Многопоточность внутри работника сельдерея

Я использую Celery с RabbitMQ для обработки данных из запросов API. Процесс выполняется следующим образом:

Запрос → API → RabbitMQ → Работник сельдерея → Возврат

В идеале я бы породил больше работников сельдерея, но меня ограничивают ограничения памяти.

В настоящее время узким местом в моем процессе является выборка и загрузка данных из URL-адресов, переданных в рабочий. Roughy, процесс выглядит следующим образом:

celery_gets_job(url):
    var data = fetches_url(url) # takes 0.1s to 1.0s (bottleneck)
    var result = processes_data(data) # takes 0.1ss
    return result

Это неприемлемо, так как работник некоторое время блокируется при получении URL-адреса. Я смотрю на улучшение этого путем потоковой передачи, но я не уверен, что лучшие методы:

  • Есть ли способ заставить сельдерей загружать входящие данные асинхронно, одновременно обрабатывая данные в другом потоке?

  • Должен ли я иметь отдельных рабочих, получающих и обрабатывающих, с некоторой формой передачи сообщений, возможно через RabbitMQ?

ОТВЕТЫ

Ответ 1

Используя библиотеку eventlet, вы можете исправлять стандартные библиотеки для их асинхронности.

Сначала импортируйте async urllib2:

from eventlet.green import urllib2

Итак, вы получите тело url:

def fetch(url):
    body = urllib2.urlopen(url).read()
    return body

Подробнее eventlet примеры здесь.

Ответ 2

Я бы создал две задачи: одну для загрузки данных, а другую для ее обработки после ее загрузки. Таким образом, вы можете масштабировать две задачи самостоятельно. Смотрите: Routing, Chains.