1、Celery

一、 celery介绍，架构

1、 celery: 分布式(放在多台机器)的异步任务框架

Celery是一个简单、灵活且可靠的，处理大量消息的分布式系统
Celery is a project with minimal funding, so we don’t support Microsoft Windows. Please don’t open any issues related to that platform.

2、 celery:能做什么事，解决什么问题？

　　异步任务---》项目中同步的操作，可以通过celery把它做成异步
　　延迟任务---》隔一会再执行任务
　　定时任务---》每隔多长时间干什么事

需要注意：
　　如果你的项目仅仅想做定时任务，没有必要使用celery，可以使用apscheduler
　　https://www.cnblogs.com/xiao-xue-di/p/14081790.html   

3、 celery的通俗解释

1）可以不依赖任何服务器，通过自身命令，启动服务
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(django)，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

举个例子：
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

4、 celery架构图

　　broker:任务中间件，消息队列中间件，存储任务，celery本身不提供，需要借助第三方：redis，rabbitmq..
　　worker：任务执行单元，真正指向任务的进程，celery提供的
　　backend:结果存储，任务执行结果存在某个地方，借助于第三方：redis

补充：中间件的概念

中间件不单只是指django中间件，中间件概念非常大
　　数据库中间件：应用程序和数据直接有一个东西
　　服务器中间件： web服务和浏览器之间有个东西:nginx
　　消息队列中间件：程序和程序之间：redis，rabbitmq

二、 celery 快速使用

第一步：app实例化，写任务

写一个py文件，celery_task.py---》app实例化，写任务

from celery import Celery

# 消息中间件
broker = 'redis://127.0.0.1:6379/2'
# 结果存储
backend = 'redis://127.0.0.1:6379/1'
# 实例化得到对象
app = Celery('test', broker=broker, backend=backend)


# 写任务---》使用装饰器装饰一下变成celery的任务
@app.task
def add(a, b):
    import time
    time.sleep(1)
    return a + b

第二步：提交任务，异步调用，

写一个py脚本add_task.py提交

from celery_task import add

# 同步调用,一直等结果给我
# res=add(7,8)
# print(res)

# 异步调用
res = add.apply_async(args=[7, 8])  # 把任务提交到redis中的消息队列中了，任务中间件，消息队列中间件
print(res)  # 任务id号：f1080df4-25d8-4960-8660-a42cce9cc321

第三步：启动worker

任务就被提交到redis中了，等待worker执行该任务，启动worker

启动worker执行任务需要使用命令启动

　　非windows

celery -A celery_task worker -l info

　　windows：

pip3 install eventlet  # 先安装eventlet包，再执行命令

celery -A celery_task worker -l info -P eventlet

第四步：查询结果

任务被celery执行完了，结果放到redis中了，查询结果，使用代码 AsyncResult

# 通过代码把结果取出来

from celery_task import app  # 借助于app
from celery.result import AsyncResult  # 导入一个类，来查询结果

id = "f1e748e5-d96a-4ee8-ae9c-5682201fa9d0"

if __name__ == '__main__':

    res = AsyncResult(id=id, app=app)  # 根据id，去哪个app中找哪个任务，
    if res.successful():  # 执行成功
        result = res.get()
        print('任务执行成功')
        print(result)  # 15
    elif res.failed():
        print('任务失败')
    elif res.status == 'PENDING':
        print('任务等待中被执行')
    elif res.status == 'RETRY':
        print('任务异常后正在重试')
    elif res.status == 'STARTED':
        print('任务已经开始被执行')

补充：借助于celery的异步秒杀场景分析

# 原始同步场景
100个人，秒杀3个商品--->100个人在浏览器等着开始---》一旦开始--->瞬间100个人同时发送秒杀请求到后端----》---->假设秒杀函数执行2s钟---》100个请求在2s内，一直跟后端连着，假设我的并发量是100，这两秒钟，其他任何人都访问不了了
假设 150人来秒杀---》最多能承受100个人，50个人就请求不了---》不友好

# 异步场景
100个人，秒杀3个商品--->100个人在浏览器等着开始---》一旦开始--->瞬间100个人同时发送秒杀请求到后端----》---->假设秒杀函数执行2s钟---》当前100个请求，过来，使用celery提交100个任务，请求立马返回--->这样的话，2s内能提交特别多的任务，可以接收特别多人发的请求---》后台使用worker慢慢的执行秒杀任务---》多起几个worker---》过了一会，所有提交的任务都执行完了

提交完任务，返回前端---》前端使用个动态图片盖住页面，显示您正在排队，每个2s钟，向后端发送一次ajax请求，带着id号，查询结果是否完成，如果没完成---》再等2s钟--->如果秒杀成功了，显示恭喜您，成了---》如果没有成功，显示很遗憾，没有秒到

三、 celery包结构

celery包结构

-celery_task  # 包 
    -__init__.py
    -celery.py  # 写app的py文件
    -home_task.py # 任务1 
    -order_task.py # 任务2
    -user_task.py # 任务3
--------------下面这些，跟上面可能在不同项目中----------------    
add_task.py   # 提交任务，django中提交
get_result.py # 查询结果，django中查询

celery包内文件

selery.py

from celery import Celery

# 消息中间件
broker = 'redis://127.0.0.1:6379/2'
# 结果存储
backend = 'redis://127.0.0.1:6379/1'
# 实例化得到对象
app = Celery('test', broker=broker, backend=backend, include=[
    'celery_task.home_task',
    'celery_task.order_task',
    'celery_task.user_task',
])
# 写好include，会去相应的py下检索任务，这些任务都被app管理

