celestialflow 3.2.1

A flexible GRAPH-based task orchestration framework.

CelestialFlow ——一个轻量级、可并行、基于图结构的 Python 任务调度框架

中文 | English | 日本語

CelestialFlow 是一个轻量级但功能完全的任务流框架，适合需要 复杂依赖关系、灵活执行模型、跨设备运行与实时可视化监控 的中/大型 Python 任务系统。

• 相比 Airflow/Dagster 更轻、更快开始
• 相比 multiprocessing/threading 更结构化，可直接表达 loop / complete graph 等复杂依赖模式

框架的基本单元为 TaskExecutor，可独立运行，并支持三种执行模式：

• 线性（serial）
• 多线程（thread）
• 协程（async）

TaskExecutor 实现了对任务的结果缓存，任务去重，进度条显示，多执行模式比较等功能，单独使用也很好用。

但除去直接使用 TaskExecutor，更重要的是使用其子类TaskStage。TaskStage 可以互相连接，形成具有上游与下游依赖关系的任务图（TaskGraph）。下游 stage 会自动接收上游执行完成的结果作为输入，从而形成明确的数据流。

TaskStage 的任务执行模式同样包含三种，与TaskExecutor中一致。

在图级别上，每个 Stage 支持两种上下文模式：

• 线性执行（serial layout）：当前节点执行完毕再启动下一节点（下游节点可提前接收任务但不会立即执行）。
• 线程执行（thread layout）：当前节点在主进程的独立线程中启动，适合 I/O 密集型任务和不可 pickle 的函数（如 lambda）。

TaskGraph 能构建完整的 有向图结构（Directed Graph），不仅支持传统的有向无环图（DAG），也能灵活表达 树形（Tree）、环形（loop） 乃至于 完全图（Complete Graph） 形式的任务依赖。

在执行与调度之外，CelestialFlow 进一步引入 CelestialTree（简称: ctree） 事件追踪系统，为每一个任务及其衍生行为（成功、失败、重试、拆分、路由等）记录明确的因果关系。借助 ctree，可以从任意一个初始任务出发，完整还原其在 TaskGraph 中的传播路径与执行轨迹，使任务系统可以进行完整的追溯、分析、解释。

在此基础上，CelestialFlow 支持 Web 可视化监控，并可通过 Redis 实现跨进程、跨设备协作；同时引入基于 Go 的外部 worker（通过 Redis 通信），用于承载 CPU 密集型任务，弥补 Python 在该场景下的性能瓶颈。

项目结构（Project Structure）

flowchart LR

    %% ===== TaskGraph =====
    subgraph TG[TaskGraph]
        direction LR

        S1[TaskStage A]
        S2[TaskStage B]
        S3[TaskStage C]
        S4[TaskStage D]

        S1 --> S2 --> S3 --> S1
        S1 --> S4

    end

    %% 美化 TaskGraph 外框
    style TG fill:#e8f2ff,stroke:#6b93d6,stroke-width:2px,color:#0b1e3f,rx:10px,ry:10px

    %% 统一美化格式
    classDef blueNode fill:#ffffff,stroke:#6b93d6,rx:6px,ry:6px;

    %% 美化 TaskStages
    class S1,S2,S3,S4 blueNode;

    %% ===== WebUI =====
    subgraph W[WebUI]
        JS
        HTML
    end

    style W fill:#ffeaf0,stroke:#d66b8c,stroke-width:2px,rx:10px,ry:10px
    style JS fill:#ffffff,stroke:#d66b8c,rx:5px,ry:5px
    style HTML fill:#ffffff,stroke:#d66b8c,rx:5px,ry:5px

    R[TaskWeb]
    style R fill:#f0e9ff,stroke:#8a6bc9,stroke-width:2px,rx:8px,ry:8px

    %% ===== Links =====
    TG --> R 
    R --> TG 
    R --> W
    W --> R

快速开始（Quick Start）

安装 CelestialFlow:

