Scheduler Worker SDK

面向内网任务调度系统的 Python Worker SDK。通过 NATS 接收任务，将普通 Python 函数注册为远程任务，并向调度服务回传执行结果、心跳和运行状态。

项目	支持范围
Python	3.10 及以上
操作系统	Windows、Linux
任务类型	同步函数、异步函数
消息中间件	NATS
分发格式	纯 Python 通用 wheel（py3-none-any）
配置方式	当前运行目录下的 .env + 进程环境变量

目录

• 核心能力
• 安装
• 五分钟快速开始
• 注册任务
• 任务参数注入
• 同步与异步任务
• 接收任务文件
• 错误处理
• 组合多个业务模块
• 完整配置说明
• 并发、超时与关闭
• 任务包更新与回滚
• 日志与运行状态
• Windows 与 Linux 部署
• 内网离线安装
• 公开 API 速查
• 常见问题
• 开发与验证

核心能力

• 使用装饰器或显式注册方式，把普通 Python 函数发布为远程任务。
• 同时支持同步函数和 async def 异步函数。
• 自动注入任务编号、任务名称、业务上下文、时间范围和 Worker 标识。
• 将 kv_arg 中的业务参数按 Python 关键字参数规则传给任务函数。
• 自动下载任务附件，在任务执行结束后清理临时文件。
• 使用统一并发限制保护 Worker，避免任务无限制堆积执行。
• 定时上报 Heartbeat v2 和本地健康文件。
• 支持按通道获取任务包、安全校验、原子激活、失败回滚和自动重启。
• 支持 Windows 和 Linux 信号处理，可通过 Worker.stop() 主动停止。

安装

使用 pip

python -m pip install scheduler-sdk

固定生产版本：

python -m pip install scheduler-sdk==0.2.2

使用 uv

uv add scheduler-sdk

或者在现有虚拟环境中安装：

uv pip install scheduler-sdk==0.2.2

安装完成后验证：

python -c "from scheduler_sdk import TaskRegistry, Worker; print('SDK 安装成功')"

五分钟快速开始

1. 创建目录

my-worker/
├── .env
└── worker.py

2. 创建 .env

# NATS 必须填写 Worker 实际能够访问的地址。
NATS_URL=nats://192.0.2.10:4222
NATS_TOKEN=change-me-token

# 每个 Worker 进程必须使用唯一标识。
WORKER_CLIENT_ID=worker-A1
WORKER_CHANNEL=default

# 进程内所有任务共享的并发上限。
WORKER_CONCURRENCY=4
WORKER_HEARTBEAT_INTERVAL=10

Docker 容器中的 127.0.0.1 和 localhost 指向容器自身。Worker 运行在容器中时， 应填写 NATS 所在主机的实际内网 IP、容器服务名或内网 DNS。

3. 创建 worker.py

import logging

from scheduler_sdk import TaskRegistry, Worker


logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s %(levelname)s %(name)s %(message)s",
)

tasks = TaskRegistry("examples")


@tasks.task("用户查询")
def query_user(task_context: str, include_disabled: bool = False) -> dict:
    logging.info(
        "查询用户: user_id=%s include_disabled=%s",
        task_context,
        include_disabled,
    )
    return {
        "user_id": task_context,
        "include_disabled": include_disabled,
    }


if __name__ == "__main__":
    Worker(tasks).run()

4. 启动 Worker

Linux：

python worker.py

Windows PowerShell：

python .\worker.py

启动成功后，日志会显示 Worker 标识、通道和已注册任务列表。

注册任务

装饰器注册

适合直接编写新任务：

from scheduler_sdk import TaskRegistry

tasks = TaskRegistry("assets")


@tasks.task("资产查询")
def query_asset(task_context: str) -> dict:
    return {"asset_id": task_context}

