funboost 53.9

pip install funboost，python全功能分布式函数调度框架,funboost的功能是全面性重量级，用户能想得到的功能99%全都有;funboost的使用方式是轻量级，只有@boost一行代码需要写。支持python所有类型的并发模式和一切知名消息队列中间件，支持如 celery dramatiq等框架整体作为funboost中间件，python函数加速器，框架包罗万象，用户能想到的控制功能全都有。一统编程思维，兼容50% python业务场景，适用范围广。只需要一行代码即可分布式执行python一切函数，funboost web manager 方便查看和管理消费函数；99%用过funboost的pythoner 感受是　简易 方便 强劲 强大，相见恨晚

1. Python 万能分布式函数调度框架 Funboost 简介

Funboost 是一个 Python 万能分布式函数调度框架。以下是您的核心学习资源导航：

资源类型	链接地址	说明
⚡ 快速预览	👉 点击查看演示	直观感受框架运行效果
📖 完全教程	👉 ReadTheDocs	包含原理、API 与进阶用法
🤖 AI 助教	👉 AI 学习指南	[必读] 利用 AI 掌握框架的最佳捷径

1.0 funboost 框架说明介绍

funboost是一个 万能 强大 简单 自由 的 python 全功能分布式调度框架,它的作用是给用户任意项目的任意函数赋能

Funboost 的核心价值主张：把复杂留给框架，把简单留给用户。

<iframe src="https://ydf0509.github.io/funboost_git_pages/index2.html" width="100%" height="2400" style="border:none;"></iframe>

📹 观看 funboost 视频

您的浏览器不支持视频播放。

🎧 收听 funboost 音频

您的浏览器不支持音频播放。

快速了解和上手funboost，直接看1.3例子

1.0.0 funboost 框架安装方式

pip install funboost --upgrade  

或 pip install funboost[all]  #一次性安装所有小众三方中间件  

1.0.1 funboost 功能作用

• 万能分布式调度：funboost 通过一行 @boost 装饰器，将普通函数瞬间升级为具备 分布式执行、FaaS 微服务化、CDC 事件驱动 能力的超级计算单元，连接一切，调度万物。

• 全能支持：自动支持 40+种 消息队列 + 30+种 任务控制功能 + python中所有的并发执行方式。

• FaaS 能力：通过 funboost.faas 的功能，可以一键快速实现 FaaS (Function as a Service)，让函数秒变自动发现的微服务。

• 重功能，轻使用： funboost 的功能是全面性重量级，用户能想得到的功能 99% 全都有；但使用方式却是极致轻量级，只有 @boost 一行代码需要写。

• 颠覆性设计： funboost 的神奇之处在于它同时拥有“轻量级使用方式”和“重量级功能集”，完全颠覆了“功能强大=使用复杂”的传统思维。它是对传统 Python 框架设计的一次巧妙超越。

  只需要一行 @boost 代码即可分布式执行 python 一切任意函数，99% 用过 funboost 的 pythoner 核心感受是：方便、高速、强大、自由。

1.0.1.1 Funboost 的适用场景

funboost 是 Python 函数的万能加速器。它包罗万象，一统编程思维，将经典的 生产者 + 消息中间件 + 消费者 模式封装到了极致。

无论新老项目，Funboost 都能无缝融入，为您提供以下核心能力：

• 🌐 需要分布式？ 没问题！Funboost 支持 40+种 消息队列中间件。只要是叫得上名字的 MQ（甚至包括数据库、文件系统），它都能支持。

• ⚡ 需要 FaaS (Function as a Service)？ 这是亮点！ 借助 funboost.faas，您可以一键将普通函数转化为 HTTP 微服务接口。函数自动发现，发布消息、获取结果、管理任务，瞬间完成 Serverless 般的体验。

