确保任务不重叠解决方法:
from celery import task
from celery.five import monotonic
from celery.utils.log import get_task_logger
from contextlib import contextmanager
from django.core.cache import cache
from hashlib import md5
from djangofeeds.models import Feed
logger = get_task_logger(__name__)
LOCK_EXPIRE = 60 * 10 # Lock expires in 10 minutes
@contextmanager
def memcache_lock(lock_id, oid):
timeout_at = monotonic() + LOCK_EXPIRE - 3
# cache.add fails if the key already exists
status = cache.add(lock_id, oid, LOCK_EXPIRE)
try:
yield status
finally:
# memcache delete is very slow, but we have to use it to take
# advantage of using add() for atomic locking
if monotonic() < timeout_at and status:
# don't release the lock if we exceeded the timeout
# to lessen the chance of releasing an expired lock
# owned by someone else
# also don't release the lock if we didn't acquire it
cache.delete(lock_id)
@task(bind=True)
def import_feed(self, feed_url):
# The cache key consists of the task name and the MD5 digest
# of the feed URL.
feed_url_hexdigest = md5(feed_url).hexdigest()
lock_id = '{0}-lock-{1}'.format(self.name, feed_url_hexdigest)
logger.debug('Importing feed: %s', feed_url)
with memcache_lock(lock_id, self.app.oid) as acquired:
if acquired:
return Feed.objects.import_feed(feed_url).url
logger.debug(
'Feed %s is already being imported by another worker', feed_url)
celery 特性：
Celery 是一个简单、灵活且可靠的，处理大量消息的分布式系统，并且提供维护这样一个系统的必需工具。由于在工作的平台中用到Celery系统（用于发送邮件、发送短信、发送上线等任务），记录一下学习的知识。
使用rabbitmq做celery的broker和redis做celery的broker的特性
使用RabbitMQ作为Celery Broker的优点：
Highly customizable routing（高度定制路由）
Persistent queues（一致性队列）
使用redis作为celery brocker的优点：
high speed due to in memory datastore（速度极快的内存数据库）
can double up as both key-value datastore and job queue(可以保证key-value 数据存储及job序列)
celery-安装
pip3 install celery(4.0版本celery beat不支持热加载)
celery-flower监控安装
pip3 install flower
django celery 安装
pip3 install django-celery
celery 原理介绍
某个方法的消息请求celery执行，首先celery根据绑定的规则把任务消息放到制定的路由队列中去，此队列对应的worker节点取出执行。
说明：
为什么要定义多个worker？每个worker都会新建一个进程，充分利用服务器资源，提高执行效率。
同一个服务器可以启动多个worker节点？可以，启动参数里面写上不同的–hostname即可。
celery默认会创建一个celery任务队列，没有任何绑定的任务将会发送到此消息队列中。
celery 多woker实验
celery加redis的多节点配置实例，由于资源限制只找了两台机器做测试
10.10.42.33 10.10.190.234
我们把redis服务放在10.10.190.234那台服务器上
我们把flower服务也启动在10.10.42.33那台服务器上
代码中定义的队列有queue_add、queue_sum （还有个默认队列celery）
33、234服务器用于启动worker节点
33服务器上启动处理celery和queue_add队列的worker节点
234服务器上启动处理celery和queue_sum队列的worker节点
配置文件展示
celeryconfig配置文件：
cat celeryconfig.py
#!/usr/bin/python
#coding:utf-8
from kombu import Queue
CELERY_TIMEZONE = 'Asia/Shanghai'
####################################
# 一般配置 #
####################################
CELERY_TASK_SERIALIZER = 'json'
CELERY_RESULT_SERIALIZER = 'json'
CELERY_ACCEPT_CONTENT=['json']
CELERY_TIMEZONE = 'Asia/Shanghai'