装饰器不会替换原函数，因此该函数仍然可以在本地直接调用和测试。

显式注册已有函数

适合把现有业务函数接入 SDK：

from scheduler_sdk import TaskRegistry


def calculate_total(amount: float, tax_rate: float = 0.06) -> dict:
    return {"total": amount * (1 + tax_rate)}


tasks = TaskRegistry("billing")
tasks.register("计算含税金额", calculate_total)

注册约束

• 同一个注册表内不能出现重复任务名。
• Worker.run() 启动后注册表会被冻结，不能继续注册或组合任务。
• 不支持 positional-only 参数，例如 def task(value, /)。
• 不支持 *args；可以使用 **kwargs 接收动态业务参数。
• 一个任务函数最多声明一个 TaskExecution 参数。

任务参数注入

服务端任务请求由固定字段和 kv_arg 组成。SDK 根据函数参数名自动注入固定字段， 再把 kv_arg 展开为关键字参数。

固定字段

参数名	类型	含义
task_id	str	当前任务唯一编号
task_name	str	当前任务名称
task_context	str	业务上下文，通常是对象编号或查询条件
time_start	str	开始时间；请求未提供时为空字符串
time_end	str	结束时间；请求未提供时为空字符串
client_id	str	实际执行任务的 Worker 标识
kv_arg	只读映射	原始业务参数映射，不包含任务文件元数据

任务函数只需声明自己需要的固定字段：

@tasks.task("风险查询")
def query_risk(
    task_id: str,
    task_context: str,
    time_start: str,
    time_end: str,
    client_id: str,
) -> dict:
    return {
        "task_id": task_id,
        "area_id": task_context,
        "range": [time_start, time_end],
        "executed_by": client_id,
    }

展开 kv_arg

假设服务端发送：

{
  "task_name": "报表生成",
  "task_context": "customer-001",
  "kv_arg": {
    "format": "xlsx",
    "overwrite": true
  }
}

任务函数可以直接声明同名参数：

@tasks.task("报表生成")
def generate_report(
    task_context: str,
    format: str,
    overwrite: bool = False,
) -> dict:
    return {
        "customer": task_context,
        "format": format,
        "overwrite": overwrite,
    }

也可以使用 **arguments 接收不固定的业务参数：

from typing import Any


@tasks.task("动态查询")
def dynamic_query(task_context: str, **arguments: Any) -> dict:
    return {"context": task_context, "filters": arguments}

SDK 不执行隐式类型转换。服务端传入字符串时，任务函数收到的仍是字符串；业务代码应 自行校验和转换类型。若缺少必填参数、出现未知参数或业务参数与固定字段冲突，SDK 会 返回 task_input_invalid。

以下名称为保留参数名，不能出现在 kv_arg 中：

task_id, task_name, task_context, time_start, time_end, client_id, kv_arg

同步与异步任务

同步任务

普通 def 函数在线程中执行，适合已有阻塞代码、数据库驱动或同步 HTTP 客户端：

import time


@tasks.task("同步计算")
def calculate(value: int) -> dict:
    time.sleep(1)
    return {"result": value * 2}

异步任务

async def 函数直接在 Worker 事件循环中执行：

import asyncio


@tasks.task("异步计算")
async def calculate_async(value: int) -> dict:
    await asyncio.sleep(1)
    return {"result": value * 2}

同步和异步任务共享 WORKER_CONCURRENCY 并发上限。异步任务中不要直接执行长时间 阻塞操作；应改用异步库，或通过 asyncio.to_thread() 转移阻塞调用。

任务返回值需要能够被 JSON 序列化。推荐返回 dict、list、字符串、数字、布尔值或 None，不要直接返回数据库连接、文件句柄、自定义类实例等对象。

接收任务文件

服务端通过 multipart 接收附件后，会把文件元数据放入任务消息。Worker 配置 SCHEDULER_HTTP_URL 后，SDK 会在调用任务函数前：

1. 从调度服务下载文件。
2. 校验声明大小和实际下载大小。
3. 检查单文件大小上限。
4. 创建仅供当前任务使用的临时目录。
5. 通过 TaskExecution.files 提供本地路径。
6. 在任务成功或失败后清理临时目录。

