所有演示均基于Django2.0
celery是一个基于python开发的简单、灵活且可靠的分布式任务队列框架，支持使用任务队列的方式在分布式的机器/进程/线程上执行任务调度。采用典型的生产者-消费者模型，主要由三部分组成：
- 消息队列broker：broker实际上就是一个MQ队列服务，可以使用redis、rabbitmq等作为broker
- 处理任务的消费者workers：broker通知worker队列中有任务，worker去队列中取出任务执行，每一个worker就是一个进程
- 存储结果的backend：执行结果存储在backend，默认也会存储在broker使用的MQ队列服务中，也可以单独配置用何种服务做backend
我的异步使用场景为项目上线：前端web上有个上线按钮，点击按钮后发请求给后端，后端执行上线过程要5分钟，后端在接收到请求后把任务放入队列异步执行，同时马上返回给前端一个任务执行中的结果。若果没有异步执行会怎么样呢？同步的情况就是执行过程中前端一直在等后端返回结果，页面转呀转的就转超时了。
异步任务配置
1.安装rabbitmq，这里我们使用rabbitmq作为broker，安装完成后默认启动了，也不需要其他任何配置
|
1
|
# apt-get install rabbitmq-server
|
2.安装celery
|
1
|
# pip3 install celery
|
3.celery用在django项目中，django项目目录结构(简化)如下
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
website/
|-- deploy
| |-- admin.py
| |-- apps.py
| |-- __init__.py
| |-- models.py
| |-- tasks.py
| |-- tests.py
| |-- urls.py
| `-- views.py
|-- manage.py
|-- README
`-- website
|-- celery.py
|-- __init__.py
|-- settings.py
|-- urls.py
`-- wsgi.py
|
4.创建 website/celery.py 主文件
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
from __future__ import absolute_import, unicode_literals
import os
from celery import Celery, platforms
# set the default Django settings module for the 'celery' program.
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'website.settings')
app = Celery('website')
# Using a string here means the worker don't have to serialize
# the configuration object to child processes.
# - namespace='CELERY' means all celery-related configuration keys
# should have a `CELERY_` prefix.
app.config_from_object('django.conf:settings', namespace='CELERY')
# Load task modules from all registered Django app configs.
app.autodiscover_tasks()
# 允许root 用户运行celery
platforms.C_FORCE_ROOT = True
@app.task(bind=True)
def debug_task(self):
print('Request: {0!r}'.format(self.request))
|
5.在 website/__init__.py 文件中增加如下内容，确保django启动的时候这个app能够被加载到
|
1
2
3
4
5
6
7
|
from __future__ import absolute_import
# This will make sure the app is always imported when
# Django starts so that shared_task will use this app.
from .celery import app as celery_app
__all__ = ['celery_app']
|
6.各应用创建tasks.py文件，这里为 deploy/tasks.py
|
1
2
3
4
5
6
|
from __future__ import absolute_import
from celery import shared_task
@shared_task
def add(x, y):
return x + y
|
注意tasks.py必须建在各app的根目录下，且只能叫tasks.py，不能随意命名
7.views.py中引用使用这个tasks异步处理
|
1
2
3
4
|
from deploy.tasks import add
def post(request):
result = add.delay(2, 3)
|
|
1
2
3
|
result.ready()
result.get(timeout=1)
result.traceback
|
8.启动celery
|
1
|
# celery -A website worker -l info
|
9.这样在调用post这个方法时，里边的add就可以异步处理了
定时任务的使用场景就很普遍了，比如我需要定时发送报告给老板~
定时任务配置
1. website/celery.py 文件添加如下配置以支持定时任务crontab
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
from celery.schedules import crontab
app.conf.update(
CELERYBEAT_SCHEDULE = {
'sum-task': {
'task': 'deploy.tasks.add',
'schedule': timedelta(seconds=20),
'args': (5, 6)
}
'send-report': {
'task': 'deploy.tasks.report',
'schedule': crontab(hour=4, minute=30, day_of_week=1),
}
}
)
|
定义了两个task：
- 名字为'sum-task'的task，每20秒执行一次add函数，并传了两个参数5和6
- 名字为'send-report'的task，每周一早上4：30执行report函数
timedelta是datetime中的一个对象，需要 from datetime import timedelta 引入，有如下几个参数
- days
- seconds
- microseconds
- milliseconds
- minutes
- hours
crontab的参数有：
month_of_year
day_of_month
day_of_week
hour
minute
2. deploy/tasks.py 文件添加report方法：
|
1
2
3
|
@shared_task
def report():
return 5
|
3.启动celery beat，celery启动了一个beat进程一直在不断的判断是否有任务需要执行
|
1
|
# celery -A website beat -l info
|
Tips
1.如果你同时使用了异步任务和计划任务，有一种更简单的启动方式 celery -A website worker -b -l info ，可同时启动worker和beat
2.如果使用的不是rabbitmq做队列那么需要在主配置文件中 website/celery.py 配置broker和backend，如下：
|
1
2
3
4
|
# redis做MQ配置
app = Celery('website', backend='redis', broker='redis://localhost')
# rabbitmq做MQ配置
app = Celery('website', backend='amqp', broker='amqp://admin:admin@localhost')
|
3.celery不能用root用户启动的话需要在主配置文件中添加 platforms.C_FORCE_ROOT = True
4.celery在长时间运行后可能出现内存泄漏，需要添加配置 CELERYD_MAX_TASKS_PER_CHILD = 10 ，表示每个worker执行了多少个任务就死掉
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：http://www.cnblogs.com/37Y37/p/9310874.html