3. 运行中截图

3.1.1 windows运行中截图

####win之1

####win之2

3.1.2 linux运行中截图,使用gevent模式，减法消费控频更厉害，所以执行次数更少。

3.1.3控频功能证明，使用内网连接broker，设置函数的qps为100，来调度需要消耗任意随机时长的函数，能够做到持续精确控频，频率误差小。如果设置每秒精确运行超过5000次以上的固定频率，前提是cpu够强。

3.1.4 函数执行结果及状态搜索查看

(需要设置函数状态持久化为True才支持此项功能，默认不开启函数状态结果持久化， 使用的是自动批量聚合插入mongo的方式，需要安装mongodb)。

实测在进行阻塞式任务时候，性能大幅超过celery。

1)高并发

2)函数结果和运行次数和错误异常查看。使用的测试函数如下。

def add(a, b):
    logger.info(f'消费此消息 {a} + {b} 中。。。。。')
    time.sleep(random.randint(3, 5))  # 模拟做某事需要阻塞10秒种，必须用并发绕过此阻塞。
    if random.randint(4, 6) == 5:
        raise RandomError('演示随机出错')
    logger.info(f'计算 {a} + {b} 得到的结果是  {a + b}')
    return a + b

3)任务消费统计曲线。

3.1.5 我开发时候的状态和使用的是pycharm工具和测试。

在修改为每行最大240个字符后，其余的任何警告级别都保持默认的情况下， 所有文件任意一行在pycahrm的code编辑区域的滚动条做到了0个黄色，和使用alt + shift + i检查，符合极致的pep8规则。