Celery 分布式任务队列入门

时间：2017-05-29 18:13:48 阅读：576 评论：0 收藏：0 [点我收藏+]

标签：函数调度分布式技术模式视图 host 优点 turn

一、Celery介绍和基本使用

Celery 是一个基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理，如果你的业务场景中需要用到异步任务，就可以考虑使用celery，举几个实例场景中可用的例子:

你想对100台机器执行一条批量命令，可能会花很长时间，但你不想让你的程序等着结果返回，而是给你返回一个任务ID,你过一段时间只需要拿着这个任务id就可以拿到任务执行结果，在任务执行ing进行时，你可以继续做其它的事情。
你想做一个定时任务，比如每天检测一下你们所有客户的资料，如果发现今天是客户的生日，就给他发个短信祝福

Celery 在执行任务时需要通过一个消息中间件来接收和发送任务消息，以及存储任务结果，一般使用rabbitMQ or Redis,后面会讲

1.1 Celery有以下优点：

简单：一单熟悉了celery的工作流程后，配置和使用还是比较简单的
高可用：当任务执行失败或执行过程中发生连接中断，celery 会自动尝试重新执行任务
快速：一个单进程的celery每分钟可处理上百万个任务
灵活：几乎celery的各个组件都可以被扩展及自定制

Celery基本工作流程图

技术分享

1.2 Celery安装使用

Celery的默认broker是RabbitMQ, 我这里使用redis,仅需配置一行就可以

broker_url = ‘amqp://guest:guest@localhost:5672//‘

使用Redis做broker也可以

broker_url = ‘redis://:password@localhost:6379‘

　注意：celery任务队列执行使用的中间件和取结果的中间件是彼此分离的，在使用中都需要各自配置

技术分享

1. 3 开始使用Celery啦　　

安装celery模块

pip3 install celery

创建一个celery application 用来定义你的任务列表

创建一个任务文件就叫tasks.py吧

from celery import Celery
 
#app是一个worker,负责执行任务，多个worker执行时，任务执行顺序为抢占式，并不会按照类似于rabbitmq分配任务
app = Celery(‘tasks‘,   
             broker=‘redis://:password@localhost‘,   #执行任务中间件  
             backend=‘redis://:password@localhost‘)    #保存结果中间件
 
@app.task
def add(x,y):   #这是worker可以执行的一个任务
    print("running...",x,y)
    return x+y

　启动Celery Worker来开始监听并执行任务　

celery -A celery_test worker -l debug

　打印结果如下：

技术分享

上面显示配置信息

下面红线内为自定义任务：

技术分享

调用任务

再打开一个终端，进行命令行模式，调用任务

>>> from celery_test import add
>>> add.delay(4, 4)

看你的worker终端会显示收到一个任务，此时你想看任务结果的话，需要在调用任务时　赋值个变量

>>> result = add.delay(4, 4)

如果想查看任务是否完成，可调用下面命令，返回布尔值

>>> result.ready()

　想拿到任务执行结果，调用下面命令（注意：想拿到结果首先得配置接收任务的中间件，否则会报错）

result.get()

二、在项目中如何使用celery　

可以把celery配置成一个应用　

目录格式如下

proj/__init__.py
    /celery.py   #配置信息
    /tasks.py    #任务

　配置结果如下：　

　技术分享

编辑proj/celery.py文件:

from __future__ import absolute_import, unicode_literals  #声明celery从python包绝对路径里导入celery包
from celery import Celery
 
app = Celery(‘proj‘,
             broker=‘amqp://‘,
             backend=‘amqp://‘,
             include=[‘proj.tasks‘])  #任务文件路径列表,可添加多个任务
 
# Optional configuration, see the application user guide.
app.conf.update(
    result_expires=3600,   #任务结果保存时间
)
 
if __name__ == ‘__main__‘:
    app.start()

`编辑proj/tasks.py中的内容`

from __future__ import absolute_import, unicode_literals
from .celery import app  #导入同级目录下celery文件中的app


