Celery&Flower文档笔记

1、Celery

# tasks.py
from celery import Celery 
app = Celery('tasks', broker='redis://localhost:6379', backend='redis://localhost:6379/0')  
  
@app.task  
def add(a, b):  
    print(a + b)

创建实例

app是celery的一个实例，第一个参数表示app的名称，broker申明使用的broker是谁，这里用的是Redis。backend申明后端结果存储在哪里。
@app.task表示这是app的一个任务。

启动worker

接着启动worker。到目录下执行celery -A tasks worker --loglevel=info。tasks为实例在哪个模块中，这里在tasks.py中，celery会自己去找实例，你也可以指定tasks.app。-loglevel 指定了日志级别，也可以用-l info表示。在Windows中，celery4以上在这样执行后续可能会报错，那么可以使用celery -A tasks worker -pool=solo -l info打开worker。或者在tasks.py中加一句os.environ.setdefault('FORKED_BY_MULTIPROCESSING', '1')。
如果要停止worker，使用control + c。

把任务给worker

在启动celery worker后，可以使用delay函数把任务给worker去异步执行。

from tasks import add

if __name__ == '__main__':  
    print("start add")  
    add.delay(1, 2)  
    print("end")

如果配置了backend，那么能接收delay的返回值result，使用result.ready()判断是否执行完毕。

配置

celery允许我们进行相关的配置，比如app.conf.task_serializer = 'json'。如果需要同时配置多条，可以使用update进行配置。

目录结构：
proj/main.py
	/config.py
	/tasks.py

app.conf.update(
    task_serializer='json',
    accept_content=['json'],  # Ignore other content
    result_serializer='json',
    timezone='Europe/Oslo',
    enable_utc=True,
)

对于大型的工程，可以使用专门的配置模块进行配置，app.config_from_object('celeryconfig')，celeryconfig为配置模块的名称，我们可以在同级目录下创建celeryconfig.py进行配置。

broker_url = 'pyamqp://'
result_backend = 'rpc://'

task_serializer = 'json'
result_serializer = 'json'
accept_content = ['json']
timezone = 'Europe/Oslo'
enable_utc = True

全部代码：

# main.py
from tasks import add  
  
if __name__ == '__main__':  
    print("start add")  
    add.delay(1, 2)  
    print("end")

# tasks.py
from celery import Celery  
import os  
  
os.environ.setdefault('FORKED_BY_MULTIPROCESSING', '1')  
app = Celery('tasks')  
app.config_from_object('config')  
  
@app.task  
def add(a, b):  
    print(a + b)

# config.py
broker_url='redis://localhost:6379'  
result_backend='redis://localhost:6379'

关于PENDING队列：

Retrieve list of tasks in a queue in Celery
Message Protocol

监控celery

使用events得到事件发生的信息，从而进行监控。
Monitoring and Management Guide

from celery import Celery

def my_monitor(app):
    state = app.events.State()

    def announce_failed_tasks(event):
        state.event(event)
        # task name is sent only with -received event, and state
        # will keep track of this for us.
        task = state.tasks.get(event['uuid'])

        print('TASK FAILED: %s[%s] %s' % (
            task.name, task.uuid, task.info(),))

    with app.connection() as connection:
        recv = app.events.Receiver(connection, handlers={
                'task-failed': announce_failed_tasks,
                '*': state.event,
        })
        recv.capture(limit=None, timeout=None, wakeup=True)

if __name__ == '__main__':
    app = Celery(broker='amqp://guest@localhost//')
    my_monitor(app)

2、Flower事件实时监控工具

打开本地监听：flower --port=5555
或者从Celery运行：celery flower --address=127.0.0.1 --port=5555
如果要开放给外网：celery flower --address=0.0.0.0 --port=5555。
可以在后面加上--basic_auth=name:password用来进行简单的登录验证。
打开后进入127.0.0.1:5555进入flower界面。
然后我们使用celery就能在flower页面看到监控记录了。

flower提供了HTTP API，可以通过此对worker进行远程操控。

API Reference
Configuration and defaults