📊 Capítulo 14: Filas com Celery & Redis

Especialização Backend com Python & FastAPI

🗺️ A Arquitetura de Processamento Assíncrono com Celery

flowchart LR
    API["FastAPI API Server (Producer)"]
    --> |"delay() / apply_async()"| BROKER["Message Broker (Redis / RabbitMQ)"]
    BROKER --> |"Distribuição de Tasks"| WORKERS["Celery Workers (Processos Dedicados em Background)"]
    WORKERS --> RESULT_BACKEND["Result Backend (Redis / PostgreSQL)"]
    WORKERS --> FLOWER["Monitoramento Flower Dashboard"]

    style API fill:#ede7f6,stroke:#512da8,stroke-width:2px
    style BROKER fill:#fff3e0,stroke:#ff9800,stroke-width:2px
    style WORKERS fill:#e8f5e9,stroke:#4caf50,stroke-width:2px
    style RESULT_BACKEND fill:#e1f5fe,stroke:#03a9f4,stroke-width:1.5px
    style FLOWER fill:#c8e6c9,stroke:#2e7d32,stroke-width:1.5px

🎯 Slide 1: Definindo Tarefas Celery com @celery_app.task

# app/core/celery_app.py
from celery import Celery

celery_app = Celery(
    "worker",
    broker="redis://localhost:6379/0",
    backend="redis://localhost:6379/1"
)

@celery_app.task(bind=True, max_retries=3, default_retry_delay=60)
def processar_relatorio_pesado(self, usuario_id: int, ano: int):
    try:
        gerar_pdf_complexo(usuario_id, ano)
    except Exception as exc:
        raise self.retry(exc=exc)

🎯 Slide 2: Disparando Tarefas pelo FastAPI

@router.post("/relatorios/anual")
async def solicitar_relatorio(ano: int, user: Usuario = Depends(get_current_user)):
    task = processar_relatorio_pesado.delay(user.id, ano)
    return {
        "status": "Processamento iniciado",
        "task_id": task.id,
        "consulta_status_url": f"/api/v1/tasks/{task.id}"
    }

🎯 Slide 3: Celery Beat (Tarefas Periódicas e Cron Jobs)

• Automação Contínua: Permite agendar tarefas para rodar em intervalos fixos (ex.: todo dia à meia-noite, a cada 5 minutos).

• Flower Dashboard: Interface web em tempo real para inspecionar workers ativos, filas, taxas de erro e consumo de memória.