异步任务利器Celery(一)介绍
django项目开发中遇到过一些问题,发送请求后服务器要进行一系列耗时非常长的操作,用户要等待很久的时间。可不可以立刻对用户返回响应,然后在后台运行那些操作呢?
crontab定时任务很难达到这样的要求 ,异步任务是很好的解决方法,有一个使用python写的非常好用的异步任务工具Celery。
broker、worker和backend
Celery的架构由三部分组成,消息中间件(broker),任务执行单元(worker)和任务执行结果存储(result backends)组成。
应用程序调用Celery的时候,会向broker传递消息,而后worker将会取到消息,对程序进行执行,backend用于存储这些消息以及Celery执行的结果。
消息中间件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。
RabbitMQ是最好的消息中间件,使用方法如下:
Redis也是可行的,虽然有信息丢失的风险:
其余broker Broker Overview。
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。
任务结果存储backend
用来存储Worker执行的任务的结果:SQLAlchemy/Django ORM, Memcached, Redis, RPC (RabbitMQ/AMQP)。
下载
下载Celery很简单:
1 | $ pip install celery |
这里使用Redis作为broker实践一下,需要额外的库支持,可以一起下载:
1 | $ pip install - U "celery[redis]" |
写应用程序
写一个简单的应用tasks.py:
1 2 3 4 5 6 7 | from celery import Celery app = Celery( 'tasks' , broker = 'redis://localhost:6379/0' ) @app .task def add(x, y): return x + y |
运行worker
在命令行中运行:
1 | $ celery - A tasks worker - - loglevel = info |
输出如下:
1 2 3 4 | [ 2017 - 09 - 10 06 : 59 : 58 , 665 : INFO / MainProcess] Connected to redis: / / localhost: 6379 / 0 [ 2017 - 09 - 10 06 : 59 : 58 , 671 : INFO / MainProcess] mingle: searching for neighbors [ 2017 - 09 - 10 06 : 59 : 59 , 688 : INFO / MainProcess] mingle: all alone [ 2017 - 09 - 10 06 : 59 : 59 , 724 : INFO / MainProcess] celery@ubuntu ready. |
发送任务
进入python环境:
1 2 | >>> from tasks import add >>> add.delay( 4 , 4 ) |
worker里就可以看到任务处理的消息:
1 2 | [ 2017 - 09 - 10 07 : 02 : 34 , 874 : INFO / MainProcess] Received task: task.add[ 40ec89c8 - 0a23 - 4a26 - 9da0 - 7f418c50f4cb ] [ 2017 - 09 - 10 07 : 02 : 34 , 876 : INFO / ForkPoolWorker - 1 ] Task task.add[ 40ec89c8 - 0a23 - 4a26 - 9da0 - 7f418c50f4cb ] succeeded in 0.000579041981837s : 8 |
存储结果
使用Redis作为存储backend,在tasks.py中修改:
1 | app = Celery( 'tasks' , backend = 'redis://localhost:6379/0' , broker = 'redis://localhost:6379/0' ) |
运行后就可以查看结果了:
1 2 3 4 5 6 7 8 | >>> from task import add >>> r = add.delay( 3 , 4 ) >>> r.result 7 >>> r.ready() True >>> r.get(timeout = 1 ) 7 |
可以查看Redis中的存储:
1 2 3 | 127.0 . 0.1 : 6379 > get celery - task - meta - f2032d3e - f9a0 - 425d - bce4 - f55ce58c8706 "{\"status\": \"SUCCESS\", \"traceback\": null, \"result\": 7, \"task_id\": \"f2032d3e-f9a0-425d-bce4-f55ce58c8706\", \"children\": []}" 127.0 . 0.1 : 6379 > |
超级简单,想要对Celery做更进一步的了解,请参考官方文档。
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· .NET Core 托管堆内存泄露/CPU异常的常见思路
· PostgreSQL 和 SQL Server 在统计信息维护中的关键差异
· DeepSeek “源神”启动!「GitHub 热点速览」
· 我与微信审核的“相爱相杀”看个人小程序副业
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· 如何使用 Uni-app 实现视频聊天(源码,支持安卓、iOS)
· C# 集成 DeepSeek 模型实现 AI 私有化(本地部署与 API 调用教程)