码迷,mamicode.com
首页 > 其他好文 > 详细

celery --分布式任务队列

时间:2018-10-23 14:50:23      阅读:177      评论:0      收藏:0      [点我收藏+]

标签:conf   客户   用户   ide   专用   验证   span   解决   start   

一、介绍

celery是一个基于python开发的分布式异步消息任务队列,用于处理大量消息,同时为操作提供维护此类系统所需的工具。
它是一个任务队列,专注于实时处理,同时还支持任务调度。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

二、实例场景

1、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。
2、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

三、优点

  • 1、简单:一但熟悉了celery的工作流程后,配置和使用还是比较简单的
  • 2、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
  • 3、快速:一个单进程的celery每分钟可处理上百万个任务
  • 4、灵活:几乎celery的各个组件都可以被扩展及自定制

四、入门

celery 需要一个解决方案来发送和接受消息,通常,这是以称为消息代理的单独服务的形式出现的
有以下几种解决方案,包括:
一:RabbitMQ(消息队列,一种程序之间的通信方式)
rabbitmq 功能齐全,稳定,耐用且易于安装。它是生产环境的绝佳选择。
如果您正在使用Ubuntu或Debian,请执行以下命令安装RabbitMQ:

$ sudo apt-get install rabbitmq-server

命令完成后,代理已经在后台运行,准备为您移动消息:。Starting rabbitmq-server: SUCCESS
二、redis

redis功能齐全,但在突然中止或者电源故障时更容易丢失数据

五、安装

$ pip install celery 

六、应用

创建一个tasks.py文件

from celery import Celery

app = Celery(tasks, broker=pyamqp://guest@localhost//)
@app.task
def add(x, y):
    return x + y

第一个参数Celery是当前模块的名称。只有在__main__模块中定义任务时才能自动生成名称。
第二个参数是broker关键字参数,指定要使用的消息代理的URL。这里使用RabbitMQ(也是默认选项)。
您可以使用RabbitMQ amqp://localhost,或者您可以使用Redis redis://localhost。
您定义了一个名为add的任务,返回两个数字的总和。

技术分享图片
 1 from __future__ import absolute_import
 2             import os
 3             from celery import Celery
 4             from django.conf import settings
 5             # set the default Django settings module for the ‘celery‘ program.
 6             os.environ.setdefault(DJANGO_SETTINGS_MODULE, saruman_server.settings)
 7             app = Celery(saruman_server)
 8 
 9             # Using a string here means the worker will not have to
10             # pickle the object when using Windows.
11             app.config_from_object(django.conf:settings)
12             app.autodiscover_tasks(lambda: settings.INSTALLED_APPS)
13 
14             @app.task(bind=True)
15             def debug_task(self):
16                 print(Request: {0!r}.format(self.request))
和django配合实例

七、运行celery工作服务器

您现在可以通过使用worker 参数执行我们的程序来运行worker :

celery -A tasks worker --loglevel=info

有关可用命令行选项的完整列表,请执行以下操作:

$ celery worker --help

还有其他几个可用的命令,也可以提供帮助:

$ celery help

八、调用任务

要调用我们的任务,您可以使用该delay()方法。
apply_async() 可以更好地控制任务执行

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

调用任务会返回一个AsyncResult实例。这可用于检查任务的状态,等待任务完成,或获取其返回值(或者如果任务失败,则获取异常和回溯)。

九、保持结果

如果您想跟踪任务的状态,Celery需要在某处存储或发送状态。有几个内置的结果后端可供选择:SQLAlchemy / Django ORM, Memcached,Redis,RPC(RabbitMQ / AMQP),以及 - 或者您可以定义自己的。
在本例中,我们使用rpc结果后端,它将状态作为瞬态消息发回。后端通过backend参数 指定Celery

app = Celery(tasks, backend=rpc://, broker=pyamqp://)

或者,如果您想使用Redis作为结果后端,但仍然使用RabbitMQ作为消息代理(一种流行的组合):

app = Celery(tasks, backend=redis://localhost, broker=pyamqp://)

