Celery

Celery

官网

Celery 官网：//www.celeryproject.org/

Celery 官方文档英文版：//docs.celeryproject.org/en/latest/index.html

Celery 官方文档中文版：//docs.jinkan.org/docs/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，专注于实时处理的异步任务队列，同时也支持任务调度

# 官网解释
"""
Celery is a project with minimal funding, so we don’t support Microsoft Windows. Please don’t open any issues related to that platform.
"""

Celery异步任务框架

"""
1）可以不依赖任何服务器，通过自身命令，启动服务(内部支持socket)
2）celery服务为为其他项目服务提供异步解决任务需求的
注：会有两个服务同时运行，一个是项目服务，一个是celery服务，项目服务将需要异步处理的任务交给celery服务，celery就会在需要时异步完成项目的需求

人是一个独立运行的服务 | 医院也是一个独立运行的服务
	正常情况下，人可以完成所有健康情况的动作，不需要医院的参与；但当人生病时，就会被医院接收，解决人生病问题
	人生病的处理方案交给医院来解决，所有人不生病时，医院独立运行，人生病时，医院就来解决人生病的需求
"""

Celery架构

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。

1

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等等

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等

使用场景

异步执行：解决耗时任务,将耗时操作任务提交给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

延迟执行：解决延迟任务

定时执行：解决周期(周期)任务,比如每天数据统计

Celery的安装配置

安装：pip install celery

消息中间件：RabbitMQ/Redis

app=Celery(‘任务名’, broker=’xxx’, backend=’xxx’)

注意如果是windows平台还需要安装：pip install eventlet

两种celery任务结构：提倡用包管理，结构更清晰

方式一：简单使用

image-20220502204920533

# 第一步：定义一个py文件（名字随意，celery_task） 
"""celery_task.py"""
from celery import Celery
backend = 'redis://127.0.0.1:6379/1'   # 结果存储
broker = 'redis://127.0.0.1:6379/2'    # 消息中间件
app = Celery(__name__,broker=broker,backend=backend)  # __name__区分__main__

# 被它修饰，就变成了celery的任务
@app.task
def add(a,b):
    return a+b

# 第二步：提交任务（新建一个py文件：submit_task）
"""submit_task.py"""
from celery_task import add
# 异步调用
# 只是把任务提交到了redis中，但是没有执行，返回一个唯一标识，后期使用唯一标识去看任务执行结果
res=add.delay(33,41)
print(res)  # 2ddb35df-25f2-4f7c-8405-0bd7b1fa5645


# 第三步：任务执行单元执行，使用命令启动worker   
格式：celery -A 文件名  worker  -l 日志输出级别   (win平台+-P eventlet）
celery -A celery_task worker -l info -P eventlet
'''
celery_task：py文件的名字
-l info:日志输出级别是info 
-P eventlet  在win平台需要下载，pip  install  eventlet
'''
#如果队列里有任务，就会执行，如果没有任务，worker就等在这                                    
                                    
# 第四步：查询结果是否执行完成  get_result.py   
"""get_result.py"""
from celery_task import app

from celery.result import AsyncResult

id = '2ddb35df-25f2-4f7c-8405-0bd7b1fa5645'
if __name__ == '__main__':
    asy = AsyncResult(id=id, app=app)
    if asy.successful():
        result = asy.get()
        print(result)
    elif asy.failed():
        print('任务失败')
    elif asy.status == 'PENDING':
        print('任务等待中被执行')
    elif asy.status == 'RETRY':
        print('任务异常后正在重试')
    elif asy.status == 'STARTED':
        print('任务已经开始被执行')

方法二：包管理结构（推荐）

随便定义包名，但是包内必须要有celery.py

1 包结构
	celery_task
        __init__.py
        celery.py
        course_task.py
        home_task.py
        user_task.py

步骤：

  • 创建包，包下写celery.py文件，文件内写celery任务

    from celery import Celery
backend = 'redis://127.0.0.1:6379/1'
broker = 'redis://127.0.0.1:6379/2'
app = Celery(__name__, broker=broker, backend=backend,include=['celery_task.add_task'])
# include内写app管理的任务

  • 任意位置提交任务

    from celery_task.add_task import add
from celery_task.celery import app
res=add.delay(100,200)
print(res)
# 提交任务delay在任意位置提交就可以，只需将celery任务导过来即可

  • 启动worker ：包管理只需去包所在的根路径启动就可以了，不需要切换路径到包内去启动worker，因为包下有celery.py了

    scripts> celery -A celery_task worker -l info -P eventlet

  • 查看结果

    from celery_task import app

from celery.result import AsyncResult

id = '2ddb35df-25f2-4f7c-8405-0bd7b1fa5645'
if __name__ == '__main__':
    asy = AsyncResult(id=id, app=app)
    if asy.successful():
        result = asy.get()
        print(result)
    elif asy.failed():
        print('任务失败')
    elif asy.status == 'PENDING':
        print('任务等待中被执行')
    elif asy.status == 'RETRY':
        print('任务异常后正在重试')
    elif asy.status == 'STARTED':
        print('任务已经开始被执行')

【待续】

Tags:

VirMach 便宜 VPS

QNews

QNews