配置示例：

# 必须是完整 HTTP 根地址；有 Nginx 子路径时必须包含 APP_ROOT_PATH。
SCHEDULER_HTTP_URL=http://192.0.2.10:17002/example/scheduler
WORKER_FILE_HTTP_TIMEOUT=30
WORKER_FILE_MAX_BYTES=104857600

任务示例：

from scheduler_sdk import TaskExecution


@tasks.task("导入报表")
def import_report(execution: TaskExecution, overwrite: bool = False) -> dict:
    if not execution.files:
        return {"imported": False, "reason": "未上传文件"}

    source = execution.files[0]
    content = source.path.read_text(encoding="utf-8")
    return {
        "task_id": execution.task_id,
        "original_name": source.name,
        "size": source.size,
        "characters": len(content),
        "overwrite": overwrite,
    }

TaskExecution 和 TaskFile 均为只读数据对象：

@dataclass(frozen=True)
class TaskExecution:
    task_id: str
    task_name: str
    files: tuple[TaskFile, ...]

@dataclass(frozen=True)
class TaskFile:
    name: str
    size: int
    path: Path

TaskFile.path 只在任务函数执行期间有效。不要把这个临时路径保存到数据库后供其他 进程读取；需要长期保留时，应在任务函数返回前复制到业务存储目录。

常见文件错误码：

错误码	含义
task_file_unavailable	任务包含文件，但 Worker 未配置 SCHEDULER_HTTP_URL
task_file_download_failed	HTTP 下载失败或超时
task_file_too_large	文件超过 Worker 配置的大小上限
task_file_size_mismatch	实际下载大小与服务端元数据不一致

错误处理

返回可识别的业务错误

任务函数可以抛出 TaskError：

from scheduler_sdk import TaskError


@tasks.task("校验报表")
def validate_report(row_count: int) -> dict:
    if row_count <= 0:
        raise TaskError(
            "报表没有有效数据",
            code="report_empty",
            details={"row_count": row_count},
        )
    return {"valid": True}

调用方收到的错误包含：

{
  "code": "report_empty",
  "message": "报表没有有效数据",
  "details": {
    "row_count": 0
  }
}

未预期异常

其他异常会统一转换为 task_execution_failed。响应中包含异常类型和消息，完整 traceback 只写入 Worker 日志，不通过 NATS 返回，以避免泄露运行环境和内部代码细节。

建议：

• 对调用方需要判断的业务失败使用 TaskError。
• 对网络、数据库等异常保留原始异常，让 Worker 记录完整 traceback。
• 不要在错误消息或 details 中返回密码、令牌、连接串等敏感信息。

组合多个业务模块

大型 Worker 可以按业务域拆分注册表，再由入口统一组合。

目录结构：

my-worker/
├── .env
├── worker.py
└── task_modules/
    ├── __init__.py
    ├── assets.py
    └── metering.py

task_modules/assets.py：

from scheduler_sdk import TaskRegistry

assets_tasks = TaskRegistry("assets")


@assets_tasks.task("资产查询")
def query_asset(task_context: str) -> dict:
    return {"asset_id": task_context}

task_modules/metering.py：

from scheduler_sdk import TaskRegistry

metering_tasks = TaskRegistry("metering")


@metering_tasks.task("电量查询")
def query_energy(task_context: str, month: str) -> dict:
    return {"meter_id": task_context, "month": month}

worker.py：

import logging

from scheduler_sdk import TaskRegistry, Worker
from task_modules.assets import assets_tasks
from task_modules.metering import metering_tasks


logging.basicConfig(level=logging.INFO)

tasks = TaskRegistry("worker-entry")
tasks.include(assets_tasks, metering_tasks)


if __name__ == "__main__":
    Worker(tasks).run()

