如果有人感兴趣,我确实已经使用运行Python 3.4的预配置AMI服务器来处理Elastic Beanstalk。运行Debian Jessie的基于Docker的服务器遇到了很多问题。也许,与端口重新映射有关。 Docker是一个黑盒子,我发现它很难使用和调试。幸运的是,AWS中的好人刚刚在2015年4月8日添加了非泊坞窗Python 3.4选项。
我做了大量搜索以获得部署和工作。我看到很多没有答案的问题。所以这里是我非常简单部署的python 3.4/flask/celery过程。
芹菜,你可以只是点子安装。您需要使用config命令或container_command从配置文件安装rabbitmq。我在我上传的项目zip中使用了一个脚本,因此使用脚本需要container_command(在项目安装之前发生常规eb config命令)。
[yourapproot]/ebextensions/05_install_rabbitmq.config:
container_commands:
01RunScript:
command: bash ./init_scripts/app_setup.sh
[yourapproot] /init_scripts/app_setup.sh:
#!/usr/bin/env bash
# Download and install Erlang
yum install erlang
# Download the latest RabbitMQ package using wget:
wget http://www.rabbitmq.com/releases/rabbitmq-server/v3.5.1/rabbitmq-server-3.5.1-1.noarch.rpm
# Install rabbit
rpm --import http://www.rabbitmq.com/rabbitmq-signing-key-public.asc
yum -y install rabbitmq-server-3.5.1-1.noarch.rpm
# Start server
/sbin/service rabbitmq-server start
我正在做的烧瓶中的应用程序,所以我启动所述第一请求之前工人:
@app.before_first_request
def before_first_request():
task_mgr.start_celery()
的task_mgr创建芹菜应用对象(其我打电话芹菜,因为烧瓶应用程序对象是应用程序)。对于一个简单的任务管理器,这里的公平很关键。任务预取有各种奇怪的行为。这应该可能是默认的?
task_mgr/task_mgr.py:
import celery as celery_module
import multiprocessing
class WorkerProcess(multiprocessing.Process):
def __init__(self):
super().__init__(name='celery_worker_process')
def run(self):
argv = [
'worker',
'--loglevel=WARNING',
'--hostname=local',
'-Ofair',
]
celery.worker_main(argv)
def start_celery():
global worker_process
multiprocessing.set_start_method('fork') # 'spawn' seems to work also
worker_process = WorkerProcess()
worker_process.start()
def stop_celery():
global worker_process
if worker_process:
worker_process.terminate()
worker_process = None
worker_name = '[email protected]'
worker_process = None
celery = celery_module.Celery()
celery.config_from_object('task_mgr.celery_config')
我的配置是非常简单的,到目前为止:
task_mgr/celery_config。潘岳:
BROKER_URL = 'amqp://'
CELERY_RESULT_BACKEND = 'amqp://'
CELERY_ACCEPT_CONTENT = ['json']
CELERY_TASK_SERIALIZER = 'json' # 'pickle' warning: can't use datetime in json
CELERY_RESULT_SERIALIZER = 'json' # 'pickle' warning: can't use datetime in json
CELERY_TASK_RESULT_EXPIRES = 18000 # Results hang around for 5 hours
CELERYD_CONCURRENCY = 4
然后你就可以把任务,无论你需要他们:
from task_mgr.task_mgr import celery
import time
@celery.task(bind=True)
def error_task(self):
self.update_state(state='RUNNING')
time.sleep(10)
raise KeyError('im an error')
@celery.task(bind=True)
def long_task(self):
self.update_state(state='RUNNING')
time.sleep(20)
return 'long task finished'
@celery.task(bind=True)
def task_with_status(self, wait):
self.update_state(state='RUNNING')
for i in range(5):
time.sleep(wait)
self.update_state(
state='PROGRESS',
meta={
'current': i + 1,
'total': 5,
'status': 'progress',
'host': self.request.hostname,
}
)
time.sleep(wait)
return 'finished with wait = ' + str(wait)
我还留着一个任务队列,以保持异步结果,所以我可以监视任务:
task_queue = []
def queue_task(task, *args):
async_result = task.apply_async(args)
task_queue.append(
{
'task_name':task.__name__,
'task_args':args,
'async_result':async_result
}
)
return async_result
def get_tasks_info():
tasks = []
for task in task_queue:
task_name = task['task_name']
task_args = task['task_args']
async_result = task['async_result']
task_id = async_result.id
task_state = async_result.state
task_result_info = async_result.info
task_result = async_result.result
tasks.append(
{
'task_name': task_name,
'task_args': task_args,
'task_id': task_id,
'task_state': task_state,
'task_result.info': task_result_info,
'task_result': task_result,
}
)
return tasks
当然,开始你需要的任务:
from webapp.app import app
from flask import url_for, render_template, redirect
from webapp import tasks
from task_mgr import task_mgr
@app.route('/start_all_tasks')
def start_all_tasks():
task_mgr.queue_task(tasks.long_task)
task_mgr.queue_task(tasks.error_task)
for i in range(1, 9):
task_mgr.queue_task(tasks.task_with_status, i * 2)
return redirect(url_for('task_status'))
@app.route('/task_status')
def task_status():
current_tasks = task_mgr.get_tasks_info()
return render_template(
'parse/task_status.html',
tasks=current_tasks
)
就是这样。让我知道你是否需要任何帮助,尽管我的芹菜知识还相当有限。
有趣的是,这段代码与应用程序和工作者的_same_ Celery实例一起工作。否则,例如创建工人命令行,似乎总是创建一个新的Celery实例。我不知道这是否是一个问题... – Jens