celery
一、celery介绍
1、应用场景
a. Celery 是一个 基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理，如果你的业务场景中需要用到异步任务，就可以考虑使用celery
b. 你想对100台机器执行一条批量命令，可能会花很长时间 ，但你不想让你的程序等着结果返回，而是给你返回 一个任务ID,你过一段时间只需要拿着这个任务id就可以拿到任务执行结果， 在任务执行ing进行时，你可以继续做其它的事情
c. Celery 在执行任务时需要通过一个消息中间件来接收和发送任务消息，以及存储任务结果， 一般使用rabbitMQ or Redis
2、redis的优点
a. 简单：一单熟悉了celery的工作流程后，配置和使用还是比较简单的
b. 高可用：当任务执行失败或执行过程中发生连接中断，celery 会自动尝试重新执行任务
c. 快速：一个单进程的celery每分钟可处理上百万个任务
d. 灵活： 几乎celery的各个组件都可以被扩展及自定制
3. celery的工作流程
user：用户程序，用于告知celery去执行一个任务。 broker: 存放任务（依赖RabbitMQ或Redis，进行存储） worker：执行任务
4、celery的特性
1）方便查看定时任务的执行情况, 如 是否成功, 当前状态, 执行任务花费的时间等.
2）可选 多进程, Eventlet 和 Gevent 三种模型并发执行.
3）Celery 是语言无关的.它提供了python 等常见语言的接口支持.
二、异步任务 ---- django-celery
大家的知道celery的使用，网上也有很多的教程。因为最近在使用django来完成项目，无意间发现发现有个东西叫django-celery，比celery的配置更加的简单，这里分享一下。
首先需要统一一下使用的环境，以为如果redis的版本过高会报错
推荐版本
Django == 2.2.6
django-celery == 3.3.1
django-redis == 4.11.0
redis == 2.10.6
celery == 3.1.26.post2
配置settings.py
因为本机直接有redis，在这里我们直接使用redis作为我们的broker。当然，如果你追求稳定性和效率，也可使使用rabbitMQ或者kafka。
#settings.pyimport djcelery djcelery.setup_loader() BROKER_URL = 'redis://127.0.0.1:6379/2' INSTALLED_APPS = [ ... "djcelery", ... ]
创建Celery所需的数据表
python manage.py migrate #如若不成功可以尝试一下命令语句 #python manage.py syncdb
创建task
在app里建立tasks.py文件来写入需要执行的异步任务
from celery import task @task def add(x,y): return x+y
a、当settings.py中的djcelery.setup_loader()运行时, Celery便会查看所有INSTALLED_APPS中app目录中的tasks.py文件, 找到标记为task的function, 并将它们注册为celery task.
b、在执行djcelery.setup_loader()时, task是以INSTALLED_APPS中的app名, 加.tasks.function_name注册的
c、一次需要注意 在impprt task时, 需要保持一致
d、如果我们由于python path不同而使用不同的引用方式时(例如在tasks.py中使用from myproject.myapp.tasks import add形式), Celery将无法得知这是同一task, 因此可能会引起奇怪的bug。
让任务变成异步
例如我们希望在用户发出request后异步执行该task, 马上返回response, 从而不阻塞该request, 使用户有一个流畅的访问过程. 那么, 我们可以使用.delay。
from rest_framework.views import APIView from rest_framework.response import Response from userapp.tasks import add class TestCeleryView(APIView): def get(self,request): data = add.delay(2,10) #delay是注册为celery异步任务的关键点 return Response({"code":200})
启动celery
首先正常启动你的django任务，然后启动celery服务即可。
python manage.py celery worker --loglevel=info
如果报错不让超级管理员来启动，在settings.py加入以下配置
from celery import Celery, platforms
platforms.C_FORCE_ROOT = True
验证celery任务
在搞定上面的东西以后，你就可以通过postman来请求接口让接口使用celery来异步执行任务而不阻塞你的request请求。
注意
celery与3.7版本兼容问题 在 celery 官方的提议下，建议将 async 文件的文件名改成 asynchronous
Python37\Lib\site-packages\kombu\async
需要修改的文件 Python37\Lib\site-packages\celery\utils\timer2.py
Python37\lib\site-packages\celery\concurrency\asynpool.py
Python37\lib\site-packages\celery\worker\components.py
Python37\lib\site-packages\celery\worker\autoscale.py
