Flask本身不支持异步任务，必须集成Celery等工具剥离耗时操作；集成失败主因是环境、上下文与broker配置未对齐，如celery命令未在项目虚拟环境中执行、tasks.py路径不可导入、worker缺乏Flask应用上下文、broker地址不一致等。
直接上结论：Flask 本身不支持异步任务，必须靠 Celery（或 RQ）把耗时操作剥离出请求线程；但集成失败的主因不是代码写得不对，而是环境、上下文、broker 配置三者没对齐。
celery -A tasks worker 报 ImportError: No module named 'celery'
这不是 Celery 没装，是 celery 命令根本没在项目所用的 Python 环境里。
- 运行
which python和which celery，两个路径必须一致；不一致就说明你在系统 Python 下装了 Celery，却用虚拟环境启动 Flask -
pip install celery和pip install "celery[redis]"都得在同一个虚拟环境中执行 -
celery -A tasks worker要求tasks.py可被 Python 直接导入：它不能藏在子目录里（如app/tasks.py），除非你加了__init__.py并把app设为包，且启动命令改成celery -A app.tasks worker
任务里调 db.session.add() 或 current_app.config 就崩
Celery worker 是独立进程，没有 Flask 的应用上下文，current_app 和 db 实例都不可用。
- 别在任务函数里写
from app import db然后直接用 —— 这会抛RuntimeError: Working outside of application context - 推荐做法：任务只接收原始参数（如
user_id、email），进任务后再重建上下文：with app.app_context(): user = User.query.get(user_id) - 更稳妥的是封装数据库操作为独立函数，并在函数内显式管理 session 生命周期，比如结尾加
db.session.remove()
Flask 接口返回前任务就“消失”了
常见错误是用 .get() 同步等结果，这会让 HTTP 请求卡住，完全失去异步意义。
立即学习“Python免费学习笔记（深入）”；
-
result = send_email.delay('a@b.com').get(timeout=30)—— 错！这是同步阻塞，和没加 Celery 一样 - 正确姿势是“即发即走”：
task = send_email.delay('a@b.com')，立刻返回{'task_id': task.id} - 前端轮询
/api/task-status/<task_id></task_id>，后端查AsyncResult(task_id).state和.result；注意AsyncResult查的是 broker（如 Redis）里的记录，所以 beat、worker、Flask 必须共用同一个 broker URL
celery beat 定时任务从不触发
beat 不执行任务，只往 broker 发消息；如果 worker 没起来、或 beat 配的 broker 和 worker 不一致，任务就永远卡在队列里。
- 确认
celery beat和celery worker启动时用的都是同一套配置，尤其是broker_url和result_backend - 本地开发时容易忽略：Redis 必须已启动，且
celery beat和celery worker要同时运行，缺一不可 - 定时任务定义必须放在
celery.conf.beat_schedule里，不能只写个@celery.task就以为会自动定时
最常被跳过的细节是 broker 地址一致性 —— 开发时改了 Flask 配置里的 CELERY_BROKER_URL，却忘了同步更新 celery worker 启动命令里的环境变量或配置模块，结果任务发出去，worker 根本收不到。
