Understanding Funboost Concepts

理解 Funboost 核心概念

一、框架哲学："反框架"设计

Funboost 的核心设计理念是零代码侵入：

# 你的原始函数 — 直接调用，完全正常
def process(url, depth=1):
    return download(url)

process("http://example.com")  # 普通函数调用

# 加上 @boost — 函数本身不变，但获得了分布式能力
from funboost import boost, BoosterParams, BrokerEnum

@boost(BoosterParams(queue_name="spider", broker_kind=BrokerEnum.MEMORY_QUEUE))
def process(url, depth=1):
    return download(url)

process("http://example.com")      # 仍然可以直接调用！
process.push("http://example.com") # 发到队列，由消费者异步执行

关键认知：

• func(x, y) = 直接运行（同步、本地）
• func.push(x, y) = 发消息到队列（异步、分布式）
• 函数本身没有任何改变，不需要继承、不需要注册、不需要特殊签名

二、BoosterParams — 掌握 funboost 的重中之重

BoosterParams 是一个 Pydantic 模型，包含 50+ 个字段，控制着 funboost 的任务级行为。理解 funboost 等于理解 BoosterParams。

核心原则

1. 任务级配置在 BoosterParams — 并发、重试、控频、超时等；中间件连接配置在 funboost_config.py 的 BrokerConnConfig
2. Pydantic 严格校验 — 传了不存在的字段会直接报错，禁止臆造参数
3. 唯一必填字段是 queue_name — 其他都有默认值

字段分类速记

常见"臆造参数"纠正

三、配置文件机制

Funboost 的中间件连接信息（Redis/RabbitMQ/Kafka 等的 host、port、password）不在 BoosterParams 中，而是在 funboost_config.py 配置文件中。

加载原理

set_frame_config.py 中：importlib.import_module('funboost_config')
        ↓
按 sys.path 顺序搜索（sys.path[0]=脚本目录, sys.path[1]=PYTHONPATH项目根）
        ↓
找到后通过 BrokerConnConfig.update_cls_attribute 覆盖默认值
        ↓
找不到时自动在 sys.path[1] 生成模板文件

关键规则

1. 设置 PYTHONPATH — 运行脚本前必须将项目根目录加入 PYTHONPATH（$env:PYTHONPATH="项目根"）
2. 优先级 — sys.path[0]（脚本所在目录）> sys.path[1]（PYTHONPATH 项目根）> 默认值
3. 自动生成 — 首次运行时框架会在 sys.path[1] 自动生成模板 funboost_config.py
4. 按需配置 — 只需配置实际使用的中间件（用 Redis 就只配 Redis，不用管 RabbitMQ）

配置文件内容示例

# funboost_config.py（项目根目录，框架首次运行自动生成）
from funboost.utils.simple_data_class import DataClassBase

class BrokerConnConfig(DataClassBase):
    REDIS_HOST = '127.0.0.1'
    REDIS_PORT = 6379
    REDIS_PASSWORD = 'your_password'
    REDIS_DB = 7

四、push vs publish — 本质区别

什么时候用 publish？

• 需要指定 task_id（幂等/追踪）
• 需要设置 countdown（延迟执行）
• 需要设置 eta（定时执行）

90% 的场景用 push 就够了。

五、消费模型

为什么 consume() 不阻塞？

func.consume() 在子线程中启动消费循环，主线程继续执行：

func1.consume()  # 启动消费（非阻塞）
func2.consume()  # 可以紧接着启动另一个
func3.consume()  # 多个消费者共存

# 主线程到达末尾后，进程不会退出（因为有子线程在跑）

为什么永不自动停止？

Funboost 设计为长期运行的服务，消费者会无限循环拉取消息。这不是 bug，而是核心设计：

• 生产环境中消费者 7x24 运行
• AI 测试时必须用 timeout 或 os._exit(66) 强制终止

5 种并发模式

六、fct 上下文 — 禁止 Celery 思维

Celery 做法（禁止）：

@app.task(bind=True)
def my_task(self, x):
    self.request.id  # Celery 方式

Funboost 做法（正确）：

from funboost import fct

@boost(BoosterParams(queue_name="xxx"))
def my_task(x):
    fct.task_id                         # 当前任务 ID
    fct.queue_name                      # 队列名
    fct.function_result_status.run_times # 执行次数（含重试）
    fct.full_msg                        # 完整消息体
    fct.logger                          # 当前任务 logger

fct 是线程安全的全局上下文对象，仅在消费函数执行期间自动注入当前任务信息。在消费函数外部或直接调用 func() 时，fct 无上下文，访问属性会报错。

七、Broker 与配置的三层关系

BrokerConnConfig（funboost_config.py）
  └── 中间件连接信息：host, port, password, url
       ↓ 框架自动使用

BoosterParams.broker_kind
  └── 选择使用哪种中间件类型（BrokerEnum.REDIS / RABBITMQ / ...）

BoosterParams.broker_exclusive_config
  └── 该 broker 的独有动态配置（如 Redis 的 maxsize、Kafka 的 group_id）

区分：

• BrokerConnConfig = 全局固定连接信息（所有队列共用）
• broker_kind = 选择中间件类型
• broker_exclusive_config = 单个队列的 broker 专属配置

SSS 级推荐：BrokerEnum.MEMORY_QUEUE

很多场景不需要分布式 MQ。MEMORY_QUEUE 让 @boost 成为超级装饰器： 零中间件、无 JSON/pickle 序列化（同进程直传对象）、自带 QPS/并发/重试/超时——完美替代 ThreadPoolExecutor。 后续需要分布式时只改 broker_kind 一行。详见 skill：funboost-memory-queue-pool

八、AI 编码前的自检清单

在编写 funboost 代码前，确认以下几点：

• 使用 @boost(BoosterParams(...)) 而非老式写法
• 所有参数名从文档中查找，不要臆造
• 获取上下文用 fct，不用 self 或 bind=True
• push 传业务参数，publish 传字典 + TaskOptions
• 需要获取结果必须设置 is_using_rpc_mode=True
• 异步函数必须设置 concurrent_mode=ConcurrentModeEnum.ASYNC
• 运行前设置 PYTHONPATH=项目根目录
• 测试脚本必须有退出机制（timeout 或 os._exit(66)）

相关 Skill

• using-funboost-basics — 基础使用入门
• funboost-broker-selection — Broker 中间件选型