• 🚀 需要并发？ 满足你！Python 所有的并发模式（线程、协程、多进程）任你选择，甚至支持它们叠加使用，榨干 CPU 性能。

• 🛡️ 需要可靠性？ 稳如泰山！消费确认 (ACK)、自动重试、死信队列 (DLQ)、断点续爬... 即使服务器宕机，任务也绝不丢失。

• 🎛️ 需要控制力？ 如臂使指！精准 QPS 控频、分布式限流、定时任务、延时任务、超时熔断、任务过滤... 给您三十多种控制武器。

• 📊 需要监控？ 一目了然！开箱即用的 Funboost Web Manager，让您对任务状态、队列积压、消费者实例等信息了如指掌。

• 🦅 需要自由？ 零侵入！它不绑架您的代码，不强管您的项目结构。随时能用，随时能走，还您最纯粹的 Python 编程体验。

1.0.1.2 🤔 灵魂发问：Funboost 到底是什么？

Funboost 的功能已经极其丰富，甚至可以用“功能过剩”或“全能怪兽”来形容。

Funboost 早已超越了“任务队列框架”的传统定义，它已进化为新一代的「泛函计算平台 (Universal Function Computing Platform)」。

如果说 Celery 是异步任务的“工具”，那么 Funboost 则是函数计算的“基础设施”。它不仅完美覆盖了 Celery 的核心能力，更打破了技术栈的边界，以**“函数”**为原子核心，贪婪地吞噬并融合了 FaaS、RPC、微服务架构、网络爬虫、实时数据同步 (CDC/ETL) 、IOT（MQTT）、分布式定时任务、部署、运维；并完整支持 事件驱动 (EDA) 与 全链路可观测性（OpenTelemetry）。

在 Funboost 的世界里，不再是对标 Celery，而是重新定义 Python 函数的生产力边界。

答：很难用一句话定义它。Funboost 是一个万能框架，几乎覆盖了 Python 所有的编程业务场景。它的答案是发散的，拥有无限可能。

👉 点击查看发散性答案 (文档 6.0b 章节)

1.0.1.3 💖 核心关切：值得我投入时间学习吗？

答：绝对值得。选择一个用途狭窄、性能平庸、写法受限的框架，确实是在浪费生命。Funboost 则完全不同。

👉 查看详细评估报告 (文档 6.0 章节)

1.0.1.4 Funboost 与 Celery 的理念区别

核心比喻： funboost 与 celery 的关系，如同 iPhone 与 诺基亚塞班。 它们的核心功能虽都是通讯（任务调度），但不能因为功能重叠就判定为重复造轮子。正如 iPhone 重新定义了手机，Funboost 正在重新定义分布式任务调度，让“框架奴役”成为历史。

1. 共同点 两者本质上都是基于分布式消息队列的异步任务调度框架，遵循经典的编程思想：

• 生产者 (Producer) -> 中间件 (Broker) -> 消费者 (Consumer)

2. 核心区别

维度	Celery (重型框架)	Funboost (函数增强器)
设计理念	框架奴役：代码需围绕 Celery 的架构和 App 实例组织。	自由赋能：非侵入式设计，为任意函数插上分布式的翅膀。
一等公民	Celery App 实例 (Task 是二等公民)	用户函数 (无需关注 App 实例)
核心语法	需定义 App，使用 @app.task	直接使用 @boost 装饰器
易用性	需规划特定的项目结构，上手门槛较高。	极简，任意位置的新旧函数加上装饰器即可用。
性能表现	传统性能基准。	断层式领先：发布性能是 Celery 的 22倍，消费性能是 46倍。
功能广度	支持主流中间件。	支持 40+ 种中间件，拥有更多精细的任务控制功能。

1.0.1.5 Funboost 支持的并发模式

funboost 全面覆盖 Python 生态下的并发执行方式，并支持灵活的组合叠加：

• 基础并发模式：支持 threading (多线程)、asyncio (异步IO)、gevent (协程)、eventlet (协程) 以及 单线程 模式。
• 叠加增强模式：支持 多进程 (Multi-Processing) 与上述任一细粒度并发模式（如多线程或协程）进行叠加，最大限度利用多核 CPU 资源。

