以前项目中用到过 celery ，但是没怎么记笔记，现在在记一下，方便以后用。

Celery.png

问：Celery 是什么?

答：Celery 是一个由 Python 编写的简单、灵活、可靠的用来处理大量信息的分布式系统,它同时提供操作和维护分布式系统所需的工具。
Celery 专注于实时任务处理，支持任务调度。（来源于网络）

问：适用场景在哪里？

答：如图示（来自：http://blog.csdn.net/xsj_blog/article/details/70181984）

image.png

问：生产者和消费者模式定义是什么？

答：
（1）生产者->负责产生数据;
（2）消费者->负责数据处理;
（3）缓冲区->解耦生产者和消费者，减少依赖，主要是通过消息队列来进行两点之间的通讯处理。

图示：

image.png

问：什么是任务队列？

答：任务队列是一种在线程或机器间分发任务的机制。

问：什么是消息队列？

答：消息队列的输入是工作的一个单元，称为任务，独立的职程（Worker）进程持续监视队列中是否有需要处理的新任务。

问：职程有什么作用？

答：Celery 用消息通信，通常使用中间人（Broker）在客户端和职程间斡旋。这个过程从客户端向队列添加消息开始，之后中间人把消息派送给职程，职程对消息进行处理。如下图所示：

image.png

问：Celery的架构三部分是哪几个部分？

答：Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。

（1）消息中间件
PS: Celery本身不提供消息服务，但是可以方便的和第三方提供的消息中间件集成，包括，RabbitMQ,Redis,MongoDB等。

（2）任务执行单元
PS: Worker是Celery提供的任务执行的单元，worker并发的运行在分布式的系统节点中。

（3）任务结果存储
PS: Task result store用来存储Worker执行的任务的结果，Celery支持以不同方式存储任务的结果，包括Redis，MongoDB，Django ORM，AMQP等。

（任务调度）Celery Beat：任务调度
Celery Beat：任务调度器，Beat 进程会读取配置文件的内容，周期性地将配置中到期需要执行的任务发送给任务队列。

来自网络

消息分发与任务调度的实现机制（来自：http://blog.csdn.net/xsj_blog/article/details/70181984）

image.png

1:—>producer发出调用请求(message包含所调用任务的相关信息)
2:—>celery服务启动时，会产生一个或多个交换机(exchanges)，对应的交换机接收请求message
3:—>交换机根据message内容，将message分发到一个或多个符合条件的队列(queue)
4:—>每个队列上都有一个或多个worker在监听，在监听到符合条件的message到达后，worker负责进行任务处理，任务处理完被确认后，队列中的message将被删除。

注释：Exchange和Queue都是Rabbitmq中的概念

Exchange:交换机，决定了消息路由规则；

Queue:消息队列；

Channel:进行消息读写的通道；

Bind:绑定了Queue和Exchange，意即为符合什么样路由规则的消息，将会放置入哪一个[消息队列]；

调图流程图示：（来自https://www.cnblogs.com/forward-wang/p/5970806.html）

image.png

实践步骤：

第1步：首先搭建bottle客户端端，进行任务委派：

#!/usr/bin/evn python

# coding=utf-8

"""

Author = zyx

@Create_Time: 2018/1/30 15:58

@version: v1.0.0

@File: main.py

@文件功能描述:

"""

from bottle import route, run

@route('/')

def index():

    return '访问了首页！'

run(host='127.0.0.1', port=8080, debug=True, reloader=True)

main.py

启动wen服务应用访问：

image.png

第2步：编写对应Celery任务模块celery_test

image.png

第3步：编写对应Celery任务模块启动配置文件

# coding:utf-8

from datetime import timedelta

from kombu import Exchange, Queue

# 配置消息中间件Broker

BROKER_URL = 'redis://127.0.0.1:6379/0'

# 配置结果存贮Backend

CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/1'

# 指定时区，默认是 UTC

CELERY_TIMEZONE = 'Asia/Shanghai'

