Celery 任务代码是否需要存在于多台机器上？
Does Celery task code need to exist on multiple machines?
试图把我的头缠在芹菜上。到目前为止，我了解到有客户、经纪人和工人。为简单起见，我正在查看 Dockerized version of this setup.
如果我理解正确的话，客户端在代理上排队任务，然后工作人员不断尝试从代理中弹出并处理任务。
在例子中，好像都是Client (in this case a Flask app) and the Worker, reference the exact same code。对吗？
这是否意味着如果每个组件都分解到它们自己的机器上，代码将需要同时部署到客户端和工作机器上？这些部分需要访问相同的 task/function 来完成各自的工作，这似乎很奇怪。
这也是我最初感到困惑的一件事。任务的代码不必同时出现在两者上，只有工作人员需要代码来完成实际工作。当您说客户端将任务排入 broker 中然后由 worker 执行时，了解其工作原理至关重要。客户端只向代理发送消息，而不是实际任务。该消息包含任务名称、参数和其他内容。所以客户端只需要知道这些关于任务的参数就可以将它排入队列。然后，它可以使用send_task在不知道的情况下将任务入队。
这就是我在一个简单的 jobber 应用程序中使用 Celery 的方式，我想在其中尽可能地分离各个部分。我有一个 Flask 应用程序作为 UI 用于用户可以管理的作业（创建，参见 state/progress 等）Flask 应用程序使用 APScheduler 实际上 运行 作业（其中一份工作就是一个 Celery 任务）。现在，我希望客户端部分（Flask 应用程序 + 调度程序）尽可能少地了解 运行 将它们作为作业的任务。这意味着他们可以接受他们的名字和论据。为了使其真正独立于任务代码，我通过代理从工作人员那里获取了这些信息。您可以从我最初创建的 this issue 中看到更多背景信息。
试图把我的头缠在芹菜上。到目前为止，我了解到有客户、经纪人和工人。为简单起见，我正在查看 Dockerized version of this setup.
如果我理解正确的话，客户端在代理上排队任务，然后工作人员不断尝试从代理中弹出并处理任务。
在例子中，好像都是Client (in this case a Flask app) and the Worker, reference the exact same code。对吗？
这是否意味着如果每个组件都分解到它们自己的机器上，代码将需要同时部署到客户端和工作机器上？这些部分需要访问相同的 task/function 来完成各自的工作，这似乎很奇怪。
这也是我最初感到困惑的一件事。任务的代码不必同时出现在两者上，只有工作人员需要代码来完成实际工作。当您说客户端将任务排入 broker 中然后由 worker 执行时，了解其工作原理至关重要。客户端只向代理发送消息，而不是实际任务。该消息包含任务名称、参数和其他内容。所以客户端只需要知道这些关于任务的参数就可以将它排入队列。然后，它可以使用send_task在不知道的情况下将任务入队。
这就是我在一个简单的 jobber 应用程序中使用 Celery 的方式，我想在其中尽可能地分离各个部分。我有一个 Flask 应用程序作为 UI 用于用户可以管理的作业（创建，参见 state/progress 等）Flask 应用程序使用 APScheduler 实际上 运行 作业（其中一份工作就是一个 Celery 任务）。现在，我希望客户端部分（Flask 应用程序 + 调度程序）尽可能少地了解 运行 将它们作为作业的任务。这意味着他们可以接受他们的名字和论据。为了使其真正独立于任务代码，我通过代理从工作人员那里获取了这些信息。您可以从我最初创建的 this issue 中看到更多背景信息。