【Python】Celery基本使用

目录

初识celery

说明

celery的框架由三部分组成：

使用场景

使用优点

安装及使用

安装

案例演示

1. 创建项目celerypro

2. 创建异步任务执行文件celery_task

3. 使用命令启动celery

4. 执行测试函数

5. 异步获取结果

---

初识celery

celery是一个简单、灵活且可靠的，处理大量消息的分布式系统，专注于处理异步任务队列，同时也支持任务调度。

说明

1. 分布式系统：一个系统应用由不同的组件构成，我们将不同组件架构在不同的服务器中，不同组件之间通过消息通信的方式来实现协调工作。
   

   
   

2. 图中user指的是django或者flask这样的框架，接收请求之后需要进行处理。
   

   
   

3. 图中AMQPbroker指的是中间件，我们可以用RabbitMQ或者Redis来承担相关工作。
   

   
   

4. 图中celery workers值得是celery，它作为消费者监听中间件中的任务，这里就需要用到并发的 *** 作了，celery实现了并发（进程+协程），我们只需要调用就可以了。
   

   
   

celery的框架由三部分组成：

• 消息中间件（message broker）
  • 　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等等。
    

    
    

  •     官方推荐用rabbitMQ，因为它持久稳定。
    

    
    

• 任务执行单元（worker）
  • 　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。
    

    
    

• 任务执行结果存储（task result store）
  • 　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等

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

使用场景

celery是一个强大分布式任务队列的异步处理框架，它可以让任务的执行完全脱离主程序，甚至可以被分配到其他主机上运行。

我们通常使用它来实现异步任务（async task）和定时任务（crontab)。

异步任务：将耗时 *** 作任务提交给Celery去异步执行，比如发送短信/邮件、消息推送、音视频处理等等

定时任务：定时执行某件事情，比如每天数据统计

使用优点

Simple(简单)
Celery 使用和维护都非常简单，并且不需要配置文件。

Highly Available（高可用）
woker和client会在网络连接丢失或者失败时，自动进行重试。

并且有的brokers 也支持“双主”或者“主／从”的方式实现高可用。

Fast（快速）
单个的Celery进程每分钟可以处理百万级的任务，并且只需要毫秒级的往返延迟（使用 RabbitMQ, librabbitmq, 和优化设置时）

Flexible（灵活）
Celery几乎每个部分都可以扩展使用，自定义池实现、序列化、压缩方案、日志记录、调度器、消费者、生产者、broker传输等等。

安装及使用 安装

pip install celery

使用过程很简单

1. 确定异步任务函数，通过命令确定之后，生产者会把函数名和相关参数传给消息中间件。

2. 通过一条命令把celery启动，实现celery workers对消息队列的监听。

案例演示

这里为了方便，我们使用redis来进行演示，redis在使用的时候充当两个角色，一个是消息中间件，一个是存储结果的数据库。

1. 创建项目celerypro 2. 创建异步任务执行文件celery_task

import celery
import time
backend = 'redis://127.0.0.1:6379/1'    # 设置redis的1数据库来存放结果
broker = 'redis://127.0.0.1:6379/2'      # 设置redis的2数据库存放消息中间件
cel = celery.Celery('test', backend=backend, broker=broker)
    # 参数说明：第一个是celery的名字，这个celery和哪个项目相关就命名哪个
    # 后面两个关键字参数则是指定消息中间件和结果存放位置。




@cel.task
def send_email(name):
    print("向%s发送邮件..." % name)
    time.sleep(5)
    print("向%s发送邮件完成" % name)
    return "ok"

@cel.task
def send_msg(name):
    print("向%s发送短信..." % name)
    time.sleep(5)
    print("向%s发送短信完成" % name)
    return "ok"

3. 使用命令启动celery

celery --app=demo worker -l INFO

 下面是执行之后的效果：

在使用过程中也可能会出现下面问题：

 这是因为在celery用到了协程，协程在使用的使用需要用猴子补丁，具体解决方式是，首先下载eventlet：

pip install eventlet

然后对启动命令进行修改：

celery --app=celery_task worker -l INFO -P eventlet

4. 执行测试函数

建立一个文件，放入下面代码进行celery异步函数的测试：

from celery_task import send_email, send_msg

result1 = send_email.delay("张三")
print(result1.id)
result2 = send_email.delay("李四")
print(result2.id)
result3 = send_email.delay("王五")
print(result3.id)
result4 = send_email.delay("赵六")
print(result4.id)

下面是运行结果，而在celery的界面中也可以看到对应的日志信息：

运行的结果不是异步函数的返回值，而是一个id值，因为celery会将函数进行异步处理，结果会存放到指定的数据库中，而我们取值的时候就需要用id值了。

5. 异步获取结果

from celery.result import AsyncResult
from celery_task import cel

async_result=AsyncResult(id="275f43a8-a5bb-4822-9a90-8be3feeb3b4", app=cel)

if async_result.successful():
    result = async_result.get()
    print(result)
    # result.forget() # 将结果删除
elif async_result.failed():
    print('执行失败')
elif async_result.status == 'PENDING':
    print('任务等待中被执行')
elif async_result.status == 'RETRY':
    print('任务异常后正在重试')
elif async_result.status == 'STARTED':
    print('任务已经开始被执行')

说明：执行失败效果是代码有错但是异步不会停止，还是会执行获得id，但是当获取结果的时候，async_result.failed()结果为真。

如果要演示记得重启celery，否则修改不生效。