Python Web：Flask异步执行任务

原文链接： https://www.tinymind.cn/competitions/48

（▲由Python大本营付费下载自视觉中国）

作者 | ayuliao  
出自 | hackpython（ID：hackpython）

简介

Flask 是 Python 中有名的轻量级同步 web 框架，在一些开发中，可能会遇到需要长时间处理的任务，此时就需要使用异步的方式来实现，让长时间任务在后台运行，先将本次请求的响应状态返回给前端，不让前端界面「卡顿」，当异步任务处理好后，如果需要返回状态，再将状态返回。

怎么实现呢？

使用线程的方式

当要执行耗时任务时，直接开启一个新的线程来执行任务，这种方式最为简单快速。

通过 ThreadPoolExecutor 来实现

from flask import Flask
from time import sleep
from concurrent.futures import ThreadPoolExecutor


# DOCS https://docs.python.org/3/library/concurrent.futures.html#concurrent.futures.ThreadPoolExecutor
# 创建线程池执行器
executor = ThreadPoolExecutor(2)


app = Flask(__name__)


@app.route('/jobs')
def run_jobs():
    # 交由线程去执行耗时任务
    executor.submit(long_task, 'hello', 123)
    return 'long task running.'


# 耗时任务
def long_task(arg1, arg2):
    print("args: %s %s!" % (arg1, arg2))
    sleep(5)
    print("Task is done!")


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

当要执行一些比较简单的耗时任务时就可以使用这种方式，如发邮件、发短信验证码等。

但这种方式有个问题，就是前端无法得知任务执行状态。

如果想要前端知道，就需要设计一些逻辑，比如将任务执行状态存储到 redis 中，通过唯一的任务 id 进行标识，然后再写一个接口，通过任务 id 去获取任务的状态，然后让前端定时去请求该接口，从而获得任务状态信息。

全部自己实现就显得有些麻烦了，而 Celery 刚好实现了这样的逻辑，来使用一下。

使用 Celery

为了满足前端可以获得任务状态的需求，可以使用 Celery。

Celery 是实时任务处理与调度的分布式任务队列，它常用于 web 异步任务、定时任务等，后面单独写一篇文章描述 Celery 的架构，这里不深入讨论。

现在我想让前端可以通过一个进度条来判断后端任务的执行情况。使用 Celery 就很容易实现，首先通过 pip 安装 Celery 与 redis，之所以要安装 redis，是因为让 Celery 选择 redis 作为「消息代理 / 消息中间件」。

pip install celery
pip install redis

在 Flask 中使用 Celery 其实很简单，这里先简单的过一下 Flask 中使用 Celery 的整体流程，然后再去实现具体的项目

1.在 Flask 中初始化 Celery

from flask import Flask
from celery import Celery


app = Flask(__name__)
# 配置
# 配置消息代理的路径，如果是在远程服务器上，则配置远程服务器中redis的URL
app.config['CELERY_BROKER_URL'] = 'redis://localhost:6379/0'
# 要存储 Celery 任务的状态或运行结果时就必须要配置
app.config['CELERY_RESULT_BACKEND'] = 'redis://localhost:6379/0'


# 初始化Celery
celery = Celery(app.name, broker=app.config['CELERY_BROKER_URL'])
# 将Flask中的配置直接传递给Celery
celery.conf.update(app.config)

上述代码中，通过 Celery 类初始化 celery 对象，传入的应用名称与消息代理的连接 URL。

2.通过 celery.task 装饰器装饰耗时任务对应的函数

@celery.task
def long_task(arg1, arg2):
    # 耗时任务的逻辑
    return result

3.Flask 中定义接口通过异步的方式执行耗时任务

@app.route('/', methods=['GET', 'POST'])
def index():
    task = long_task.delay(1, 2)
delay () 方法是 applyasync () 方法的快捷方式，applyasync () 参数更多，可以更加细致的控制耗时任务，比如想要 long_task () 在一分钟后再执行

@app.route('/', methods=['GET', 'POST'])
def index():
    task = long_task.apply_async(args=[1, 2], countdown=60)
delay () 与 apply_async () 会返回一个任务对象，该对象可以获取任务的状态与各种相关信息。