1.0.1.6 Funboost 支持的消息队列中间件 (Broker)

得益于强大的架构设计，在 funboost 中 “万物皆可为 Broker”。不仅涵盖了传统 MQ，更拓展了数据库、网络协议及第三方框架。

• 传统消息队列：RabbitMQ, Kafka, NSQ, RocketMQ, MQTT, NATS, Pulsar 等。
• 数据库作为 Broker：
  • NoSQL: Redis (支持 List, Pub/Sub, Stream 等多种模式), MongoDB.
  • SQL: MySQL, PostgreSQL, Oracle, SQL Server, SQLite (通过 SQLAlchemy/Peewee 支持).
• 网络协议直连：TCP, UDP, HTTP, gRPC (无需部署 MQ 服务即可实现队列通信)。
• 文件系统：本地文件/文件夹, SQLite (适合单机或简单场景).
• 事件驱动 (CDC)：支持 MySQL CDC (基于 Binlog 变更捕获)，使 Funboost 具备了事件驱动能力，设计理念远超传统任务队列。
• 第三方框架集成：可直接将 Celery, Dramatiq, Huey, RQ, Nameko 等框架作为底层 Broker，利用 Funboost 的统一接口调度它们的核心。

1.0.1.7 funboost 学习难吗?

🎓 1.0.1.7 Funboost 学习难吗？

答案是：极易上手。Funboost 是“反框架”的框架。

• 🎯 核心极简 整个框架只需要掌握 @boost 这一个装饰器及其入参（BoosterParams）。所有的用法几乎都遵循 1.3 章节 示例的模式，一通百通。

• 🛡️ 零代码侵入

  • 拒绝“框架奴役”：不像 Celery、Django 或 Scrapy 那样强迫你按照特定的目录结构组织代码（一旦不用了，代码往往需要大改）。
  • 即插即用：Funboost 对你的项目文件结构 0 要求，你可以随时将其引入任何新老项目中。

• 🔄 进退自如（双模运行） 即使引入了 Funboost，也不需要担心代码被绑定。加上 @boost 装饰器后，你的函数依然保持纯洁：

  • 调用 fun(x, y)：直接运行函数（同步执行，不经过队列，和没加装饰器一样）。
  • 调用 fun.push(x, y)：发送到消息队列（分布式异步执行）。

👉 关于“Funboost 学习和使用难吗？”的详细深度回答，请参阅文档 6.0.c 章节。

1.0.1.8 📊 可视化监控与管理

Funboost 内置了强大的 Funboost Web Manager 管理系统。

• 全方位掌控：支持对任务消费情况进行全面的查看、监控和管理。
• 开箱即用：无需额外部署复杂的监控组件，即可掌握队列积压、消费者状态等核心指标。

1.0.1.9 🚀 性能表现：断层式领先

Funboost 的性能与 Celery 相比，有着数量级的优势（基于控制变量法测试）：

• 发布性能：是 Celery 的 22倍。
• 消费性能：是 Celery 的 46倍。

注：详细的控制变量法对比测试报告，请参阅文档 2.6 章节。

1.0.1.10 ⭐ 用户口碑与评价

95% 的用户在初步使用后都表示“相见恨晚”。核心评价如下：

• 极致自由：Funboost 对用户代码的编程思维零侵入。
• 拒绝改造：不像其他框架要求用户围绕框架逻辑重构代码，Funboost 尊重用户的原生代码结构。
• 核心体验：简单、强大、丰富。

1.0.1.11 📜 历史版本与兼容性

• 旧框架名称：function_scheduling_distributed_framework
• 兼容说明：两者的关系和兼容性详情请见 1.0.3 章节。
• 旧版地址：GitHub - distributed_framework