# 推荐使用 `uv` 管理依赖与环境
uv pip install celestialflow

# 不过也可以直接使用 `pip`
pip install celestialflow

一个简单的可运行代码:

from celestialflow import TaskStage, TaskGraph

def add(x, y): 
    return x + y

def square(x): 
    return x ** 2

if __name__ == "__main__":
    # 定义两个任务节点
    stage1 = TaskStage(name="Adder", func=add, stage_mode="thread", execution_mode="thread", unpack_task_args=True)
    stage2 = TaskStage(name="Squarer", func=square, stage_mode="thread", execution_mode="thread")

    # 构建任务图结构
    graph = TaskGraph()
    graph.set_stages(stages=[stage1, stage2])
    graph.connect([stage1], [stage2])

    # 初始化任务并启动
    graph.start_graph({stage1.get_name(): [(1, 2), (3, 4), (5, 6)]})

注意不要在.ipynb中运行。

👉 想查看完整Quick Start，请见Quick Start

深入阅读（Further Reading）

若你想了解框架的整体结构与核心组件，下面的参考文档会对你有帮助：

• stage/core_executor.md
• stage/core_stage.md
• graph/core_graph.md
• observability/core_progress.md
• runtime/core_metrics.md
• runtime/core_queue.md
• stage/core_stages.md
• observability/core_report.md
• graph/core_structure.md
• web/core_server.md
• other/go_worker.md

推荐阅读顺序:

flowchart TD
    classDef core fill:#e6efff,stroke:#3b82f6,color:#1e3a8a;
    classDef runtime fill:#e9f8ef,stroke:#22c55e,color:#14532d;
    classDef structure fill:#fff6e6,stroke:#f59e0b,color:#78350f;
    classDef execution fill:#f3e8ff,stroke:#a855f7,color:#581c87;
    classDef web fill:#ffeaea,stroke:#ef4444,color:#7f1d1d;

    TM[TaskExecutor.md] --> TS[TaskStage.md] --> TG[TaskGraph.md]
    TM --> TP[TaskProgress.md]
    TM --> TME[TaskMetrics.md]

    TG --> TQ[TaskQueue.md]
    TG --> TN[TaskStages.md]
    TG --> TR[TaskReport.md]
    TG --> TSR[TaskStructure.md]

    TR --> TW[TaskWeb.md]
    TN --> GW[Go Worker.md]

    class TM,TS,TG core;
    class TP,TME runtime;
    class TSR structure;
    class TQ,TN,GW execution;
    class TR,TW web;

以下三篇可以作为补充阅读:

• runtime/util_queue.md
• runtime/util_types.md
• runtime/util_errors.md
• persistence/core_fail.md
• persistence/core_log.md

如果你更喜欢通过完整案例理解框架的运行方式，可以参考这篇利用 TaskGraph 从零开始构建项目的教程：

📘案例教程

如果你对3.0.7版本加入的ctree_client与其功能感兴趣, 可以看看这一篇:

📚CelestialTreeClient

你可以继续运行更多的演示代码，这里记录了各个演示文件与其中的演示函数说明：

🎮demo/

​如果你想运行测试代码, 可以先查看如下文档内容:

🧪tests/

如果你想查看bench内容, 这里的数据成为框架中部分设计的决策依据:

⚡bench/

环境要求（Requirements）

CelestialFlow 基于 Python 3.11+，并依赖以下核心组件。 请确保你的环境能够正常安装这些依赖（pip install celestialflow 会自动安装）。

依赖包	说明
Python ≥ 3.11	运行环境，建议使用 3.11 及以上版本
fastapi	Web 服务接口框架（用于任务可视化与远程控制）
uvicorn	FastAPI 的高性能 ASGI 服务器
requests	HTTP 客户端库，用于任务状态上报与远程调用
networkx	任务图（TaskGraph）结构与依赖分析
jinja2	FastAPI 模板引擎，用于 Web 可视化界面渲染
tqdm	可选组件，进度条显示，用于任务执行可视化
redis	可选组件，用于分布式任务通信（TaskRedis* 系列模块）
celestialtree	可选组件，用于任务状态上报与远程调用（ctree_client）