现在配置了结果后端,让我们再次调用该任务。这次你将保持AsyncResult调用任务时返回的实例:

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

该ready()方法返回任务是否已完成处理:

>>> result.ready()
False 

十、配置

与消费类电器一样,celery不需要太多配置即可运行。它有一个输入和一个输出。输入必须连接代理,输出可以
选择到结果后端。
可以直接在应用程序上或使用专用配置模块设置配置。例如,您可以通过更改task_serializer设置来配置用于序列化任务有效负载的默认序列化程序:

app.conf.task_serializer = json

如果您一次配置了许多设置,则可以使用update:

app.conf.update(
task_serializer=json,
accept_content=[json], # Ignore other content
result_serializer=json,
timezone=Europe/Oslo,
enable_utc=True,
)

对于大型项目,建议使用专用配置模块。不鼓励硬编码周期性任务间隔和任务路由选项。将它们保存在集中位置要好得多。对于库来说尤其如此,因为它使用户能够控制其任务的行为方式。集中配置还允许您的SysAdmin在发生系统故障时进行简单的更改。
您可以通过调用app.config_from_object()方法告诉Celery实例使用配置模块:

app.config_from_object(celeryconfig)

此模块通常称为“ celeryconfig”,但您可以使用任何模块名称。
在上面的例子中,一个名为的模块celeryconfig.py必须可以从当前目录或Python路径加载。它可能看起来像这样:
celeryconfig.py:

broker_url = pyamqp://
result_backend = rpc://

task_serializer = json
result_serializer = json
accept_content = [json]
timezone = Europe/Oslo
enable_utc = True

要验证配置文件是否正常工作且不包含任何语法错误,您可以尝试导入它:
####################################################

python -m celeryconfig

为了演示配置文件的强大功能,您可以将行为不当的任务路由到专用队列:

celeryconfig.py:
task_routes = {
‘tasks.add‘: ‘low-priority‘,
}
或者不是路由它,而是可以对任务进行速率限制,这样在一分钟(10 / m)内只能处理10种此类任务:

celeryconfig.py:
task_annotations = {
‘tasks.add‘: {‘rate_limit‘: ‘10/m‘}
}
如果您使用RabbitMQ或Redis作为代理,那么您还可以指示工作人员在运行时为任务设置新的速率限制:

$ celery -A tasks control rate_limit tasks.add 10/m
worker@example.com: OK
new rate limit set successfully

十一、在项目中如何使用celery

1、可以把celery配置成一个应用
2、目录结构如下:

proj/__init__.py
    /celery.py
    /tasks.py

3、proj/celery.py内容

from __future__ import absolute_import, unicode_literals
from celery import Celery

app = Celery(proj,
    broker=amqp://,
    backend=amqp://,
    include=[proj.tasks])

# Optional configuration, see the application user guide.
app.conf.update(
    result_expires=3600,
)

if __name__ == __main__:
    app.start()

4、proj/tasks.py中的内容

from __future__ import absolute_import, unicode_literals
from .celery import 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)

5、启动worker

$ celery -A proj worker -l info

输出

-------------- celery@Alexs-MacBook-Pro.local v4.0.2 (latentcall)
---- **** -----
--- * *** * -- Darwin-15.6.0-x86_64-i386-64bit 2017-01-26 21:50:24
-- * - **** ---
- ** ---------- [config]
- ** ---------- .> app: proj:0x103a020f0
- ** ---------- .> transport: redis://localhost:6379//
- ** ---------- .> results: redis://localhost/
- *** --- * --- .> concurrency: 8 (prefork)
-- ******* ---- .> task events: OFF (enable -E to monitor tasks in this worker)
--- ***** -----
-------------- [queues]
.> celery exchange=celery(direct) key=celery

 

celery --分布式任务队列

标签:conf   客户   用户   ide   专用   验证   span   解决   start   

原文地址:https://www.cnblogs.com/haiyan123/p/9835957.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!