通过这 3 步就可以使用 Celery 了。

接着就具体来实现「让前端可以通过一个进度条来判断后端任务的执行情况」的需求。

# bind为True，会传入self给被装饰的方法
@celery.task(bind=True)
def long_task(self):
    verb = ['Starting up', 'Booting', 'Repairing', 'Loading', 'Checking']
    adjective = ['master', 'radiant', 'silent', 'harmonic', 'fast']
    noun = ['solar array', 'particle reshaper', 'cosmic ray', 'orbiter', 'bit']


    message = ''
    total = random.randint(10, 50)


    for i in range(total):
        if not message or random.random() < 0.25:
            # 随机的获取一些信息
            message = '{0} {1} {2}...'.format(random.choice(verb),
                                              random.choice(adjective),
                                              random.choice(noun))
        # 更新Celery任务状态
        self.update_state(state='PROGRESS',
                          meta={'current': i, 'total': total,
                                'status': message})
        time.sleep(1)
    # 返回字典
    return {'current': 100, 'total': 100, 'status': 'Task completed!',
            'result': 42}

上述代码中，celery.task () 装饰器使用了 bind=True 参数，这个参数会让 Celery 将 Celery 本身传入，可以用于记录与更新任务状态。

然后就是一个 for 迭代，迭代的逻辑没什么意义，就是随机从 list 中抽取一些词汇来模拟一些逻辑的运行，为了表示这是耗时逻辑，通过 time.sleep (1) 休眠一秒。

每次获取一次词汇，就通过 self.update_state () 更新 Celery 任务的状态，Celery 包含一些内置状态，如 SUCCESS、STARTED 等等，这里使用了自定义状态「PROGRESS」，除了状态外，还将本次循环的一些信息通过 meta 参数 (元数据) 以字典的形式存储起来。有了这些数据，前端就可以显示进度条了。

定义好耗时方法后，再定义一个 Flask 接口方法来调用该耗时方法

@app.route('/longtask', methods=['POST'])
def longtask():
    # 异步调用
    task = long_task.apply_async()
    # 返回 202，与Location头
    return jsonify({}), 202, {'Location': url_for('taskstatus',
                                                  task_id=task.id)}

简单而言，前端通过 POST 请求到 /longtask，让后端开始去执行耗时任务。

返回的状态码为 202，202 通常表示一个请求正在进行中，然后还在返回数据包的包头 (Header) 中添加了 Location 头信息，前端可以通过读取数据包中 Header 中的 Location 的信息来获取任务 id 对应的完整 url。

前端有了任务 id 对应的 url 后，还需要提供一个接口给前端，让前端可以通过任务 id 去获取当前时刻任务的具体状态。

@app.route('/status/')
def taskstatus(task_id):
    task = long_task.AsyncResult(task_id)
    if task.state == 'PENDING': # 在等待
        response = {
            'state': task.state,
            'current': 0,
            'total': 1,
            'status': 'Pending...'
        }
    elif task.state != 'FAILURE': # 没有失败
        response = {
            'state': task.state, # 状态
            # meta中的数据，通过task.info.get()可以获得
            'current': task.info.get('current', 0), # 当前循环进度
            'total': task.info.get('total', 1), # 总循环进度
            'status': task.info.get('status', '')
        }
        if 'result' in task.info:
            response['result'] = task.info['result']
    else:
        # 后端执行任务出现了一些问题
        response = {
            'state': task.state,
            'current': 1,
            'total': 1,
            'status': str(task.info),  # 报错的具体异常
        }
    return jsonify(response)

为了可以获得任务对象中的信息，使用任务 id 初始化 AsyncResult 类，获得任务对象，然后就可以从任务对象中获得当前任务的信息。

该方法会返回一个 JSON，其中包含了任务状态以及 meta 中指定的信息，前端可以利用这些信息构建一个进度条。

如果任务在 PENDING 状态，表示该任务还没有开始，在这种状态下，任务中是没有什么信息的，这里人为的返回一些数据。如果任务执行失败，就返回 task.info 中包含的异常信息，此外就是正常执行了，正常执行可以通 task.info 获得任务中具体的信息。