如果不同注册表中存在同名任务，include() 会立即抛出 ValueError，避免运行时出现 不确定的任务路由。

完整配置说明

SDK 先读取当前运行目录下的 .env，再使用进程环境变量覆盖同名配置。

配置项	必填	默认值	说明
NATS_URL	是	无	Worker 可访问的 NATS 地址
NATS_TOKEN	否	空	NATS Token；服务未启用认证时留空
WORKER_CLIENT_ID	是	无	Worker 唯一标识
WORKER_CHANNEL	否	default	任务包发布通道
WORKER_CONCURRENCY	否	4	同步和异步任务共享的并发上限
WORKER_HEARTBEAT_INTERVAL	否	10	NATS 心跳间隔，单位秒
WORKER_HEALTH_FILE	否	系统临时目录	本地健康文件路径
WORKER_HEALTH_INTERVAL	否	5	健康文件刷新间隔，单位秒
SCHEDULER_HTTP_URL	否	空	调度服务完整 HTTP 根地址；也用于文件下载和任务包更新
WORKER_FILE_HTTP_TIMEOUT	否	30	单个任务文件下载超时，单位秒
WORKER_FILE_MAX_BYTES	否	104857600	单个任务文件最大字节数，默认 100MB
WORKER_BUNDLE_ROOT	否	.scheduler-worker	任务包、状态和回滚版本目录
WORKER_BUNDLE_UPDATE_INTERVAL	否	60	检查任务包更新的间隔，单位秒
WORKER_BUNDLE_HTTP_TIMEOUT	否	30	任务包查询和下载超时，单位秒
WORKER_BUNDLE_MAX_BYTES	否	20971520	任务包 ZIP 最大字节数，默认 20MB

所有间隔、并发数和大小限制都必须大于 0。配置缺失或格式错误时，Worker 会在启动阶段 直接报错，不会带着无效配置继续运行。

推荐的 Linux 健康文件路径：

WORKER_HEALTH_FILE=/tmp/scheduler-worker-health.json

推荐的 Windows 相对路径：

WORKER_HEALTH_FILE=.scheduler-worker\worker-health.json

经过多层 Nginx 转发时，SCHEDULER_HTTP_URL 必须包含完整子路径，例如：

SCHEDULER_HTTP_URL=http://192.0.2.10:17002/company/platform/scheduler

并发、超时与关闭

全局并发限制

同一 Worker 进程中的所有任务共享一个并发信号量。达到 WORKER_CONCURRENCY 后，新任务 会等待并发槽位。健康文件会把满负载状态写为 busy，不会把正常满负载误判为卡死。

任务超时

SDK 不会强制中断任务，也不会读取 kv_arg.timeout。HTTP 同步调用超时只表示调用方停止 等待，不代表 Worker 中的任务已经取消；任务最终完成后仍会回传结果。

需要业务超时时，应在任务函数使用对应库的超时参数，例如 HTTP 请求超时、数据库语句 超时，或在异步任务中使用 asyncio.timeout()。

优雅关闭

Worker 支持以下停止方式：

• Linux：SIGINT、SIGTERM。
• Windows：控制台中断以及 Python 支持的终止信号。
• 代码调用：worker.stop()，可以从其他线程安全调用。

import threading

from scheduler_sdk import TaskRegistry, Worker

tasks = TaskRegistry("scheduled-stop")
worker = Worker(tasks)

# 示例：由其他线程发出停止请求。
threading.Timer(60, worker.stop).start()
worker.run()

收到停止请求后，Worker 停止订阅新任务，等待已进入执行集合的任务完成，写入 shutting_down 健康状态，然后排空 NATS 连接。

任务包更新与回滚

任务包用于在不重新制作 Worker 安装包的情况下更新任务代码。启用条件是配置 SCHEDULER_HTTP_URL。

固定目录结构

tasks.zip
├── bundle.json
└── task_bundle/
    ├── __init__.py
    ├── reports.py
    └── ...

bundle.json：

{
  "version": "2026.07.29.1"
}

task_bundle/__init__.py 必须导出名为 tasks 的 TaskRegistry：

from scheduler_sdk import TaskRegistry

tasks = TaskRegistry("remote-bundle")


