我正在使用芹菜在Hadoop上运行长时间运行的任务。每个任务在Hadoop上执行一个Pig脚本,运行大约30分钟--2个小时。
我当前的Hadoop设置有4个队列a,b,c和默认值。所有任务当前都由单个工作程序执行,该工作程序将作业提交到单个队列。
我想再添加3个将作业提交到其他队列的工作者,每个队列一个工作者。
问题是队列当前是硬编码的,我希望为每个工人制作这个变量。
我搜索了很多,但是我无法找到一种方法来传递每个芹菜工作者不同的队列值并在我的任务中访问它。
我这样开始我的芹菜工人。
celery -A app.celery worker
我希望在命令行中传递一些额外的参数并在我的任务中访问它,但芹菜抱怨它不理解我的自定义参数。
我计划通过设置--concurrency=3
参数来运行同一主机上的所有工作人员。有没有解决这个问题的方法?
谢谢!
修改
目前的情况是这样的。每次我尝试执行任务print_something时都说tasks.print_something.delay()
它只打印队列C。
@celery.task()
def print_something():
print "C"
我需要让工作人员根据我在启动时传递给他们的值来打印一个可变字母。
@celery.task()
def print_something():
print "<Variable Value Per Worker Here>"
答案 0 :(得分:3)
我通常做的是,在另一个脚本(比如manage.py)中启动worker(任务未执行)之后,我添加带参数的命令来启动具有不同参数的特定任务或任务。
在manager.py中:
from tasks import some_task
@click.command
def run_task(params):
some_task.apply_async(params)
这将根据需要启动任务。
答案 1 :(得分:3)
希望这有助于某人。
需要解决此问题的多个问题。
第一步是在celery中为自定义参数添加支持。如果不这样做,芹菜会抱怨它不理解参数。
由于我正在使用Flask运行芹菜,我会像这样初始化芹菜。
def configure_celery():
app.config.update(
CELERY_BROKER_URL='amqp://:@localhost:5672',
RESULT_BACKEND='db+mysql://root:@localhost:3306/<database_name>'
)
celery = Celery(app.import_name, backend=app.config['RESULT_BACKEND'],
broker=app.config['CELERY_BROKER_URL'])
celery.conf.update(app.config)
TaskBase = celery.Task
class ContextTask(TaskBase):
abstract = True
def __call__(self, *args, **kwargs):
with app.app_context():
return TaskBase.__call__(self, *args, **kwargs)
celery.Task = ContextTask
return celery
我调用此函数初始化芹菜并将其存储在一个名为celery的变量中。
celery = configure_celery()
要添加自定义参数,您需要执行以下操作。
def add_hadoop_queue_argument_to_worker(parser):
parser.add_argument(
'--hadoop-queue', help='Hadoop queue to be used by the worker'
)
以下使用的芹菜是我们从上述步骤中获得的芹菜。
celery.user_options['worker'].add(add_hadoop_queue_argument_to_worker)
下一步是在工作者中访问此参数。为此,请按照以下步骤操作。
class HadoopCustomWorkerStep(bootsteps.StartStopStep):
def __init__(self, worker, **kwargs):
worker.app.hadoop_queue = kwargs['hadoop_queue']
通知芹菜使用此类创建工人。
celery.steps['worker'].add(HadoopCustomWorkerStep)
现在,任务应该能够访问变量。
@app.task(bind=True)
def print_hadoop_queue_from_config(self):
print self.app.hadoop_queue
通过在命令行上运行worker来验证它。
celery -A app.celery worker --concurrency=1 --hadoop-queue=A -n aworker@%h
celery -A app.celery worker --concurrency=1 --hadoop-queue=B -n bworker@%h
celery -A app.celery worker --concurrency=1 --hadoop-queue=C -n cworker@%h
celery -A app.celery worker --concurrency=1 --hadoop-queue=default -n defaultworker@%h