# 以后任务不写在这里了，放到单独的py文件中

user_task.py

from .celery import app

@app.task
def send_sms(phone):
    print('手机号：%s，发送成功' % phone)
    return True

add_tsek.py

from celery_task.user_task import send_sms

res=send_sms.apply_async(args=['1872637484872'])
print(res)

get_result.py

# 通过代码把结果取出来
from celery_task.celery import app  # 借助于app
from celery.result import AsyncResult  # 导入一个类，来查询结果

id = 'd9692e2a-1e1f-436c-b58f-b25484cc5c56'
if __name__ == '__main__':
    res = AsyncResult(id=id, app=app)  # 根据id，去哪个app中找哪个任务，
    if res.successful(): # 执行成功
        result = res.get()
        print('任务执行成功')
        print(result) # 15
    elif res.failed():
        print('任务失败')
    elif res.status == 'PENDING':
        print('任务等待中被执行')
    elif res.status == 'RETRY':
        print('任务异常后正在重试')
    elif res.status == 'STARTED':
        print('任务已经开始被执行')

四、 celery执行异步任务

# 任务名.delay(参数，参数)
# 异步执行

五、 celery执行延迟任务

from datetime import datetime, timedelta
eta = datetime.utcnow() + timedelta(seconds=10)  # 5s后时间
# eta = datetime.utcnow() + timedelta(days=3)  # 3天后后时间
res = send_sms.apply_async(args=['17777777'], eta=eta)
print(res)

六、 celery执行定时任务

###### 第一步:在app中写入定时任务
app.conf.timezone = 'Asia/Shanghai'
# 是否使用UTC
app.conf.enable_utc = False
### celery的配置信息---结束###

#### 定时任务
from datetime import timedelta
from celery.schedules import crontab
app.conf.beat_schedule = {
    'send_sms_5': {
        'task': 'celery_task.user_task.send_sms',  # 哪个任务
        'schedule': timedelta(seconds=5),  # 每5s干一次
        # 'schedule': crontab(hour=8, day_of_week=1),  # 每周一早八点
        'args': ('18988377473',),
    },
}


###### 第一步:启动worker
celery -A celery_task worker -l info
####  第三步：启动beat   【【【【注意路径】】】】】
celery -A celery_task beat -l info


### 本质是beat 5s钟提交一次任务，worker执行

七、 django中使用celery

 第一步：把celery包copy到项目路径下

# 第一步：把包copy到项目路径下
luffy_api
  celery_task
      user_task.py
      order_task.py
      home_task.py
      celery.py
      __init__.py
      
# 实际项目中，把task放到了不同app中

第二步：编写任务函数

# 异步任务：新增用户
@app.task()
def create_user(mobile, username, password):
    from user.models import User
    User.objects.create_user(mobile=mobile, username=username, password=password)
    return True

第三步：提交任务，导入执行

# 第三步：在要提交任务的地方，导入执行
from celery_task.user_task import create_user
class TestView(APIView):
    def get(self, requeste):
        create_user.delay('12222222','lqznb','lqz12345')
        return Response('用户创建任务已经提交')

第四步：启动worker

# 第四步：启动worker（）

celery -A celery_task worker -l info -P eventlet

八、 定时更新轮播图接口

1、轮播图接口加缓存

首页轮播图中的图片——》是在mysql中查的——》假设瞬间10w访问首页-——》数据库会查询10w次，返回数据——》但是实际上，咱们轮播图基本不变——》如此会导致一个问题，浪费查取资源，对mysql压力大
为此我们必须优化——》对轮播图接口做个缓存——》第一次访问查询mysql，放到reids中，以后都从redis中取，如果redis中没有，再去数据库中查——》好处在于，对mysql压力小，redis性能高，

对此我们可以得出一个通用结论：以后如果接口响应慢，第一想法先加缓存。

　　把查出来的数据缓存到redis中。

　　再来请求，先从redis中查，如果没有，再去mysql查，然后在redis缓存一份

class BannerView(GenericViewSet,ListModelMixin,UpdateModelMixin):
# class BannerView(GenericViewSet,ListModelMixin):
    # 获取所有接口-list，自动生成路由
    # qs对象可以像列表一样，切片
    queryset = Banner.objects.filter(is_delete=False,is_show=True).order_by('orders')[:settings.BANNER_COUNT]
    serializer_class =BannerSerializer

    def list(self, request, *args, **kwargs): # 重写list
        # 逻辑是，先去redis中查询，如果有，直接返回，如果没有，再执行下面super().list这句，这句是去数据库中查
        banner_list=cache.get('banner_list')
        if banner_list:
            print('走了缓存，很快很快')
            return APIResponse(result=banner_list)
        else:
            print('没走缓存比较慢')
            res=super().list(request, *args, **kwargs)
            # 再缓存一份
            cache.set('banner_list',res.data)
            return APIResponse(result=res.data)

2、加缓存引发的双写一致性问题和解决方式

双写一致性问题

通过家缓存，现在redis中有一份数据，mysql中也有一份数据，那么就出现了一个问题：如果mysql更新了，reids并不会主动更新
这个问题的专业名词叫：双写一致性问题，它是指写入mysql，redis是否同步

解决方式

　　第一：定时更新   10分钟更新一次缓存  
　　第二：写入mysql，删除缓存
　　第三：写入mysql，更新缓存

代码演示

@app.task
def update_banner_list():
    queryset = models.Banner.objects.filter(is_delete=False, is_show=True).order_by('-orders')[:settings.BANNER_COUNT]
    banner_list = serializer.BannerSerializer(queryset, many=True).data
    # 拿不到request对象，所以头像的连接base_url要自己组装
    for banner in banner_list:
        banner['image'] = 'http://127.0.0.1:8000%s' % banner['image']

    cache.set('banner_list', banner_list, 86400)
    return True