CELERY_ENABLE_UTC = True

#限制所有的任务的刷新频率

CELERY_ANNOTATIONS = {'*':{'rate_limit':'10/s'}}

# # 不需要返回任务状态，即设置以下参数为True

# 如果不需要某个任务的结果，应该确保Celery不去获取这些结果。这是通过装饰器@task(ignore_result=True)来做的。如果所有的任务结果都忽略了，就不必定义结果后台。这可以让性能大幅提高。

CELERY_IGNORE_RESULT = True

# 任务序列化和反序列化使用msgpack方案

# CELERY_TASK_SERIALIZER = 'json'

# 读取任务结果一般性能要求不高，所以使用了可读性更好的JSON

# CELERY_RESULT_SERIALIZER = 'json'

# 指定任务模块

CELERY_IMPORTS = (

    'celery_test.tasks',

)

# celery worker的并发数 也是命令行-c指定的数目,事实上实践发现并不是worker也多越好,保证任务不堆积,加上一定新增任务的预留就可以

CELERYD_CONCURRENCY = 10

CELERYD_FORCE_EXECV = True  # 非常重要,有些情况下可以防止死锁

# celery worker 每次去redis取任务的数量，我这里预取了4个慢慢执行,因为任务有长有短没有预取太多

CELERYD_PREFETCH_MULTIPLIER = 4

#每个worker执行了多少次任务后就会死掉，建议数量大一些

CELERYD_MAX_TASKS_PER_CHILD = 200

# CELERY_ACCEPT_CONTENT = ['json']  # 指定接受的内容类型

#celery任务执行结果的超时时间

CELERY_TASK_RESULT_EXPIRES = 1200

#单个任务的运行时间限制，否则会被杀死

CELERYD_TASK_TIME_LIMIT = 60

# # 默认的队列，如果一个消息不符合其他的队列就会放在默认队列里面

# CELERY_DEFAULT_QUEUE = "default"

#

# CELERY_QUEUES = (

#     Queue('default', Exchange('default'), routing_key='default'),# 这是上面指定的默认队列

#     Queue('for_add', Exchange('for_task_add'), routing_key='for_task_add'), # 这是一个for_add队列 凡是for_task_add开头的routing key都会被放到这个队列

#     Queue('for_send_email', Exchange('for_task_email'), routing_key='for_task_email'),

# # 这是一个or_send_email'队列 凡是for_task_email开头的routing key都会被放到这个队列

# )

#

# CELERY_ROUTES = {

#     'celery_test.tasks.add': {'queue': 'for_add', 'routing_key': 'for_task_add'},

#     'celery_test.tasks.easeye_send_mails': {'queue': 'for_send_email', 'routing_key': 'for_task_email'},

# }

#

#定时任务

CELERYBEAT_SCHEDULE = {

    'easeye_send_mail': {

        'task': 'celery_test.tasks.easeye_send_mails',

        'schedule': timedelta(seconds=30),

    },

    'add': {

        'task': 'celery_test.tasks.add',

        'schedule': timedelta(seconds=10),

        'args': (16, 16)

    }

}

setting.py

第4步：编写对应Celery实例

from  celery import Celery

app=Celery('celery_test',include=['celery_test.tasks'])

app.config_from_object('celery_test.setting')

if __name__=='__main__':

    app.start()

server.py

第5步：编写对应任务

# coding:utf-8

from celery_test.server import app

@app.task(bind=True)

def add(self,x, y):         #自己放项目里 一定不要忘了self

    return x + y

@app.task(bind=True)

def send_mail(self,x, y):

    return x - y

tasks.py

第6步：修改main.py进行任务调用

from bottle import route, run, redirect

from celery_test import tasks

# @route('/add')

# def index():

#     tasks.add.daley(888, 45)

#     return '访问了add！'

@route('/send_mail')

def index():

    task = tasks.send_mail.delay(888, 45)

    print('访问了send_mail！')

    return redirect('/tasks_status/' + task.id)  # 重定向到首页(可以 )

@route('/tasks_status/<task_id>')

def index(task_id):

    # 获取异步任务结果

    task = tasks.send_mail.AsyncResult(task_id)

