celery异步框架
异步框架
官方
Celery 官网:http://www.celeryproject.org/
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 --- 服务器同步客户端上传的视频
延迟执行:解决延迟任务 --- 延迟发送右键
定时执行:解决周期任务 --- 定时更新缓存
两种celery任务结构:提倡用包管理,结构更清晰
# 如果Celery对象:Celery(...)是放在一个模块下的, # 1)终端切换到该模块所在文件夹位置,如scripts # 2) 执行启动worker的命令: celery worker -A 模块名 -L info -P eventlet # 注:windows系统需要eventlet支持,linux与MacOS直接执行:celery worker -A 模块名 -l info # 注:模块名随意 # 如果Celery对象:Celery(...)是放在一个包下的, # 1)必须在这个包下建一个规定名字为celery.py的文件,将Celery(...)产生对象的语句放在该文件中 # 2) 执行启动worker的命令: celery worker -A 包名 -L info -P eventlet # 注:windows系统需要eventlet支持,linux与MacOS直接执行:celery worker -A 包名 -l info # 注:包名随意
from celery import Celery app = Celery() # 传入必要参数
第二种:tt_celery/celery.py
# tt_celey是包 from celery import Celery app = Celery() # 传入必要参数
celery执行异步任务
包封装结构
project ├── celery_task # celery包 │ ├── __init__.py # 包文件 │ ├── celery.py # celery连接和配置相关文件,且名字必须交celery.py │ └── tasks.py # 所有任务函数 ├── add_task.py # 添加任务 └── get_result.py # 获取结果
基本使用
scripts/celery_task_1/celery.py
from celery import Celery # 连接redis: 'redis://:密码@服务器IP:端口/数据库编号' broker = 'redis://:Admin123@127.0.0.1:6379/1' backend = 'redis://:Admin123@127.0.0.1:6379/2' # worker配置 app = Celery(broker=broker, backend=backend, include=['celery_task_1.tasks']) # 时区 app.conf.timezone = 'Asia/Shanghai' # 是否使用UTC # app.conf.enable_utc = False # 定时任务的配置 ''' app.conf.beat_schedule = { '自定义定时任务名': { 'task': '指向任务函数', 'schedule': '下一次再添加任务的时间间隔或固定的时间配置', 'args': '无名参数', 'kwargs': '有名参数' } } ''' # beat配置 from datetime import timedelta from celery.schedules import crontab app.conf.beat_schedule = { 'test-task': { 'task': 'celery_task_1.tasks.test_task', 'schedule': timedelta(seconds=3), # 'schedule': crontab(hour=8, day_of_week=1), # 每周一早八点 'args': (666,), } }
scripts/celery_task_1/tasks.py
from .celery import app @app.task def test_task(data): print('该方法就是任务,任务被执行了,传入的参数:%s' % data) return '该内容就是任务结果' @app.task def add(n1, n2): r = n1 + n2 print('%s + %s = %s' % (n1, n2, r)) return r
scripts/add_task.py
# 总结:该文件一定要独立开celery封装的包 # 原因:比如celery有一个更新轮播图缓存的任务,django项目是可以响应前台或后台用户主动更新轮播图数据库的数据, # 当用户更新了数据库数据,就可以执行一下代码,通知celery可以去异步执行更新轮播图缓存的任务了 # 右键执行该文件,下面带导包是合理的 from celery_task_1.tasks import test_task # 直接导入函数,调用函数,和celery没有任何关系 # test_task(666) # 要将任务交给celery来执行 # 1)异步任务(立即去异步执行) => 视频同步 # t1 = test_task.delay(666) # 返回值是任务对象,直接输出代表任务唯一标识:id # print(t1.id) # 2)延迟任务(达到设定的延迟时间后再去异步执行) => 定时发送邮件 from datetime import datetime, timedelta eta = datetime.utcnow() + timedelta(seconds=10) # t2 = test_task.apply_async(args=(888, ), eta=eta) # print(t2.id) from celery_task_1.tasks import add t3 = add.apply_async(args=(33, 66), eta=eta) # t3 = add.apply_async(kwargs={'n1': 44, 'n2': 66}, eta=eta) print(t3.id) # 3)定时任务(在worker服务以外,再启动一个beat服务,定时帮我们自动添加任务) => 定时更新轮播图 # i)在celery中配置好beat_schedule的配置后,执行命令启动定时添加任务服务 # >: celery beat -A 包名|模块名 -l info
scripts/get_task_result.py
# 获取任务结果也是项目正常逻辑来调用的 from celery.result import AsyncResult from celery_task_1.celery import app id = 'fad4b75c-c168-443a-be7c-7696b3233295' if __name__ == '__main__': task_result = AsyncResult(id=id, app=app) if task_result.successful(): result = task_result.get() print(result) elif task_result.failed(): print('任务失败') elif task_result.status == 'PENDING': print('任务等待中被执行') elif task_result.status == 'RETRY': print('任务异常后正在重试') elif task_result.status == 'STARTED': print('任务已经开始被执行')
【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
· DeepSeek 解答了困扰我五年的技术问题
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· 用 C# 插值字符串处理器写一个 sscanf
· Java 中堆内存和栈内存上的数据分布和特点
· 开发中对象命名的一点思考
· DeepSeek 解答了困扰我五年的技术问题。时代确实变了!
· PPT革命!DeepSeek+Kimi=N小时工作5分钟完成?
· What?废柴, 还在本地部署DeepSeek吗?Are you kidding?
· DeepSeek企业级部署实战指南:从服务器选型到Dify私有化落地
· 程序员转型AI:行业分析