CELERY_ENABLE_UTC = True
# List of modules to import when celery starts.
CELERY_IMPORTS = ('tasks', )
CELERYD_MAX_TASKS_PER_CHILD = 40 # 每个worker执行了多少任务就会死掉
BROKER_POOL_LIMIT = 10 #默认celery与broker连接池连接数
CELERY_DEFAULT_QUEUE='default'
CELERY_DEFAULT_ROUTING_KEY='task.default'
CELERY_RESULT_BACKEND='redis://:fafafa@10.10.190.234:6379/0'
BROKER_URL='redis://:fafafa@10.19.190.234:6379/0'
#默认队列
CELERY_DEFAULT_QUEUE = 'celery' #定义默认队列
CELERY_DEFAULT_ROUTING_KEY = 'celery' #定义默认路由
CELERYD_LOG_FILE="./logs/celery.log"
CELERY_QUEUES = (
Queue("queue_add", routing_key='queue_add'),
Queue('queue_reduce', routing_key='queue_sum'),
Queue('celery', routing_key='celery'),
)
CELERY_ROUTES = {
'task.add':{'queue':'queue_add', 'routing_key':'queue_add'},
'task.reduce':{'queue':'queue_reduce', 'routing_key':'queue_sum'},
}
查看任务配置文件：
cat task.py
import os
import sys
import datetime
BASE_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
sys.path.append(BASE_DIR)
from celery import Celery
from celery import chain, group, chord, Task
from celeryservice import celeryconfig
app = Celery()
app.config_from_object(celeryconfig)
__all__ = ['add', 'reduce','sum_all', 'other']
####################################
# task定义 #
####################################
@app.task
def add(x, y):
return x + y
@app.task
def reduce(x, y):
return x - y
@app.task
def sum(values):
return sum([int(value) for value in values])
@app.task
def other(x, y):
return x * y
flower任务配置文件
cat flower.py
#!/usr/bin/env python #coding:utf-8 broker_api = 'redis://:afafafafa@10.10.190.234:6379/0' logging = 'DEBUG' address = '0.0.0.0' port = 5555 basic_auth = ['zero:zero'] #外部访问密码 persistent=True #持久化celery tasks（如果为false的话，重启flower之后，监控的task就消失了) db="./flower/flower_db"
启动服务：
在33上启动服务
celery worker -A task --loglevel=info --queues=celery,queue_add --hostname=celery_worker33 >/dev/null 2>&1 &
在234上启动服务
celery worker -A task --loglevel=info --queues=celery,queue_add --hostname=celery_worker33 >/dev/null 2>&1 &
服务验证：
在任一台有celeryservice项目代码的服务器上，运行add、reduce、sum、other任务（测试可简单使用add.delay(1,2)等）
add只会在33上运行，
sum任务，可能会在33或234服务器的worker节点运行
reduce任务,只会在234上运行。
other任务可能会在33或者234上运行。
关于使用过程中的优化
使用celery的错误处理机制
如下内容来自于网站，还没实践，存档用。
大多数任务并没有使用错误处理，如果任务失败，那就失败了。在一些情况下这很不错，但是作者见到的多数失败任务都是去调用第三方API然后出现了网络错误，
或者资源不可用这些错误，而对于这些错误，最简单的方式就是重试一下，也许就是第三方API临时服务或者网络出现问题，没准马上就好了，那么为什么不试着加个重试测试一下呢？
@app.task(bind=True, default_retry_delay=300, max_retries=5)
def my_task_A():
try:
print("doing stuff here...")
except SomeNetworkException as e:
print("maybe do some clenup here....")
self.retry(e)
定时任务遇到的问题:
通过flower 查看 跑多线程报错, 需要减少线程数.
celery配置文件的一些详细解释:
# -*- coding:utf-8 -*-
from datetime import timedelta
from settings import REDIS_HOST, REDIS_PORT, REDIS_PASSWORD, REDIS_DB_NUM
# 某个程序中出现的队列，在broker中不存在，则立刻创建它
CELERY_CREATE_MISSING_QUEUES = True
CELERY_IMPORTS = ("async_task.tasks", "async_task.notify")
# 使用redis 作为任务队列
BROKER_URL = 'redis://:' + REDIS_PASSWORD + '@' + REDIS_HOST + ':' + str(REDIS_PORT) + '/' + str(REDIS_DB_NUM)
#CELERY_RESULT_BACKEND = 'redis://:' + REDIS_PASSWORD + '@' + REDIS_HOST + ':' + str(REDIS_PORT) + '/10'
CELERYD_CONCURRENCY = 20 # 并发worker数
CELERY_TIMEZONE = 'Asia/Shanghai'
CELERYD_FORCE_EXECV = True # 非常重要,有些情况下可以防止死锁
CELERYD_PREFETCH_MULTIPLIER = 1
CELERYD_MAX_TASKS_PER_CHILD = 100 # 每个worker最多执行万100个任务就会被销毁，可防止内存泄露
# CELERYD_TASK_TIME_LIMIT = 60 # 单个任务的运行时间不超过此值，否则会被SIGKILL 信号杀死
# BROKER_TRANSPORT_OPTIONS = {'visibility_timeout': 90}
# 任务发出后，经过一段时间还未收到acknowledge , 就将任务重新交给其他worker执行
CELERY_DISABLE_RATE_LIMITS = True
# 定时任务
CELERYBEAT_SCHEDULE = {
'msg_notify': {
'task': 'async_task.notify.msg_notify',
'schedule': timedelta(seconds=10),
#'args': (redis_db),
'options' : {'queue':'my_period_task'}
},
'report_result': {
'task': 'async_task.tasks.report_result',
'schedule': timedelta(seconds=10),
#'args': (redis_db),
'options' : {'queue':'my_period_task'}
},
#'report_retry': {
# 'task': 'async_task.tasks.report_retry',
# 'schedule': timedelta(seconds=60),
# 'options' : {'queue':'my_period_task'}
#},
}
################################################
# 启动worker的命令
# *** 定时器 ***
# nohup celery beat -s /var/log/boas/celerybeat-schedule --logfile=/var/log/boas/celerybeat.log -l info &
# *** worker ***
# nohup celery worker -f /var/log/boas/boas_celery.log -l INFO &
celery整体架构图:
