我有一个任务，有点像这样：
@task()
def async_work(info):
...
在任何时候，我都可以调用 async_work 并提供一些信息。出于某种原因，我需要确保一次只运行一个 async_work，其他调用请求必须等待。
所以我想出了以下代码：
is_locked = False
@task()
def async_work(info):
while is_locked:
pass
is_locked = True
...
is_locked = False
但是它说访问局部变量是无效的... 如何解决？
【问题讨论】：
您可能不想为您的 celery 工人使用 concurrency=1 - 您希望同时处理您的任务。相反，您可以使用某种锁定机制。 只需确保缓存超时大于完成任务的时间。
import redis
from contextlib import contextmanager
redis_client = redis.Redis(host='localhost', port=6378)
@contextmanager
def redis_lock(lock_name):
"""Yield 1 if specified lock_name is not already set in redis. Otherwise returns 0.
Enables sort of lock functionality.
"""
status = redis_client.set(lock_name, 'lock', nx=True)
try:
yield status
finally:
redis_client.delete(lock_name)
@task()
def async_work(info):
with redis_lock('my_lock_name') as acquired:
do_some_work()
受celery documentation启发的示例
from contextlib import contextmanager
from django.core.cache import cache
@contextmanager
def memcache_lock(lock_name):
status = cache.add(lock_name, 'lock')
try:
yield status
finally:
cache.delete(lock_name)
@task()
def async_work(info):
with memcache_lock('my_lock_name') as acquired:
do_some_work()
【讨论】：
我已经实现了一个装饰器来处理这个问题。它基于 Celery 官方文档中的 Ensuring a task is only executed one at a time。
它使用函数的名称和它的 args 和 kwargs 来创建一个 lock_id，它在 Django 的缓存层中设置/获取（我只用 Memcached 测试过这个，但它也应该适用于 Redis）。如果 lock_id 已经设置在缓存中，它会将任务放回队列并退出。
CACHE_LOCK_EXPIRE = 30
def no_simultaneous_execution(f):
"""
Decorator that prevents a task form being executed with the
same *args and **kwargs more than one at a time.
"""
@functools.wraps(f)
def wrapper(self, *args, **kwargs):
# Create lock_id used as cache key
lock_id = '{}-{}-{}'.format(self.name, args, kwargs)
# Timeout with a small diff, so we'll leave the lock delete
# to the cache if it's close to being auto-removed/expired
timeout_at = monotonic() + CACHE_LOCK_EXPIRE - 3
# Try to acquire a lock, or put task back on queue
lock_acquired = cache.add(lock_id, True, CACHE_LOCK_EXPIRE)
if not lock_acquired:
self.apply_async(args=args, kwargs=kwargs, countdown=3)
return
try:
f(self, *args, **kwargs)
finally:
# Release the lock
if monotonic() < timeout_at:
cache.delete(lock_id)
return wrapper
然后您可以将它作为第一个装饰器应用于任何任务：
@shared_task(bind=True, base=MyTask)
@no_simultaneous_execution
def sometask(self, some_arg):
...
【讨论】：
访问局部变量是无效的，因为您可以让多个 celery worker 运行任务。这些工人甚至可能在不同的主机上。因此，基本上，is_locked 变量实例的数量与 Celery 工作人员正在运行的数量一样多
你的async_work 任务。因此，即使您的代码不会引发任何错误，您也不会获得预期的效果。
要实现您的目标，您需要将 Celery 配置为仅运行一名工作人员。由于任何工作人员都可以在任何给定时间处理单个任务，因此您可以获得所需的内容。
编辑：
根据Workers Guide > Concurrency：
默认情况下，多处理用于执行并发执行 任务，但您也可以使用 Eventlet。工人数 可以使用
--concurrency参数更改进程/线程 并默认为机器上可用的 CPU 数量。
因此你需要像这样运行worker：
$ celery worker --concurrency=1
编辑 2：
令人惊讶的是还有另一种解决方案，而且它甚至在官方文档中，参见Ensuring a task is only executed one at a time 文章。
【讨论】：