通过 Celery 的异步查询

Celery

在大型分析数据库中，运行执行几分钟或几小时的查询是很常见的。为了支持超出典型 Web 请求超时（30-60秒）的长时间运行查询，有必要为 Superset 配置一个异步后端，它包括：

一个或多个 Superset worker（其实现为 Celery worker），并且可以使用 celery worker 命令启动，运行celery worker --help以查看相关选项。
一个 celery broker（消息队列），我们建议使用 Redis 或 RabbitMQ
一个 results backend，定义了 worker 将持久化查询结果的位置

配置 Celery 需要在您的 superset_config.py 中定义一个 CELERY_CONFIG。 woker 和 web server 进程都应该有相同的配置。

class CeleryConfig(object):
    broker_url = "redis://localhost:6379/0"
    imports = (
        "superset.sql_lab",
        "superset.tasks.scheduler",
    )
    result_backend = "redis://localhost:6379/0"
    worker_prefetch_multiplier = 10
    task_acks_late = True
    task_annotations = {
        "sql_lab.get_sql_results": {
            "rate_limit": "100/s",
        },
    }

CELERY_CONFIG = CeleryConfig

要启动一个 Celery worker 以利用配置，运行以下命令：

celery --app=superset.tasks.celery_app:app worker --pool=prefork -O fair -c 4

要启动一个调度周期性后台任务的任务(beat 调度器)，运行以下命令：

celery --app=superset.tasks.celery_app:app beat

为了设置结果后端，你需要传递一个从 flask_caching.backends.base.BaseCache 派生类的实例到你的 superset_config.py 中的 RESULTS_BACKEND 配置键。你可以使用 Memcached、Redis、S3（https://pypi.python.org/pypi/s3werkzeugcache）、内存或文件系统（在单服务器类型的设置或测试中），或者编写自己的缓存接口。你的 superset_config.py 可能看起来像这样：

# On S3
from s3cache.s3cache import S3Cache
S3_CACHE_BUCKET = 'foobar-superset'
S3_CACHE_KEY_PREFIX = 'sql_lab_result'
RESULTS_BACKEND = S3Cache(S3_CACHE_BUCKET, S3_CACHE_KEY_PREFIX)

# On Redis
from flask_caching.backends.rediscache import RedisCache
RESULTS_BACKEND = RedisCache(
    host='localhost', port=6379, key_prefix='superset_results')

为了提高性能，现在使用 MessagePack 和 PyArrow 进行结果序列化。如果出现任何问题，可以通过在你的 superset_config.py 中设置 RESULTS_BACKEND_USE_MSGPACK = False 来禁用它。在升级现有环境时，请清除现有的结果缓存存储。

重要说明

所有集群中的 Superset worker 节点和 Web server 共享一个共同的元数据库 非常重要。这意味着 SQLite 在这种情况下无法工作，因为它对并发的支持有限，通常存在于本地文件系统上。
在整个设置中 只应运行一个 celery beat 实例 。否则，后台任务可能会被多次调度，导致奇怪的行为，如报告重复发送、高于预期的负载/流量等。
SQL Lab 仅在你在数据库设置中启用异步查询执行（Sources > Databases > Edit record）的情况下异步运行你的查询。

Celery Flower

Flower 是一个基于 Web 的工具，用于监控 Celery 集群，你可以从 pip 安装：

pip install flower

你可以使用以下命令运行 flower：

celery --app=superset.tasks.celery_app:app flower

通过 Celery 的异步查询

Celery​

Celery Flower​

Celery

Celery Flower