celery 使用

celery 使用

基本情况

• 介绍：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。
• 特点：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
• note： Celery还支持不同的并发和序列化的手段
  • 并发：Prefork, Eventlet, gevent, threads/single threaded
  • 序列化：pickle, json, yaml, msgpack. zlib, bzip2 compression， Cryptographic message signing 等等

使用场景

• celery是一个强大的 分布式任务队列的异步处理框架，它可以让任务的执行完全脱离主程序，甚至可以被分配到其他主机上运行。我们通常使用它来实现异步任务（async task）和定时任务（crontab)。

  • 异步任务：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

  • 定时任务：定时执行某件事情，比如每天数据统计

优点

• Simple(简单)

  • Celery 使用和维护都非常简单，并且不需要配置文件

• Highly Available（高可用）

  • woker和client会在网络连接丢失或者失败时，自动进行重试。并且有的brokers 也支持“双主”或者“主／从”的方式实现高可用

• Fast（快速）

  • 单个的Celery进程每分钟可以处理百万级的任务，并且只需要毫秒级的往返延迟（使用 RabbitMQ, librabbitmq, 和优化设置时）

• Flexible（灵活）

  • Celery几乎每个部分都可以扩展使用，自定义池实现、序列化、压缩方案、日志记录、调度器、消费者、生产者、broker传输等等。

---

异步任务

• 安装

  pip install Celery
  

• 异步任务执行文件 celery_task.py

  import celery
  import time
  
  backend='redis://:xxx@127.0.0.1:6379/1'  # 无密码时，则密码前的:也不需要
  broker='redis://:xxx@127.0.0.1:6379/2'
  
  cel=celery.Celery('test', backend=backend, broker=broker)
  
  @cel.task
  def send_email(name):
      print(f"向{name}发送邮件...")
      time.sleep(5)
      print(f"向{name}发送邮件完成")
      return "ok"
  

• 创建执行任务文件 produce_task.py

  from celery_task import send_email
  
  result = send_email.delay("yuan")  # 函数定义时，加了@cel.task，所以有delay方法
  print(result.id)                   # 该id可作为去redis取结果的依据
  result2 = send_email.delay("alex")
  print(result2.id)　
  

• 查看任务执行结果 result.py

  from celery.result import AsyncResult
  from celery_task import cel
  
  async_result=AsyncResult(id="c6ddd5b7-a662-4f0e-93d4-ab69ec2aea5d", app=cel)
  
  if async_result.successful():
      result = async_result.get()
      print(result)
      # result.forget() # 将结果删除
  elif async_result.failed():
      print('执行失败')
  elif async_result.status == 'PENDING':
      print('任务等待中被执行')
  elif async_result.status == 'RETRY':
      print('任务异常后正在重试')
  elif async_result.status == 'STARTED':
      print('任务已经开始被执行')
  

• 测过过程：

  • 首先在终端中启动celery的worker监听redis，准备随时开始做task

    celery -A celery_task worker -l info -P eventlet  
    # note：
    	# 加 -P eventlet
    	# celery_task 不要加.py
    

  • 然后，执行product_task.py脚本，向redis中插入task，则第一步已经在等待task的worker立即开始执行。product_task.py脚本中的任务瞬间执行完毕，并返回id。至此，异步执行完毕。

  • 最后，查看redis中的结果。或使用result.py查看task的执行进度。依据是第二步获取的id

---

报错

1. ValueError: not enough values to unpack (expected 3, got 0)

   • 原因：win10

   • 解决方法

     pip install eventlet
     celery -A <mymodule> worker -l info -P eventlet  # 加 -P eventlet
     

2. RecursionError: maximum recursion depth

   • 原因：redis 设置了密码

   • 解决方法 : 密码前必须加 冒号

     backend = 'redis://:xxxxx@127.0.0.1:6379/1'  # xxx是密码 密码前必须加:
     backend = 'redis://127.0.0.1:6379/1'  # 无密码