1.1 📚 核心资源与文档导航

1.1.1 📝 项目文档入口

🚀 快速上手指南

• 文档说明：文档篇幅较长，主要包含原理讲解与框架对比（How & Why）。
• 学习捷径：您只需要重点学习 [1.3 章节] 的这 1 个例子即可！ 其他例子仅是修改 @boost 装饰器中 BoosterParams 的入参配置。
• 核心要点：funboost 极其易用，仅需掌握一行 @boost 代码。
• 🤖 AI 辅助：强烈推荐阅读 [第 14 章]，学习如何利用 AI 大模型快速掌握 funboost 的用法。

🔗 在线文档地址：ReadTheDocs - Funboost Latest

📖 文档章节速览

🔰 基础入门 & 核心概念	🚀 进阶功能 & 场景实战	🤖 AI 辅助 & 问题排查
1. funboost 框架简介	4b. 代码示例 (高级进阶)	14. AI 辅助学习指南 (必读)
2. funboost 对比 Celery	8. 爬虫实战：自由编程 vs 框架奴役	6. 常见问题 Q&A
3. 框架详细介绍	9. 轻松远程服务器部署	10. 常见报错与问题反馈
4. 各种代码示例 (核心)	11. 集成第三方框架 (Celery/Kombu等)	7. 更新记录
5. 运行时截图展示	12. 命令行控制台支持	20. Gemini AI 生成的框架中心思想
	13. Web Manager 可视化管理
	⚡ 15. FaaS Serverless 微服务 (战略级核心)

---

1.1.2 📦 源码与依赖

• GitHub 项目主页：ydf0509/funboost
• nb_log 日志文档：NB-Log Documentation

---

1.2 框架功能介绍

有了 funboost，开发者将获得“上帝视角”的调度能力：

• 🚫 告别繁琐：无需亲自手写进程、线程、协程的底层并发代码。
• 🔌 万能连接：无需亲自编写操作 Redis、RabbitMQ、Kafka、Socket 等中间件的连接代码。
• 🧰 全能控制：直接拥有 30+ 种企业级任务控制功能。

funboost示图：

也就是这种非常普通的流程图,一样的意思

1.2.1 🆚 对比：Funboost 取代传统线程池

以下两种方式均实现 10并发 运行函数 f。Funboost 更加简洁且具备扩展性。

❌ 方式 A：手动开启线程池 (传统)

import time
from concurrent.futures import ThreadPoolExecutor

def f(x):
    time.sleep(3)
    print(x)

pool = ThreadPoolExecutor(10)

if __name__ == '__main__':
    for i in range(100):
        pool.submit(f, i)

✅ 方式 B：Funboost 模式 (推荐)

import time
from funboost import BoosterParams, BrokerEnum

# 仅需一行装饰器，即可获得 10 线程并发 + 消息队列能力
@BoosterParams(queue_name="test_insteda_thread_queue", 
               broker_kind=BrokerEnum.MEMORY_QUEUE, 
               concurrent_num=10, 
               is_auto_start_consuming_message=True)
def f(x):
    time.sleep(3)
    print(x)

if __name__ == '__main__':
    for i in range(100):
        f.push(i)

1.2.2 🚀 任务控制功能矩阵

Funboost 将分布式系统的复杂性封装于内核，向下屏蔽基础设施差异，向上提供标准化的调度原语。以下是框架核心能力的 7 维全景视图：

🌌 维度一：连接与架构 (Connectivity & Architecture)

能力模块	技术特性说明
Broker 适配	40+ 协议支持：RabbitMQ, Kafka, RocketMQ, Pulsar, NATS, Redis (List/Stream/PubSub), SQL/NoSQL, 文件系统, TCP/UDP/HTTP。
FaaS 微服务	自动路由：通过 funboost.faas，消费函数自动注册为 FastAPI/Flask/Django 接口；支持 服务发现 与 热更新。
CDC 事件驱动	Binlog 监听：支持 MYSQL_CDC，实现数据库变更实时触发函数执行，轻量级替代 Canal/Flink 组件。
框架托管	无缝兼容：支持接管 Celery, Dramatiq, RQ, Huey 等框架作为底层驱动，统一上层 API。
异构通信	多协议支持：支持 gRPC 双向通信与 MQTT 物联网协议集成。

