針對各種裝置（手機、桌機）轉成多種不同大小尺寸。

例如以下假想的縮圖 task 範例：

@app.task
def resize_photo(photo, w, h):
    print('w={}, h={}'.format(w, h))

接著利用 group 同時產生多種不同尺寸的圖片的程式碼就如以下，用 group 包裝後再呼叫 apply_async() 方法，交由 Workers 執行：

>>> from celery import group
>>> from tasks import resize_photo
>>> photo = 'fake_photo'
>>> jobs = group([
...    resize_photo.s(photo, 80, 80),
...    resize_photo.s(photo, 160, 160),
... ])
>>> res = jobs.apply_async()
<GroupResult: 4d6c76f8-cdcb-42db-9fa3-8440698fc85f [62a7049e-3300-44f8-886c-e4ded65f6265, c2fd58b4-91bf-4406-9ca6-9d10634595c2]>

同樣地，執行後會取得 GroupResult object ，此 object 也提供若干方法讓我們能夠知道 tasks 的執行情況，例如：

>>> res.ready() # 是否所有 tasks 都已執行完畢
False
>>> res.successful() # 是否所有 tasks 都執行成功
False
>>> res.waiting() # 是否有任ㄧ tasks 正在等待執行
True
>>> res.completed_count() # 取得完成執行的 tasks 數量
0

這邊需要注意的是預設 serializer 是 JSON ，所以傳遞參數到 tasks 時，必須是 JSON serializable 的物件才行，否則會造成類似以下的 EncodeError ：

kombu.exceptions.EncodeError: Object of type 'object' is not JSON serializable

小結 #

除了本篇介紹的 chain 與 group 之外， Celery 還提供了另外幾種 Workflow ：

• chord
• map
• starmap
• chunk

有興趣的話可以進一步參閱 文件 ，說不定可以意外發現適合的 Workflow 解決長久以來的困擾。

Python Celery 教學 (4) - Queues

References #

http://docs.celeryproject.org/en/latest/userguide/canvais.html

python celery