WSL2 Docker环境下Flask+Celery+Redis任务无法发送至Worker求助

1. 确认容器内多进程是否正常启动 #

你将Flask、Celery、Redis放在同一Docker容器中，但如果仅启动Flask服务，Redis和Celery Worker进程并未运行，Celery自然无法连接Redis。必须用进程管理工具（如supervisord）同时启动三个服务：

• 编写supervisord.conf配置文件：

[supervisord]
nodaemon=true

[program:redis]
command=redis-server
autostart=true
autorestart=true
stdout_logfile=/dev/stdout
stdout_logfile_maxbytes=0

[program:flask]
command=flask run --host=0.0.0.0 --port=5000
autostart=true
autorestart=true
environment=FLASK_APP=app.py,FLASK_ENV=development
stdout_logfile=/dev/stdout
stdout_logfile_maxbytes=0

[program:celery]
command=celery -A app.celery worker --loglevel=info
autostart=true
autorestart=true
environment=FLASK_APP=app.py
stdout_logfile=/dev/stdout
stdout_logfile_maxbytes=0

• 在Dockerfile中添加安装supervisor的步骤，并设置启动命令：

FROM python:3.9-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
RUN apt-get update && apt-get install -y supervisor redis-server

COPY supervisord.conf /etc/supervisor/conf.d/
COPY . .

CMD ["supervisord", "-c", "/etc/supervisor/conf.d/supervisord.conf"]

2. 开启Celery Worker详细日志定位问题 #

当前Worker无日志输出，启动时强制开启调试级日志，直接查看连接错误信息：

celery -A app.celery worker --loglevel=debug

通过debug日志可以明确判断是Redis连接失败，还是任务调用本身的问题。

3. 验证容器内部Redis连通性 #

进入运行中的容器，直接测试Redis服务状态：

docker exec -it <容器ID/名称> redis-cli ping

返回PONG说明Redis正常运行；若失败，检查Redis是否正确启动，或配置文件是否限制了本地连接（默认无限制）。

4. 调整Celery的Redis连接配置 #

虽然同一容器内localhost理论有效，但偶尔会出现解析异常，可替换为明确的本地IP地址：

app = Flask(__name__)

app.config.update(
    CELERY_BROKER_URL='redis://127.0.0.1:6379/0',
    CELERY_RESULT_BACKEND='redis://127.0.0.1:6379/0'
)
celery = Celery(app.name, broker=app.config['CELERY_BROKER_URL'])
celery.conf.update(app.config)

用127.0.0.1替代localhost，避免DNS解析问题。

5. 检查Celery任务的调用逻辑 #

确保Flask视图中正确异步调用任务，而非同步执行：

from celery import Celery

# 示例任务定义
@celery.task
def process_data(data):
    # 任务业务逻辑
    pass

@app.route('/submit', methods=['POST'])
def submit_task():
    data = request.get_json()
    # 必须用delay()或apply_async()异步触发任务
    task = process_data.delay(data)
    return {'task_id': task.id}

如果直接调用process_data(data)，任务会在Flask进程中同步执行，不会交给Celery Worker处理。

内容的提问来源于stack exchange，提问作者jhlee