⚡ 维度二：并发与吞吐 (Concurrency & Throughput)

• 混合并发模型：原生支持 Threading、Gevent、Eventlet、Asyncio (原生事件循环)、Single_thread 五种模式。
• 多进程叠加：支持 mp_consume(n)，在上述并发模式之上叠加 多进程，突破 GIL 限制，充分利用多核 CPU。
• 微批处理 (Micro-Batch)：提供 MicroBatchConsumerMixin，支持自动缓冲聚合单条消息进行批量处理（如批量 DB 写入），显著提升 I/O 吞吐。
• 零拷贝模式：内存队列支持 Ultra-Fast 模式，跳过序列化开销，实现进程内微秒级通信。

🛡️ 维度三：可靠性保障 (Reliability)

• 心跳级 ACK：基于消费者心跳检测的 ACK 机制。可识别进程僵死或崩溃，秒级回收并重发未确认任务，避免长耗时任务被误判。
• 异常重试：支持指数退避策略，支持针对特定异常类型的重试配置。
• 死信队列 (DLQ)：重试耗尽或捕获特定异常后，自动将消息移交死信队列，保障现场数据不丢失。
• 全量持久化：支持将函数入参、执行结果、耗时、异常堆栈自动持久化至 MongoDB/MySQL，实现数据可回溯。

🕹️ 维度四：流量治理 (Traffic Governance)

• 精准控频 (QPS)：原生支持从极低频（0.00001次/秒）到高频（50000次/秒）的 QPS 速率限制，以匀速间隔的方式执行任务。
• 周期额度 (Quota)：支持在指定周期（如1分钟）内限制任务执行的总次数，任务可随到随执行（非匀速）。例如：设置"每分钟最多执行100次"，100次额度用完后将等待下一周期。此功能用法详见 4b.12 章节。
• 分布式限流：基于funboost的Redis 心跳信息协调，实现跨服务器、跨容器的 全局流量控制。
• 分组消费：支持 consume_group，按业务组别启动消费者，实现大单体应用的资源隔离。
• 熔断管理：支持运行时动态下发指令，实时 暂停/恢复 指定队列的消费。
• 批处理流控：提供 wait_for_possible_has_finish_all_tasks，支持脚本级的任务清空等待。

🎼 维度五：调度与编排 (Scheduling & Orchestration)

• Workflow 编排：内置声明式编排原语，支持 Chain (串行)、Group (并行)、Chord (回调) 模式。
• 分布式定时：集成 APScheduler，支持 Crontab/Interval/Date 触发器，利用分布式锁防止多实例重复执行。
• 延时任务：原生支持 countdown (相对时间) 和 eta (绝对时间) 的延迟调度。
• 任务去重：基于函数入参指纹进行去重（支持 TTL 有效期），屏蔽 URL 随机参数干扰。

🔭 维度六：可观测性 (Observability)

• 链路追踪：原生集成 OpenTelemetry，支持接入 Jaeger/SkyWalking，自动注入 Context 实现跨组件全链路追踪。
• 指标监控：内置 Prometheus Exporter，支持 Pull 和 PushGateway 模式，通过 Grafana 展示实时指标。
• Web 控制台：自带可视化管理界面，支持查看积压量、QPS 曲线、消费者元数据。
• 远程运维：支持 RemoteTaskKiller 终止特定执行中的任务；支持 fabric_deploy 实现代码热部署。

🧬 维度七：开发体验 (Developer Experience)

• FCT 上下文：提供 from funboost import fct 全局对象，在函数调用链任意位置获取 TaskID、重试次数等元数据。
• 全语法支持：完整支持 类方法 (classmethod)、实例方法 (instance method)、异步函数 (async def) 作为消费主体。
• 生命周期 Hook：提供 consumer_override_cls 接口，支持重写消息清洗、结果回调等核心逻辑，兼容 非标准格式消息，支持重写任何任意父类方法。
• 对象传输：支持 Pickle 序列化选项，允许直接传递自定义 Python 对象作为任务参数。

