Celery在python中的单独使用

简单使用：

　　1.目录结构

　　　　-app_task.py
　　　　-worker.py
　　　　-result.py

　　2.在需要进行异步执行的文件app_task.py中导入celery,并实例化出一个对象，传入消息中间和数据存储配置参数

broker = 'redis://127.0.0.1:6379/1' # 使用redis第一个库
backend = 'redis://127.0.0.1:6379/2' # 使用redis第二个库
cel = celery.Celery('test',broker=broker,backend=backend)

　　3.在需要进行异步执行的函数上添加装饰器

@cle.task
def add(x,y):
    return x+y

　　4.新建文件worker.py用来添加任务

from app_task import add
result = add.delay(4,2)
print(result)  # 此结果不是add执行结果，而是放入消息队列中的一个任务id

　　5.新建文件result.py用来接收结果

from celery.result import AsyncResult
from app_task import cel
# 2e76b24d-364f-46b7-a0eb-f69f663dfb0d
async1 = AsyncResult(id="56db7832-d0f4-4b9b-ba92-4fb08d0f9592", app=cel)  # id处放置消息队列中任务的id

if async1.successful():  # 判断执行任务成功
    result = async1.get()
    print(result)
    # result.forget() # 将结果删除
elif async1.failed():
    print('执行失败')
elif async1.status == 'PENDING':
    print('任务等待中被执行')
elif async1.status == 'RETRY':
    print('任务异常后正在重试')
elif async1.status == 'STARTED':
    print('任务已经开始被执行')

　　6.添加任务+启动工人+查看结果

　　　　1.运行worker.py
　　　　2.终端中输入命令：celery worker -A app_task -l info -P eventlet # 其中app_task为配置参数的文件名
　　　　3.运行result.py查看结果

 

多任务使用：

　　1.目录结构，将简单使用中的app_task改为一个celery_task文件夹，其中放至少两个文件：celery.py(名字固定)/task1.py(方具体任务的文件)/根据需求放置其他任务文件

　　　　-celery_task
　　　　　　-celery.py # 配置参数
　　　　　　-task1.py # 任务文件，根据需求添加
　　　　　　-task2.py
　　　　　　...
　　　　-worker.py # 添加任务
　　　　-result.py # 查看结果

　　2.在任务文件task1.py中导入cel，并以装饰器形式加在函数上

from .celery import cel
@cel.task
def mul(x,y):
    return x*y

　　3.celery.py中配置参数

from celery import Celery
cel = Celery(
    'celery_demo',
    backend = 'redis://127.0.0.1:6379/1',
    broker = 'redis://127.0.0.1:6379/2',
    include=['celery_task.task1','celery_task.task2']
)
cel.conf.timezone = 'Asia/Shanghai'
cel.conf.enable_utc = False

　　4.worker.py和简单使用中的相同

　　5.result.py与简单使用中的相同

　　6.添加任务+启动工人+查看结果
　　　　1.运行worker.py
　　　　2.终端中输入命令：celery worker -A celery_task -l info -P eventlet    # 其中celery_task为文件夹名
　　　　3.运行result.py查看结果

 

延时任务：

　　1.目录结构

　　　　-celery_task
　　　　　　-celery.py
　　　　　　-task1.py
　　　　　　-task2.py
　　　　　　...
　　　　-worker.py
　　　　-result.py

　　2.task1.py与多任务相同

　　3.celery.py与多任务相同

　　4.worker.py中将传入的时间改为指定时间

ctime = datetime.now() # 当前时间
utc_time = datetime.utcfromtimestamp(ctime.timestamp()) # 转成本地时间
time_delta = timedelta(seconds=30) # 设置延时30s
task_time = utc_time+time_delta # 设定时间点为30s后
ret1 = add.apply_async(args=[2,3],eta=task_time)

　　5.result.py与简单使用中的相同

　　6.与多任务相同

 

定时任务：

　　1.目录结构，去掉worker.py，添加任务变为在终端输入命令
　　　　-celery.py
　　　　　　-celery.py
　　　　　　-task1.py
　　　　　　-task2.py
　　　　　　...
　　　　-result.py

　　2.task1.py与多任务相同

　　3.celery.py中与定时任务相比，添加下面参数
　　　　1.设定时间间隔，循环执行

cel.conf.beat_schedule = {
    'add-every-10-seconds':{  # 名字随意起
        'task': 'celery_task.task1.mul',  # 指定要执行的任务
        'schedule': timedelta(seconds=2),  # 指定时间间隔
        'args': (2,3)  # 传入参数
    }
}

　　　　2.指定年月日具体时间，循环执行

from celery.schedules import crontab
cel.conf.beat_schedule = {
    'add-every-10-seconds':{
        'task': 'celery_task.task1.mul',
        'schedule': crontab(minute=28,hour=2,day_of_month=23,month_of_year=6),
        'args': (6,3)
    }
}

　　4.没有worker.py

　　5.result.py与简单使用中的相同

　　6.添加任务+启动工人+查看结果
　　　　1.启动一个终端，输入：celery beat -A celery_task -l info # celery_task为文件夹名
　　　　2.再启动一个终端，输入：celery worker -A celery_task -l info -P eventlet
　　　　3.运行result.py查看结果