@tasks.task("远程报表")
def build_report(task_context: str) -> dict:
    return {"report_id": task_context}

管理员通过受信网络发布任务包，例如：

curl -F "bundle=@tasks.zip" \
  http://192.0.2.10:17002/example/scheduler/admin/task-bundles/stable

路径末尾的 stable 是目标通道，需要与 Worker 的 WORKER_CHANNEL 对应。

更新流程

1. Worker 按 WORKER_CHANNEL 查询目标任务包。
2. 下载 ZIP，并检查压缩包大小和 SHA-256。
3. 拒绝绝对路径、..、反斜杠路径和符号链接，避免目录穿越。
4. 校验 bundle.json 和 Python 入口。
5. 启动阶段立即加载可用目标版本。
6. 运行中发现新版本时，先下载并校验，再停止接收任务。
7. 等待在途任务结束后重新执行当前 Worker 脚本。
8. 新版本无法加载时尝试回滚上一版本。

本地只保留当前版本和上一版本。任务包状态会通过 Heartbeat v2 上报。

任务包不会安装第三方依赖。任务包需要的库必须提前安装在 Worker 环境中。

日志与运行状态

SDK 使用 Python 标准库 logging，不会强制应用日志格式。建议入口统一配置：

import logging

logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s [%(process)d] %(levelname)s %(name)s %(message)s",
)

主要日志包括：

• Worker 连接成功、停止和重启。
• 注册表冻结及任务列表。
• 任务开始、完成和失败。
• 心跳发送失败与下周期重试。
• 文件下载完成和临时目录清理。
• 任务包下载、激活、回滚和清理失败。
• 健康文件写入失败。

健康文件采用原子替换写入，主要字段包括：

{
  "version": 1,
  "pid": 12345,
  "timestamp": "2026-07-29T08:00:00Z",
  "status": "healthy",
  "uptime_seconds": 120.5,
  "nats_connected": true,
  "workers": {
    "active_threads": 1,
    "max_threads": 4,
    "available_slots": 3
  }
}

常见状态：

状态	含义
healthy	NATS 已连接且仍有可用并发槽
busy	NATS 已连接，但并发槽已满
degraded	NATS 当前未连接或正在重连
shutting_down	Worker 正在停止

Windows 与 Linux 部署

SDK 是纯 Python 包，不需要分别下载 Windows wheel 和 Linux wheel。文件名中的 py3-none-any 表示该 wheel 不绑定特定 Python ABI 和操作系统平台。

Linux

python3 -m venv .venv
source .venv/bin/activate
python -m pip install scheduler-sdk==0.2.2
python worker.py

后台运行时建议交给 systemd、Supervisor 或容器编排系统管理，不建议仅使用 nohup。

Windows PowerShell

py -3.12 -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install scheduler-sdk==0.2.2
python .\worker.py

Windows CMD：

py -3.12 -m venv .venv
.venv\Scripts\activate.bat
python -m pip install scheduler-sdk==0.2.2
python worker.py

内网离线安装

内网机器无法访问 PyPI 时，需要在可联网机器上提前下载 SDK 及全部依赖。

方式一：目标平台分别准备 wheels

Windows x64 / Python 3.12

python -m pip download \
  --only-binary=:all: \
  --platform win_amd64 \
  --python-version 312 \
  --implementation cp \
  --dest wheels-windows \
  scheduler-sdk==0.2.2

Linux x64 / Python 3.12

python -m pip download \
  --only-binary=:all: \
  --platform manylinux2014_x86_64 \
  --python-version 312 \
  --implementation cp \
  --dest wheels-linux \
  scheduler-sdk==0.2.2

当前 SDK 及直接依赖均提供纯 Python wheel，但仍建议按目标平台分别保存目录，便于以后 增加包含原生扩展的业务依赖。

把对应 wheels 目录和 Worker 代码复制到内网后安装：

python -m pip install \
  --no-index \
  --find-links wheels-linux \
  scheduler-sdk==0.2.2