1.3 🚀 快速上手：你的第一个 Funboost 程序

⚠️ 环境准备 (重要)

在运行代码前，请确保您了解 PYTHONPATH 的概念。 Windows cmd 或 Linux 运行时，建议将 PYTHONPATH 设置为项目根目录，以便框架自动生成或读取配置。 👉 点击学习 PYTHONPATH

1.3.1 ✨ Hello World：最简单的任务调度

这个例子演示了如何将一个普通的求和函数变成分布式任务。

代码逻辑说明：

1. 定义任务：使用 @boost 装饰器，指定队列名 task_queue_name1 和 QPS 5。
2. 发布任务：调用 task_fun.push(x, y) 发送消息。
3. 消费任务：调用 task_fun.consume() 启动后台线程自动处理。

import time
from funboost import boost, BrokerEnum, BoosterParams

# 核心配置：使用本地 SQLite 作为消息队列，QPS 限制为 5
@boost(BoosterParams(
    queue_name="task_queue_name1", 
    qps=5, 
    broker_kind=BrokerEnum.SQLITE_QUEUE
))
def task_fun(x, y):
    print(f'{x} + {y} = {x + y}')
    time.sleep(3)  # 模拟耗时，框架会自动并发绕过阻塞

if __name__ == "__main__":
    # 1. 生产者：发布 100 个任务
    for i in range(100):
        task_fun.push(i, y=i * 2)
    
    # 2. 消费者：启动循环调度
    task_fun.consume()

💡 Tips 如果在 Linux/Mac 上使用 SQLITE_QUEUE 报错 read-only，请在 funboost_config.py 中修改 SQLLITE_QUEUES_PATH 为有权限的目录（详见文档 10.3）。

运行效果截图：

发布任务截图：

消费任务截图：

1.3.2 🔥 进阶实战：RPC、定时任务与丝滑连招

这是一个集大成的例子，展示了 Funboost 的核心能力：

• ✅ 参数复用：继承 BoosterParams 减少重复代码。
• ✅ RPC 模式：发布端同步获取消费结果。
• ✅ 丝滑启动：非阻塞连续启动多个消费者。
• ✅ 定时任务：基于 APScheduler 的强大定时能力。

import time
from funboost import boost, BrokerEnum, BoosterParams, ctrl_c_recv, ConcurrentModeEnum, ApsJobAdder

# 1. 定义公共配置基类，减少重复代码
class MyBoosterParams(BoosterParams):
    broker_kind: str = BrokerEnum.REDIS_ACK_ABLE
    max_retry_times: int = 3
    concurrent_mode: str = ConcurrentModeEnum.THREADING 

# 2. 消费函数 step1：演示 RPC 模式
@boost(MyBoosterParams(
    queue_name='s1_queue', 
    qps=1,   
    is_using_rpc_mode=True  # 开启 RPC，支持获取结果
))
def step1(a: int, b: int):
    print(f'step1: a={a}, b={b}')
    time.sleep(0.7)
    # 函数内部可以继续发布任务给 step2
    for j in range(10):
        step2.push(c=a+b+j, d=a*b+j, e=a-b+j)
    return a + b

# 3. 消费函数 step2：演示参数覆盖
@boost(MyBoosterParams(
    queue_name='s2_queue', 
    qps=3, 
    max_retry_times=5  # 覆盖基类默认值
)) 
def step2(c: int, d: int, e: int=666):
    time.sleep(3)
    print(f'step2: c={c}, d={d}, e={e}')
    return c * d * e

if __name__ == '__main__':
    # --- 启动消费 ---
    step1.consume()  # 非阻塞启动
    step2.consume()
    step2.multi_process_consume(3) # 叠加 3 个进程并发

