标签：
Celery （芹菜）是基于Python开发的分布式任务队列。它支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。
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。
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。包括，RabbitMQ, Redis, MongoDB (experimental), Amazon SQS (experimental),CouchDB (experimental), SQLAlchemy (experimental),Django ORM (experimental), IronMQ
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AMQP, Redis，memcached, MongoDB，SQLAlchemy, Django ORM，Apache Cassandra, IronCache
另外， Celery还支持不同的并发和序列化的手段
并发
Prefork, Eventlet, gevent, threads/single threaded
序列化
pickle, json, yaml, msgpack. zlib, bzip2 compression， Cryptographic message signing 等等
Celery的安装过程略为复杂，下面的安装过程是基于我的AWS EC2的Linux版本的安装过程，不同的系统安装过程可能会有差异。大家可以参考官方文档。
首先我选择RabbitMQ作为消息中间件，所以要先安装RabbitMQ。作为安装准备，先更新YUM。
|
1
|
sudo
yum -y update
|
RabbitMQ是基于erlang的，所以先安装erlang
|
1
2
3
4
5
6
7
8
|
# Add and enable relevant application repositories:
# Note: We are also enabling third party remi package repositories.
wget http:
//dl
.fedoraproject.org
/pub/epel/6/x86_64/epel-release-6-8
.noarch.rpm
wget http:
//rpms
.famillecollet.com
/enterprise/remi-release-6
.rpm
sudo
rpm -Uvh remi-release-6*.rpm epel-release-6*.rpm
# Finally, download and install Erlang:
yum
install
-y erlang
|
然后安装RabbitMQ
|
1
2
3
4
5
6
|
# Download the latest RabbitMQ package using wget:
wget
# Add the necessary keys for verification:
rpm --
import
# Install the .RPM package using YUM:
yum
install
rabbitmq-server-3.2.2-1.noarch.rpm
|
启动RabbitMQ服务
|
1
|
rabbitmq-server start
|
RabbitMQ服务已经准备好了，然后安装Celery， 假定你使用pip来管理你的python安装包
|
1
|
pip
install
Celery
|
为了测试Celery是否工作，我们运行一个最简单的任务，编写tasks.py
|
1
2
3
4
5
6
7
8
|
from
celery
import
Celery
app
=
Celery(
‘tasks‘
, backend
=
‘amqp‘
, broker
=
‘amqp://guest@localhost//‘
)
app.conf.CELERY_RESULT_BACKEND
=
‘db+sqlite:///results.sqlite‘
@app
.task
def
add(x, y):
return
x
+
y
|
在当前目录运行一个worker，用来执行这个加法的task
|
1
|
celery -A tasks worker --loglevel=info
|
其中－A参数表示的是Celery App的名字。注意这里我使用的是SQLAlchemy作为结果存储。对应的python包要事先安装好。
worker日志中我们会看到这样的信息
|
1
2
3
4
5
|
- ** ---------- [config]
- ** ---------- .> app: tasks:0x1e68d50
- ** ---------- .> results: db+sqlite:
///results
.sqlite
- *** --- * --- .> concurrency: 8 (prefork)
|
其中，我们可以看到worker缺省使用prefork来执行并发，并设置并发数为8
下面的任务执行的客户端代码：
|
1
2
3
4
5
6
7
8
9
|
from
tasks
import
add
import
time
result
=
add.delay(
4
,
4
)
while
not
result.ready():
print
"not ready yet"
time.sleep(
5
)
print
result.get()
|
用python执行这段客户端代码，在客户端，结果如下
|
1
2
|
not ready
8
|
Work日志显示
|
1
2
|
[2015-03-12 02:54:07,973: INFO
/MainProcess
] Received task: tasks.add[34c4210f-1bc5-420f-a421-1500361b914f]
[2015-03-12 02:54:08,006: INFO
/MainProcess
] Task tasks.add[34c4210f-1bc5-420f-a421-1500361b914f] succeeded
in
0.0309705100954s: 8
|
这里我们可以发现，每一个task有一个唯一的ID，task异步执行在worker上。
这里要注意的是，如果你运行官方文档中的例子，你是无法在客户端得到结果的，这也是我为什么要使用SQLAlchemy 来存储任务执行结果的原因。官方的例子使用AMPQ，有可能Worker在打印日志的时候取出了task的运行结果显示在worker日志中，然而 AMPQ作为一个消息队列，当消息被取走后，队列中就没有了，于是客户端总是无法得到任务的执行结果。不知道为什么官方文档对这样的错误视而不见。
如果大家想要对Celery做更进一步的了解，请参考官方文档
标签：
原文地址：http://my.oschina.net/u/2306127/blog/417360
