Celeryの紹介と 本番運用のTips 2023/08/23 (水)

よろしくお願いします ● Hank Ehly（ハンク・イーリー） ● Slalom株式会社（スラロム） ● Data & Analytics シニアコンサルタント ● https://hankehly.com ● https://qiita.com/hankehly ● https://github.com/hankehly ● https://medium.com/@hankehly ● https://www.twitter.com/hankehly ● https://www.linkedin.com/in/hankehly

アジェンダ 1. Celeryの What・Why・Where・How 2. 本番運用の Tips

CeleryのWhat・Why・Where・How

● PythonのタスクキューのOSSフレームワーク ● オープンソース（★22k、1,000以上のコントリビュータ、人気） What is Celery Celeryクライアント Celeryブローカー Celeryワーカー（複数可能） 他もある…

What is Celery (contd.) 非同期的に行われる

Why use Celery 計算・レポート出力

Why use Celery 計算・レポート出力

Why use Celery 計算・レポート出力

Why use Celery (contd.) ウェブサーバーの状況 ウェブサーバー に仕事させる時 Celeryに仕事 を委託する時 レスポンス時間

● ウェブサーバーにたくさん仕事さ せると、他のリクエストへの応答 が遅くなり、CPU／メモリー使用 率が高くなる Why use Celery (contd.) ウェブサーバーの状況 ウェブサーバー に仕事させる時 Celeryに仕事 を委託する時 レスポンス時間

● ウェブサーバーにたくさん仕事さ せると、他のリクエストへの応答 が遅くなり、CPU／メモリー使用 率が高くなる ● Celeryワーカーに仕事を渡すと、 ウェブサーバーのリソースを節約 できて、応答を早くすることができ る Why use Celery (contd.) ウェブサーバーの状況 ウェブサーバー に仕事させる時 Celeryに仕事 を委託する時 レスポンス時間

Where use Celery Eメール送信 MLモデル 予測処理 計算処理 →レポート出力 ポーリング処理 （定期的な状況確認） Celeryが使えるワークロード MLモデル学習 →S3保存

Where use Celery Eメール送信 MLモデル 予測処理 計算処理 →レポート出力 ポーリング処理 （定期的な状況確認） Celeryが使えるワークロード MLモデル学習 →S3保存

Where use Celery Eメール送信 MLモデル 予測処理 計算処理 →レポート出力 ポーリング処理 （定期的な状況確認） Celeryが使えるワークロード MLモデル学習 →S3保存

Where use Celery Eメール送信 MLモデル 予測処理 計算処理 →レポート出力 ポーリング処理 （定期的な状況確認） Celeryが使えるワークロード MLモデル学習 →S3保存

Where use Celery Eメール送信 MLモデル 予測処理 計算処理 →レポート出力 ポーリング処理 （定期的な状況確認） Celeryが使えるワークロード MLモデル学習 →S3保存

Where use Celery Eメール送信 MLモデル 予測処理 計算処理 →レポート出力 ポーリング処理 （定期的な状況確認） Celeryが使えるワークロード MLモデル学習 →S3保存

How to use Celery 1. Install from celery import Celery app = Celery('tasks', broker='redis://...') @app.task def add(x, y): return x + y pip install celery 2. アプリケーション定義 Celeryクライアント Celeryブローカー Celeryワーカー（複数可能） 例えば…

How to use Celery 3. ワーカーを立ち上げる celery -A tasks worker from tasks import add >>> result = add.delay(4, 4) # 呼び出す >>> result.get() # 終わるまで待つ 4. タスクを呼び出す Celeryクライアント Celeryブローカー Celeryワーカー（複数可能） 例えば… ※複数のワーカーを使う場合は環境ごとに実行

本番運用のTips

1. ヘルスチェックは「ping」コマンドを使おう celery -A myapp inspect ping --destination celery@${HOSTNAME} 設定項目 設定値 interval 30 timeout 15 startPeriod 10 retries 5 ヘルスチェックの実行間隔 （ゆるめな設定がおすすめ）

2. 回復可能なエラーが起きたら再実行しよう

2. 回復可能なエラーが起きたら再実行しよう

3. ブローカーの選定 評価ポイント Redis RabbitMQ SQS リモートコマンド （pingなど） ◯ ◯ X Taskの結果保存ができ る ◯ △ X メッセージを送れなかっ たら、どうなる？ △ 再配信されない ◯ 再配信される ◯ 再配信される ヘルスチェックどうする？？ データロスが(より) 起きやすい

4. モニタリングツールを入れよう flowerはCeleryワーカーの健 康状態を監視するツール Celeryワーカー・実行中のタス クの状況を可視化 デバッグ・パフォーマンスチュー ニングに役立つ コンテナイメージ・バイナリのデ プロイ方法はブログ記事まで …→ （flowerの管理画面）

5. Spotインスタンスの中断対策 @app.task def not_atomic_not_idempotent_task(): delete_rows() insert_rows() now = int(time.time()) create_file(name="backup-{now}.csv") @app.task def atomic_and_idempotent_task(filename): with transaction.atomic(): delete_rows() insert_rows() create_file(name=filename) コケたらシステムは変な状態のまま （リトライできない） コケても何度でもリトライできる！ 1. タスクを安全にリトライできるように実装する（アトミック・冪等である）

5. Spotインスタンスの中断対策 @app.task def not_atomic_not_idempotent_task(): delete_rows() insert_rows() now = int(time.time()) create_file(name="backup-{now}.csv") @app.task def atomic_and_idempotent_task(filename): with transaction.atomic(): delete_rows() insert_rows() create_file(name=filename) コケたらシステムは変な状態のまま （リトライできない） コケても何度でもリトライできる！ 1. タスクを安全にリトライできるように実装する（アトミック・冪等である） 2. 自動再スケジューリングの必須設定 task_acks_late True task_reject_on_worker_lost True タスク終了後にAckする Celeryワーカーが異常終了し たら、タスク再実行してね

5. Spotインスタンスの中断対策 3. 目指すべきタスクの実行時間は …（ブログ記事までお願いします！）

ご清聴ありがとうございます ● Hank Ehly（ハンク・イーリー） ● Slalom株式会社（スラロム） ● Data & Analytics シニアコンサルタント ● https://hankehly.com ● https://qiita.com/hankehly ● https://github.com/hankehly ● https://medium.com/@hankehly ● https://www.twitter.com/hankehly ● https://www.linkedin.com/in/hankehly 他のTipsはここ