一、TimeLimit&SoftTimeLimit 的坑
celery 中 time limit 有两种, soft_time_limit 和 time_limit, 区别是 soft_time_limit 会在内部抛一个 Exception, task 可以 通过try...except 自行处理，time_limit则是中断woker重启没法被catch做一些操作。
python">from myapp import app
from celery.exceptions
import SoftTimeLimitExceeded
@app.task
def mytask():try: do_work() except SoftTimeLimitExceeded: clean_up_in_a_hurry()经过本人反复实验， 只有celery pool 的默认模式prefork，同时支持上面两种超时处理，两种协程模式gevent和eventlet不支持soft_time_limit，最坑爹的solo模式怎么配置都毫无作用。
以下是 Celery 支持的一些常见并发模式：
-
solo：默认模式，工作进程在单个进程中顺序执行任务。
-
prefork：传统的 UNIX 方式，工作进程会创建多个子进程来并行执行任务。
-
eventlet：基于 Eventlet 库，使用协程来实现并发。
-
gevent：基于 Gevent 库，使用绿色线程来实现并发。
-
threads：使用 Python 的标准库
threading模块来创建一个线程池。 -
processes：使用 Python 的
multiprocessing模块来创建一个进程池。 -
aiopg：使用异步进程池，基于
asyncio和multiprocessing。
解决方案
自己实现task的超时捕捉异常返回的操作。
python常用定义超时异常的方法有func-timeout库
也可以通过自定义装饰器，或者魔法模块contextlib来实现。
我这里具体任务是处理视频，根据视频长度不同来设置不同的超时是最优化的方案，因此我用contextlib来实现超时捕获
python">import signal
from contextlib import contextmanager
# 自定义超时异常
class TimeoutError(Exception):def __init__(self, msg):super(TimeoutError, self).__init__()self.msg = msg
@contextmanager
def timeout(interval):def _handler(signum,frame):raise TimeoutError(f"任务超时!")try:signal.signal(signal.SIGALRM,_handler)signal.alarm(interval) # interval秒后向进程发送SIGALRM信号yield# except TimeoutError as e:# raise TimeoutError(e)finally:signal.alarm(0)使用时
python">try:with timeout(limit_time):dowork()
except TimeoutError as e:clean_up_in_a_hurry()值得注意的是，该方法是python在linux下的超时，windows下不支持signal库需要用别的方法。
目前用下来celery的坑还是不少的（包括监控flower的时间的坑），执行效率其实也不咋地。