这样，后端的逻辑就处理完成了，接着就来实现前端的逻辑，要实现图形进度条，可以直接使用 nanobar.js，简单两句话就可以实现一个进度条，其官网例子如下：

var options = {
    classname: 'my-class',
  id: 'my-id',
  // 进度条要出现的位置
    target: document.getElementById('myDivId')
};


// 初始化进度条对象
var nanobar = new Nanobar( options );


nanobar.go( 30 ); // 30% 进度条
nanobar.go( 76 ); // 76% 进度条


// 100% 进度条，进度条结束
nanobar.go(100);

有了 nanobar.js 就非常简单了。

先定义一个简单的 HTML 界面

<h2>Long running task with progress updatesh2>
<button id="start-bg-job">Start Long Calculationbutton><br><br>
<div id="progress">div>

通过 JavaScript 实现对后台的请求

// 按钮点击事件
$(function() {
       $('#start-bg-job').click(start_long_task);
   });


// 请求 longtask 接口
function start_long_task() {
            // 添加元素在html中
            div = $('

0%

...

 

---

');
            $('#progress').append(div);


            // 创建进度条对象
            var nanobar = new Nanobar({
                bg: '#44f',
                target: div[0].childNodes[0]
            });


            // ajax请求longtask
            $.ajax({
                type: 'POST',
                url: '/longtask',
                // 获得数据，从响应头中获取Location
                success: function(data, status, request) {
                    status_url = request.getResponseHeader('Location');
                    // 调用 update_progress() 方法更新进度条
                    update_progress(status_url, nanobar, div[0]);
                },
                error: function() {
                    alert('Unexpected error');
                }
            });
        }


// 更新进度条
function update_progress(status_url, nanobar, status_div) {
            // getJSON()方法是JQuery内置方法，这里向Location中对应的url发起请求，即请求「/status/」
            $.getJSON(status_url, function(data) {
                // 计算进度
                percent = parseInt(data['current'] * 100 / data['total']);
                // 更新进度条
                nanobar.go(percent);


                // 更新文字
                $(status_div.childNodes[1]).text(percent + '%');
                $(status_div.childNodes[2]).text(data['status']);
                if (data['state'] != 'PENDING' && data['state'] != 'PROGRESS') {
                    if ('result' in data) {
                        // 展示结果
                        $(status_div.childNodes[3]).text('Result: ' + data['result']);
                    }
                    else {
                        // 意料之外的事情发生
                        $(status_div.childNodes[3]).text('Result: ' + data['state']);
                    }
                }
                else {
                    // 2秒后再次运行
                    setTimeout(function() {
                        update_progress(status_url, nanobar, status_div);
                    }, 2000);
                }
            }); 
        }       

可以通过注释阅读代码整体逻辑。

至此，需求实现完了，运行一下。

首先运行 Redis

redis-server

然后运行 celery

celery worker -A app.celery --loglevel=info

最后运行 Flask 项目

python app.py

效果如下：

尾

Flask 异步运行任务的常见方式就介绍完了，因为本人在开发一个用于自动生成字幕的小玩具，其中视频上传以及字幕生成都是耗时任务，所以就单独写一篇文章来介绍一下这部分的内容，后面会将小玩具的代码开源让大家学习一下，先一睹其真容：

（*本文为Python大本营转载文章，转载请联系原作者）

◆

精彩推荐

◆

【结果提交倒计时】PV,UV流量预测算法大赛，结果提交截止时间为 9月20日 ，还没有提交的小伙伴抓紧时间了~~9月25日公布初赛成绩。 最新排行榜请点击 阅读原文 查看。

推荐阅读

• 5大必知的图算法，附Python代码实现

• 如何用爬虫技术帮助孩子秒到心仪的幼儿园（基础篇）

• 2019年最新华为、BAT、美团、头条、滴滴面试题目及答案汇总

• 阿里巴巴杨群：高并发场景下Python的性能挑战

  
  

你点的每个“在看”，我都认真当成了喜欢