Celery

官网

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

Celery 官方文档中文版：http://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。

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

# 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')

Celery主要处理三种任务

异步任务，延迟任务，定时任务

delay提交异步任务

上面的示例就是

apply_async提交延迟任务

# 其他不变，提交任务的时候，如下：
from celery_task.user_task import add
from datetime import datetime, timedelta
eta = datetime.utcnow() + timedelta(seconds=10)
# 参数传递需要使用args，传时间要使用时间对象eta，使用的是utc时间
mul.apply_async(args=(20, 50), eta=eta)

beat_schedule提交定时任务

定时任务需要启动beat和worker

beat负责提交定时任务
worker负责提交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

# 时区
app.conf.timezone='Asia/Shanghai'
# 是否使用UTC
app.conf.enable_utc=False



#第一步：在celery.py中配置
# celery任务的定时配置
from datetime import timedelta
from celery.schedules import crontab
app.conf.beat_schedule = {
    '''
    任务名：{
    task：任务
    schedule：时间
    args：参数(函数参数)
    }
    '''
    'task-mul': {
        'task': 'celery_task.user_task.mul',
        'schedule': timedelta(seconds=3),  # 3s后
        # 'schedule': crontab(hour=8, day_of_week=1),  # 每周一早八点
        'args': (3, 15),
    },
    'task-add': {
        'task': 'celery_task.home_task.add',
        'schedule': timedelta(seconds=10),  # 10s后
        # 'schedule': crontab(hour=8, day_of_week=1),  # 每周一早八点
        'args': (3, 5),
    },

}


#第二步：启动beat（beat负责定时提交任务）
celery -A celery_task beat -l info
# 第三步：启动worker，任务就会被worker执行了
celery -A celery_task worker -l info -P eventlet

posted @ 2022-05-03 00:03 HammerZe 阅读(115) 评论(0) 编辑收藏举报

刷新页面返回顶部

HammerZe'BK

Actions speak louder than words.

Celery

Celery

官网

Celery异步任务框架

Celery架构

消息中间件

任务执行单元

任务结果存储

使用场景

Celery的安装配置

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

方法二：包管理结构（推荐）

Celery主要处理三种任务

delay提交异步任务

apply_async提交延迟任务

beat_schedule提交定时任务

公告