Celery概述
关于celery的定义，首先来看官方网站：
Celery(芹菜) 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。
简单来看，是一个基于python开发的分布式异步消息任务队列，持使用任务队列的方式在分布的机器、进程、线程上执行任务调度。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中间人(消息中间件)来接收和发送任务消息，以及存储任务结果，完整的中间人列表请查阅官方网站
PS：任务队列是一种在线程或机器间分发任务的机制。
PS：消息队列的输入是工作的一个单元，称为任务，独立的工作（Worker）进程持续监视队列中是否有需要处理的新任务。
Celery简介
Celery 系统可包含多个职程和中间人，以此获得高可用性和横向扩展能力，其基本架构由三部分组成，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。
- 消息中间件，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，一般使用rabbitMQ or Redis，当然其他的还有MySQL以及Mongodb。
- 任务执行单元，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。
- 任务结果存储，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。
Celery的主要特点：
- 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
根据前面的介绍，我们可以得出如下流程图：
1、用户应用程序讲任务通过celery放入Broker中。
2、多个worker通过Broker获取任务并执行。
3、worker执行完成后，会把任务的结果、状态等信息返回到Broker中存储，供用户程序读取。
Celery模块的基本使用
要使用Celery需要先安装celery模块，下面的例子使用Python3进行举例。
# 利用pip3命令安装celery模块 pip3 install celery # 测试是否成功安装 [root@namenode ~]# python3 Python 3.6.4 (default, Dec 21 2017, 17:26:43) [GCC 4.4.7 20120313 (Red Hat 4.4.7-16)] on linux Type "help", "copyright", "credits" or "license" for more information. >>> import celery # 没有报错表示模块安装正常 >>>
PS：如果你是编译安装的Python3，执行以上步骤后不一定代表正确安装，还需要在命令行下执行celery命令，如果报错请参考这篇文章：Python3安装Celery模块后执行Celery命令报错。
Celery初探
PS：下面的例子使用redis作为消息中间人的角色。
首先创建一个celery application 用来定义任务列表，这里任务文件的名称叫做task.py(注意后面会用到文件名)。
from celery import Celery
app = Celery(‘task‘, # 任务名，一般是当前文件名
broker="redis://10.0.0.3:6379/0", # 中间人的地址
backend="redis://10.0.0.3:6379/1" # 结果数据存放地址
)
@app.task # 使用celery标识一个任务，多个任务都需要使用该装饰器
def add(x,y):
return x+y
运行一个worker
celery -A task worker --loglevel=debug # -A 标示 worker的名称 # worker 标示为工作进程 # --loglevel 标示日志输出格式
