在使用 Eel 框架构建 Web 应用时，有时会遇到这样的问题：Python 后端执行耗时操作时，前端页面会卡住，直到后端操作完成才能响应。这会导致前端图片无法及时更新，影响用户体验。本文将介绍一种解决方案：使用 Celery 异步任务队列，将耗时操作放入后台执行，从而确保前端能够及时响应并更新图片。
问题分析
问题的根源在于 Eel 的运行机制。当 Python 后端执行耗时操作时，Web 服务器会一直等待 Python 函数返回，才能将响应发送给前端。这意味着，在 Python 函数执行完毕之前，前端无法接收到任何更新。
例如，以下代码：
JavaScript (前端)
立即学习“Python免费学习笔记（深入）”；
eel.expose(set_image);
function set_image() {
document.getElementById("zoom-animate").innerHTML = '@@##@@';
}
function generate() {
let source = document.getElementById("source").value;
let keyword = document.getElementById("keyword").value;
eel.generate(source, keyword);
}Python (后端)
import eel
@eel.expose
def generate(source, keyword):
# 耗时操作 1
eel.set_image()
# 耗时操作 2在这个例子中，generate 函数包含了两个耗时操作。即使在 eel.set_image() 被调用之后，前端也无法立即更新图片，因为 Web 服务器还在等待 generate 函数执行完毕。
解决方案：使用 Celery 异步任务队列
Celery 是一个强大的分布式任务队列，可以用于异步执行耗时操作。通过将耗时操作放入 Celery 任务队列，Python 后端可以立即返回，从而避免阻塞前端。
以下是使用 Celery 的步骤：
-
安装 Celery 和 Redis (或 RabbitMQ)
Celery 需要一个消息代理来传递任务。Redis 和 RabbitMQ 是常用的选择。这里以 Redis 为例：
pip install celery redis
-
创建 Celery 配置文件 celeryconfig.py
broker_url = 'redis://localhost:6379/0' # Redis 连接 URL result_backend = 'redis://localhost:6379/0' # 结果存储 URL task_serializer = 'json' result_serializer = 'json' accept_content = ['json'] timezone = 'Asia/Shanghai' enable_utc = True
-
创建 Celery 任务模块 tasks.py
from celery import Celery import eel app = Celery('my_tasks', include=['tasks']) app.config_from_object('celeryconfig') @app.task def long_running_task(source, keyword): # 耗时操作 2 # 在这里进行你的耗时计算，例如图像处理 # 假设这里生成了 temp.png print(f"Processing source: {source}, keyword: {keyword}") return "Task completed" -
修改 Python 后端代码
import eel from tasks import long_running_task @eel.expose def generate(source, keyword): eel.set_image() # 立即通知前端更新图片 long_running_task.delay(source, keyword) # 将耗时操作放入 Celery 任务队列 return "Task submitted" -
启动 Celery Worker
在终端中运行以下命令：
celery -A tasks worker -l info
代码解释
- long_running_task.delay(source, keyword): delay 方法将 long_running_task 函数放入 Celery 任务队列，并立即返回。
- eel.set_image(): 在 generate 函数中，先调用 eel.set_image()，然后将耗时操作放入 Celery 任务队列。这样，前端可以立即更新图片，而耗时操作在后台异步执行。
- celery -A tasks worker -l info: 启动 Celery worker，监听任务队列，并执行任务。 -A tasks 指定 Celery 应用的位置。 -l info 设置日志级别为 info。
注意事项
- 确保 Redis (或 RabbitMQ) 服务已经启动。
- Celery worker 需要能够访问 Python 后端代码。
- Celery 配置文件 celeryconfig.py 需要正确配置 Redis (或 RabbitMQ) 连接信息。
- 在生产环境中，建议使用更健壮的消息代理和更复杂的 Celery 配置。
- 如果需要在 Celery 任务中更新前端，可以使用 eel.spawn 来确保在正确的线程中执行 Eel 函数。
总结
通过使用 Celery 异步任务队列，我们可以将耗时操作放入后台执行，从而避免阻塞前端，确保前端能够及时响应并更新图片。这可以显著提升 Web 应用的用户体验。本文提供了一个简单的示例，展示了如何在 Eel 应用中集成 Celery。在实际应用中，需要根据具体情况进行调整和优化。