    # 等待处理

    if task.state == 'PENDING':

        response = {'state': task.state, 'current': 0, 'total': 1}

        print('PENDING：', response)

    elif task.state != 'FAILURE':

        response = {'state': task.state, 'current': task.info.get('current', 0), 'total': task.info.get('total', 1)}

        # 处理完成

        if 'result' in task.info:

            response['result'] = task.info['result']

        print('处理完成：', response)

    else:

        # 后台任务出错

        response = {'state': task.state, 'current': 1, 'total': 1}

        print('后台任务出错：', response)

run(host='127.0.0.1', port=8080, debug=True, reloader=True)

main.py

第7步：启动指定的队列

celery -A celery_test.server worker --loglevel=debug --pool=solo

image.png

启动成功如图示：

image.png

第8步：启动web服务调用对应的URL请求异步处理异步任务

调用：

http://127.0.0.1:8080/send_mail

image.png

即时查看任务处理情况：

http://127.0.0.1:8080/tasks_status/0079d834-d918-4ad7-88dd-f23c5eeb09dc

查看对应的celery的运行情况：

image.png

问：监控Celery任务执行情况？

答：Flower是基于web的监控和管理Celery的工具.
相关文档：
http://flower-docs-cn.readthedocs.io/zh/latest/
安装pip install flower
启动flower(flower默认的端口是5555.)
celery flower --port=5555 --broker=redis://localhost:6379/0
celery flower --broker=amqp://guest:guest@192.168.xx.xxx:5672//
启动任务查看

celery flower --port=5555 --broker=redis://localhost:6379/0

image.png

访问：127.0.0.1:5555

image.png

进行任务执行：http://127.0.0.1:8080/send_mail
查看任务执行结果

image.png

PS其他命令

============================================================================

前台启动

启动指定的队列

 celery -A celery_test.server worker -l info -Q for_send_email

 celery -A celery_test.server worker -l info -Q for_add

启动定时相关的任务队列

 celery -A celery_test.server beat

 celery -A celery_test.server worker -l info -Q for_send_email

 celery -A celery_test.server worker -l info -Q for_add

============================================================================

后台启动

celery multi start w1 -A proj -l info

celery  multi restart w1 -A proj -l info

# 异步关闭 立即返回

celery multi stop w1 -A proj -l info

# 等待关闭操作完成

celery multi stopwait w1 -A proj -l info

调用任务：

add.apply_async((2, 2), queue='lopri', countdown=10)

# 指定要发送到哪个队列 运行时间延迟countdown

秒客网

celery异步任务定时任务

问：Celery 是什么?

问：适用场景在哪里？

问：生产者和消费者模式定义是什么？

问：什么是任务队列？

问：什么是消息队列？

问：职程有什么作用？

问：Celery的架构三部分是哪几个部分？

实践步骤：

相关依赖：

第1步：首先搭建bottle客户端端，进行任务委派：

第2步：编写对应Celery任务模块celery_test

第3步：编写对应Celery任务模块启动配置文件

第4步：编写对应Celery实例

第5步：编写对应任务

第6步：修改main.py进行任务调用

第7步：启动指定的队列

第8步：启动web服务调用对应的URL请求异步处理异步任务

问：监控Celery任务执行情况？

PS其他命令

相关文章

celery异步任务 定时任务

问：Celery 是什么?

问：适用场景在哪里？

问：生产者和消费者模式定义是什么？

问：什么是任务队列？

问：什么是消息队列？

问：职程有什么作用？

问：Celery的架构三部分是哪几个部分？

实践步骤：

相关依赖：

第1步：首先搭建bottle客户端端，进行任务委派：

第2步：编写对应Celery任务模块celery_test

第3步：编写对应Celery任务模块启动配置文件

第4步：编写对应Celery实例

第5步：编写对应任务

第6步：修改main.py进行任务调用

第7步：启动指定的队列

第8步：启动web服务调用对应的URL请求异步处理异步任务

问：监控Celery任务执行情况？

PS其他命令

相关文章

celery异步任务定时任务