    # --- RPC 调用演示 ---
    async_result = step1.push(100, b=200)
    print('RPC 结果：', async_result.result)  # 阻塞等待结果

    # --- 批量发布演示 ---
    for i in range(100):
        step1.push(i, i*2)
        # publish 方法支持更多高级参数（如 task_id）
        step1.publish({'a':i, 'b':i*2}, task_id=f'task_{i}')

    # --- 定时任务演示 (APScheduler) ---
    # 方式1：指定日期执行
    ApsJobAdder(step2, job_store_kind='redis', is_auto_start=True).add_push_job(
        trigger='date', run_date='2025-06-30 16:25:40', args=(7, 8, 9), id='job1'
    )
    # 方式2：间隔执行
    ApsJobAdder(step2, job_store_kind='redis').add_push_job(
        trigger='interval', seconds=30, args=(4, 6, 10), id='job2'
    )

    # 阻塞主线程，保持程序运行
    ctrl_c_recv()

🧠 设计哲学 Funboost 提倡 “反框架” 思维：你才是主角，框架只是插件。 task_fun(1, 2) 是直接运行函数，task_fun.push(1, 2) 才是发布到队列。 随时可以拿掉 @boost，代码依然是纯粹的 Python 函数。

---

1.3.3 ✂️ 极简写法：省略 @boost

如果你追求极致简洁，也可以直接使用 @BoosterParams 作为装饰器，效果等同于 @boost(BoosterParams(...))。

# 极简写法
@BoosterParams(queue_name="task_queue_simple",qps=5)
def task_fun(a, b):
    return a + b

1.3.4 ❌ 过时写法： 直接在 @boost传各种配置入参，不推荐

这种直接在 @boost传参，而不使用 BoosterParams来传各种配置，是过气写法不推荐，因为不能代码补全了。

# ⚠️ 反例：过时写法，不推荐！
@boost(queue_name="task_queue_simple",qps=5)
def task_fun(a, b):
    return a + b

🖥️ Funboost Web Manager 界面预览

可视化管理后台提供了强大的监控与运维能力，以下是核心功能截图：

函数消费结果：可查看和搜索函数实时消费状态和结果

队列操作：查看和操作队列，包括清空、暂停消费、恢复消费、调整QPS和并发

队列操作：查看消费曲线图，查看各种消费指标（历史运行次数、失败次数、近10秒完成/失败、平均耗时、剩余消息数量等）

RPC调用：在网页上对30种消息队列发布消息并获取函数执行结果；可根据task_id获取结果

定时任务管理：列表页

1.4 💡 为什么 Python 极其需要分布式函数调度？

Python 语言的特性决定了它比 Java/Go 等语言更依赖分布式调度框架。主要原因有两点：

1️⃣ 痛点一：GIL 锁的限制 (多核利用率低)

🛑 现状：由于 GIL (全局解释器锁) 的存在，普通的 Python 脚本无法利用多核 CPU。在 16 核机器上，CPU 利用率最高只能达到 6.25% (1/16)。 😓 难点：手动编写 multiprocessing 多进程代码非常麻烦，涉及复杂的进程间通信 (IPC)、任务分配和状态共享。

✅ Funboost 的解法：

• 天生解耦：利用中间件（如 Redis/RabbitMQ）解耦任务,无法手写怎么给多进程分配任务和进程间通信。
• 无感多进程：单进程脚本与多进程脚本写法完全一致，无需手写 multiprocessing，自动榨干多核性能。

2️⃣ 痛点二：原生性能瓶颈 (动态语言特性)

🐌 现状：作为动态语言，Python 的单线程执行速度通常慢于静态语言。 🚀 需求：为了弥补单机速度，必须通过横向扩展来换取时间。

✅ Funboost 的解法：

• 无缝扩展：代码无需任何修改，即可适应多种运行环境：
  • 🔄 多解释器：同一台机器启动多个 Python 进程。
  • 🐳 容器化：部署在多个 Docker 容器中。
  • ☁️ 跨物理机：部署在多台物理服务器上。
• 统一驱动：Funboost 作为调度核心，让 Python 跑在集群之上，获得媲更高的系统吞吐量。