文件结构（File Structure）

celestial-flow 3.2.1

(该视图由我的另一个项目CelestialVault中inst_file.FileTree.print_tree()生成。转换为图片则借助Carbon。)

版本日志（Version Log）

• 3.2.1:
  • feat:
    • [Important] 大幅强化配置按钮功能
      • 现在可以配置界面语言，并支持中、日、英三语言切换
      • 可以配置错误日志每页日志条数
      • 可以配置结构图中是否显示增量，不过现在样式上有点丑
      • 以及最重要的，可以直接编辑仪表盘页的卡片布局
      • 另外，所有设置保存成功后会有提示
    • 折线图中可以选择数据类型
      • 现在包括"数据累计"、"等待队列"和"数据变化率"
    • 对 structure 的一些调整
      • 所有 structure 的参数中添加 stage_mode，用于统一控制节点模式
      • 对 struct 中节点不再重新命名
    • 在部分 Spout 中增加缓冲机制
  • refactor:
    • [Important] 删除 executor 中的 tag 属性，并全面使用 name 属性进行替代
      • tag 的出现是为了适应早期无法区分节点而设计的，但现在 name 已经强制唯一性，继续使用冗长的 tag 会导致不便
    • [Important] 将 executor 中 task_queue 与 result_queue 的定义提前到 __init__ 中
      • 对于 executor 来说区别不大，但对于 stage 而言这是更理想且优雅的形式，只是由于原先 stage_mode="process" 时不允许执行函数内带有 MPQueue，所以才使用 graph 中统一定义，然后通过 process 的 args 注入的形式
    • [Important] 重构 core_server，将其分解出 routes/ 与 util_models，实现结构优化
    • 进一步地，将 log_queue 和 fail_queue 的注入也提前到 graph.set_stages 中，实现 stage.start_stage 完全无输入参数
    • 同时在 executor 中添加 put_task 与 put_signal，并在 graph 中进行复用
      • 之前不能这样做是因为 stage 中此时还没有定义 queue
    • 移除 core_graph 中的 StageRuntime
    • 将类型标注中的部分 Any 改为更明确的类型
    • 删除 HTML 中的仪表盘部分的 card，现在交给 web-config 来定义
    • 删除部分没必要的前后端通信，优化通信负载
      • 移除后端传递的节点历史信息，由前端进行维护
      • 移除总体统计中除"总剩余时间"的后端数据，由前端进行计算
    • 优化错误存储的 JSONL 数据结构，现在保存更细致的错误信息
    • 调整 pyright 规则，并实现 pyright 0 error / 0 warning
    • 给 web/ 下几乎所有 .ts 与 .css 文件重命名，并整理文件内容边界
    • util_error 中添加更多错误类型，保证项目中所有主动 raise 的错误都在当前的错误体系下
    • 删除前端代码中所有的 onclick，改用 data-* 属性
    • 清简 config.json 中的部分字段
    • 删除部分不必要的代码
  • fix:
    • 对部分太宽泛的错误捕捉进行收窄
  • chore:
    • 添加更多测试代码，并整理 tests/ 结构
    • 修复 bench/ 中的一些问题
      • 主要是 bench_execution_mode 中的两种 Fibonacci 运算量级不同，无法正常进行模型 bench
    • 添加 .github/workflows，实现 CI/CD
    • 更新支持的 Python 版本为 3.11，以与部分库要求相符
    • 添加两个 skill，分别用于更新文档与审查项目

更多过往日志可看:

change_log.md

Star 历史趋势（Star History）

如果对项目感兴趣的话，欢迎star。如果有问题或者建议的话, 欢迎提交Issues或者在Discussion中告诉我。

许可（License）

This project is licensed under the MIT License - see the LICENSE file for details.

作者（Author）

Author: Mr-xiaotian Email: [e-mail] Project Link: https://github.com/Mr-xiaotian/CelestialFlow