@app.task
def add(x, y):
    return x + y


@app.task
def mul(x, y):
    return x * y


@app.task
def xsum(numbers):
    return sum(numbers)

　cd到proj文件夹上一级启动worker ，命令如下

 celery -A proj worker -l debug

　执行结果：

技术分享

同时启动多个worker:

技术分享

停止某个worker:(stopwait是等待当前任务完成停止，stop是立即停止)

技术分享

三：celery+django项目

django 可以轻松跟celery结合实现异步任务，只需简单配置即可

技术分享

第一步：在settings.py同级目录下，创建celery.py文件

from __future__ import absolute_import, unicode_literals
import os
from celery import Celery
 
# set the default Django settings module for the ‘celery‘ program.
os.environ.setdefault(‘DJANGO_SETTINGS_MODULE‘, ‘PERCRM.settings‘)    #根据具体项目配置
 
app = Celery(‘PERCRM‘)
 
# 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()   #自动发现各个app里面创建的celery任务，可以创建多个任务

@app.task(bind=True) def debug_task(self): print(‘Request: {0!r}‘.format(self.request))

第二步：配置settings.py同级目录下的init.py文件

from __future__ import absolute_import, unicode_literals

# 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‘]

第三步：配置settings.py文件　　

CELERY_BROKER_URL = ‘redis://:123456@192.168.2.107‘
CELERY_RESULT_BACKEND = ‘redis://:123456@192.168.2.107‘

第四步：创建任务文件，在APP下创建tasks.py文件

技术分享

任务内容格式如下：

# Create your tasks here
from __future__ import absolute_import, unicode_literals
from celery import shared_task  #可以跟其他APP共享任务


@shared_task
def add(x, y):
    return x + y


@shared_task
def mul(x, y):
    return x * y


@shared_task
def xsum(numbers):
    return sum(numbers)

　此时，基本的配置就完了，加上一条对应的视图，整个项目就可以结合celery运行了　

urls.py:

技术分享

views.py

from students.tasks import add,mul


def celery_test(request):
    task = add.delay(123,456)

    return HttpResponse(task.id)

　现在我们启动项目：

技术分享

进到项目里面启动celery

技术分享

此时在浏览器访问http://192.168.2.107:8866/celery_test/

结果如下，返回了celery任务id，一个简单的celery与django结合的项目就完成了

技术分享

再查看服务端celery

技术分享

四、Celery 定时任务

celery支持定时任务，设定好任务的执行时间，celery就会定时自动帮你执行，这个定时任务模块叫celery beat

写一个脚本叫periodic_task.py

from celery import Celery
from celery.schedules import crontab
 
app = Celery()
 
@app.on_after_configure.connect  #装饰器作用：只要脚本一启动便立刻自动执行被装饰的函数
def setup_periodic_tasks(sender, **kwargs):
    # Calls test(‘hello‘) every 10 seconds.
    sender.add_periodic_task(10.0, test.s(‘hello‘), name=‘add every 10‘)  #每隔十秒钟，执行test函数，传入参数‘hello’,
 
    # Calls test(‘world‘) every 30 seconds
    sender.add_periodic_task(30.0, test.s(‘world‘), expires=10)  #expires任务结果保存十秒钟
  
    # Executes every Monday morning at 7:30 a.m.
    sender.add_periodic_task(
        crontab(hour=7, minute=30, day_of_week=1),
        test.s(‘Happy Mondays!‘),  #每周一早上十点半执行test函数
    )
 
@app.task
def test(arg):
    print(arg)

　add_periodic_task 会添加一条定时任务

上面是通过调用函数添加定时任务，也可以像写配置文件一样的形式添加，下面是每30s执行的任务　

app.conf.beat_schedule = {
    ‘add-every-30-seconds‘: {
        ‘task‘: ‘tasks.add‘,
        ‘schedule‘: 30.0,
        ‘args‘: (16, 16)
    },
}
app.conf.timezone = ‘UTC‘

　任务添加好了，需要让celery单独启动一个进程来定时发起这些任务，注意，这里是发起任务，不是执行，这个进程只会不断的去检查你的任务计划，每发现有任务需要执行了，就发起一个任务调用消息，交给celery worker去执行　

启动任务调度器 celery beat，（注意：需写上具体的任务名）

技术分享