1.5 🎓 最佳学习路径

Funboost 的设计哲学是 “极简主义”。您无需阅读长篇大论，只需通过实践掌握核心：

1. 🧪 实验式学习：

   • 以 1.3 章节 的求和代码为蓝本。
   • 修改 @boost 装饰器中的参数（如 qps、concurrent_num）。
   • 在函数中添加 time.sleep() 模拟耗时。
   • 观察：观察控制台输出，体会分布式、并发和控频的实际效果。

2. ✨ 一行代码原则：

   • 这是最简单的框架：核心只有一行 @boost 代码。
   • 如果您能掌握这个装饰器，就掌握了整个框架。这比学习那些需要继承多个类、配置多个文件的传统框架要简单得多。

🤖 AI 助教 强烈推荐参考 [文档第 14 章]，学习如何利用 AI 大模型快速精通 funboost 的各种高级用法。

---

1.6 🥋 funboost 练就吸星大法神功，一招吸走 Celery 毕生内力

Funboost 的极简招式 + Celery 的深厚内力 = 独步武林

“江湖中人多迷信 Celery 的名门光环，虽 Funboost 身法快过其数十倍，且有演武场（2.6章节）实测为证，奈何部分豪杰固步自封，不愿亲自试剑。 Funboost 遂施展 ‘吸星大法’，将 Celery 纳为己用（作为 Broker）。既入我门，便由我控，以此化解众生执念。”

Celery 称霸 Python 异步江湖十数载，内力虽深厚，但其招式繁复、门规森严（配置繁琐），令无数豪杰望而却步。 今 Funboost 施展 “吸星大法”，只需一招 BrokerEnum.CELERY，顷刻间将 Celery 化为 座下护法。自此，Celery 竟成 Funboost 之一大 子集，听凭号令！

⚔️ 降维打击：化繁为简的绝世武功

通过 Funboost 驾驭 Celery，犹如令狐冲习得独孤九剑，破尽天下繁琐招式，直击要害：

🆚 招式对决	🛑 原生 Celery (旧派宗门的桎梏)	🟢 Funboost 御剑术 (新派宗师的洒脱)
启动法门 (部署)	念诵咒语：需死记硬背 worker/beat 等冗长命令行，稍有错漏便走火入魔。	意念合一：代码即启动，无需记忆任何咒语，python xx.py 一剑破万法。
门派规矩 (结构)	清规戒律：强行规定目录结构，错置文件即被逐出师门，极其僵化。	无招胜有招：飞花摘叶皆可伤人，任意目录、任意文件皆可为战场，毫无束缚。
心法运转 (门槛)	经脉逆行：需手动修炼 includes 和 task_routes，极易气血翻涌（配置报错）。	浑然天成：自动打通任督二脉，框架自动发现并注册任务，行云流水。
洞察天地 (体验)	盲人摸象：@app.task 入参如雾里看花，IDE 无法感知，极易行差踏错。	天眼通：BoosterParams 开启全知视角，代码补全如神助，所见即所得。

📜 藏经阁 (代码示例) 欲练此功，请翻阅 [11.1 章节]。 您只需施展 Funboost 的极简剑法，底层那拥有万钧之力的 Celery 引擎便会自动为您移山填海，虽有雷霆之威，却无反噬之虞。

需要说明的是，funboost性能是已经远超celery，吸纳celery作为broker，兼容celery作为funboost的broker，是为了打消有的人对funboost的调度核心的稳定性的疑虑。

你可以看文档2.6章节funboost vs celery控制变量法性能对比，以及2.9章节，funboost到底为什么性能比celery高几十倍？太离谱了,太假了是吗？

查看分布式函数调度框架完整文档