Windows：

python -m pip install --no-index --find-links wheels-windows scheduler-sdk==0.2.2

方式二：使用 uv 离线安装

先创建虚拟环境，再从本地 wheel 仓库安装：

uv venv --python 3.12
uv pip install --offline --no-index --find-links wheels-linux scheduler-sdk==0.2.2

Windows：

uv venv --python 3.12
uv pip install --offline --no-index --find-links wheels-windows scheduler-sdk==0.2.2

验证整个离线目录是否完整：

python -c "from scheduler_sdk import TaskExecution, TaskRegistry, Worker; print('离线安装成功')"

公开 API 速查

TaskRegistry(name)

任务注册表。建议一个业务域使用一个注册表。

方法	说明
task(name)	装饰器形式注册任务
register(name, function)	注册已有函数，并返回原函数
include(*registries)	合并其他注册表

Worker(tasks)

阻塞运行 Worker。

方法	说明
run()	在当前线程运行，直到收到停止请求
stop()	线程安全地请求停止

同一个 Worker 实例不能同时重复调用 run()。

TaskExecution

当前任务执行信息：

属性	类型	说明
task_id	str	当前任务编号
task_name	str	当前任务名称
files	tuple[TaskFile, ...]	当前任务的临时文件

TaskFile

属性	类型	说明
name	str	上传时的原始文件名
size	int	实际文件字节数
path	pathlib.Path	任务执行期间有效的本地临时路径

TaskError(message, *, code, details=None)

向调用方返回结构化业务错误。

raise TaskError(
    "数据不存在",
    code="data_not_found",
    details={"record_id": "A001"},
)

常见问题

启动时报“缺少 Worker 环境配置”

检查运行命令的当前目录是否存在 .env，并确认至少配置：

NATS_URL=nats://实际地址:4222
WORKER_CLIENT_ID=唯一标识

SDK 读取的是当前工作目录，而不是 worker.py 文件所在目录。建议启动前显式切换目录。

Docker 中无法连接 NATS 或调度服务

不要使用 127.0.0.1 或 localhost。填写 Docker Compose 服务名、宿主机实际 IP 或 容器能够解析的内网 DNS。

任务始终没有被调用

依次检查：

1. Worker 日志中是否出现“Worker 已连接”。
2. 启动日志中的任务名是否与服务端提交的 task_name 完全一致。
3. NATS_TOKEN 是否与 NATS 服务端一致。
4. 多个 Worker 是否使用了预期的通道和唯一 WORKER_CLIENT_ID。

任务返回 task_input_invalid

常见原因：

• kv_arg 缺少任务函数必填参数。
• kv_arg 包含函数不接受的参数。
• kv_arg 使用了固定字段的保留名称。
• 函数声明了 positional-only 参数或 *args。

文件任务返回 task_file_unavailable

任务带有附件，但没有配置 SCHEDULER_HTTP_URL。该地址必须是 Worker 能够访问的完整 HTTP 根地址，经过 Nginx 子路径部署时还必须包含 APP_ROOT_PATH。

Worker 满负载是否会被认为异常

不会。并发槽已满时健康状态为 busy，Heartbeat 仍会持续上报。

修改任务代码后为什么没有生效

本地任务代码需要重启 Worker。服务端任务包更新会由 SDK 自动检查，并在在途任务完成后 重新执行当前 Worker 脚本。

能否从任务函数中强制取消另一个任务

SDK 不提供任务强制中断接口。同步线程无法安全强杀；业务代码应使用超时、幂等设计和 可中断的外部调用。

开发与验证

在源码目录执行：

cd packages/scheduler-sdk
uv sync
uv run pytest -q
uv run mypy src

构建 wheel 和源码包：

uv build --wheel --sdist

构建产物位于 dist/。发布前建议执行：

uvx --from twine twine check dist/*

许可证

本项目采用 MIT License，详见 LICENSE。