1、简介

1. 自动重试 ：Celery允许任务在失败后自动重试。可以通过retry方法或者任务装饰器中的autoretry_for参数来启用自动重试。
2. 重试延迟 ：可以设置重试的延迟时间，让任务在一段时间后再重试。retry方法中的countdown参数或任务装饰器中的retry_backoff参数都可以设置延迟。
3. 重试次数 ：可以限制任务的最大重试次数，避免任务无限制地重试。max_retries参数用于设置最大重试次数。
4. 自定义重试逻辑 ：可以通过捕获异常并调用retry方法来自定义重试逻辑。这样可以根据任务的具体情况决定是否重试以及如何重试。

2、autoretry_for

from celery import shared_task

@shared_task(autoretry_for=(Exception,), retry_backoff=True, retry_backoff_max=700, max_retries=5)
def mul(x, y):
    result = x * y
    # 模拟任务失败
    if result == 10:
        raise ValueError('Invalid result')
    return result

1. autoretry_for : 指定哪些异常会触发自动重试。通常是一个异常类的元组。
2. retry_backoff : 启用指数退避策略。如果设置为 True，每次重试的间隔时间会按指数级增长。 **
3. retry_backoff_max : 指定指数退避策略的最大重试间隔时间，以秒为单位。
4. max_retries : 指定任务的最大重试次数。超过这个次数后，任务将不再重试。
5. retry_jitter : 启用抖动（jitter），在重试间隔时间上增加一些随机性，避免同时重试的任务过多。默认为True。

3、指数退避策略

指数退避策略（Exponential Backoff）是一种重试策略，通常用于网络请求、任务处理等需要重试的场景。该策略会在每次重试失败后增加重试间隔时间，从而避免频繁的重试可能引起的资源浪费或系统过载。

在 Celery 中，使用 retry_backoff=True 可以启用指数退避策略，使任务在每次重试失败后按照指数级增长的间隔时间重新尝试执行。

指数退避策略的工作原理：

• 初始重试间隔时间：通常从一个基础时间间隔（例如 1 秒）开始。
• 每次重试的间隔时间：每次重试的时间间隔会根据指数级增长，例如，第一次重试后等待 1 秒，第二次重试等待 2 秒，第三次重试等待 4 秒，依此类推。
• 最大重试间隔：可以设置一个最大重试间隔时间，以避免重试间隔时间无限增长。

4、retry

from celery import shared_task

@shared_task(bind=True, max_retries=3, default_retry_delay=10)
def add(self, x, y):
    try:
        result = 2+3
        # 模拟任务失败
        if result == 5:
            raise ValueError('Invalid result')
            return result
    except ValueError as e:
        print(e)
        # 使用默认的重试延迟和最大重试次数
        raise self.retry(exc=e)

1. bind=True : 将任务与当前实例绑定，这样可以在任务内部使用 self.retry 方法。
2. max_retries : 指定任务的最大重试次数。超过这个次数后，任务将不再重试。
3. default_retry_delay : 默认重试延迟时间，单位为秒。
4. retry_jitter : 在重试间隔时间上增加一些随机性，避免同时重试的任务过多。默认为True。

retry 方法参数：

• exc : 传递引发重试的异常实例。
• countdown : 指定下次重试的延迟时间（以秒为单位）。如果没有提供，则使用 default_retry_delay。
• max_retries : 覆盖任务定义中的 max_retries 值。