Celery实际使用与内存泄漏问题（面试）
1.实际使用
监控task的执行结果：任务id，结果，traceback，children，任务状态
配置 backend='redis://127.0.0.1:6379/5'给Celery的app对象，直接在redis中查看
还可以
健壮celery：celery -A proj worker -l info
☁ proj tree
├── __init__.py
├── celery.py | app=Clery('proj',include=['proj.tasks'])
app.config_from_object('proj.config')
if __name__==__main__： app.start()
├── config.py | CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/6'
BROKER_URL = 'redis://127.0.0.1:6379/5'
└── tasks.py | @app.task # 注意这个文件名必须是tasks.py
def add(x, y): return x + y tasks可以有多个在celery.py中添加一行代码加载任务函数
app.autodiscover_tasks(['proj.sms', 'proj.email'])
Scheduler计划定时任务：celery -A proj worker -B -l info
#config.py
CELERY_TIMEZONE = 'Asia/Shanghai' # 指定时区
from datetime import timedelta
CELERYBEAT_SCHEDULE = {
'add-every-30-seconds': {
'task': 'proj.tasks.add', # 指定要执行的函数任务
'schedule': timedelta(seconds=30), # 指定计划时间间隔30s执行一次task
'args': (16, 16)
},
} celery.schedules import crontab定时周期任务：（比如每周一执行一次 ）
只需要修改 'schedule': crontab(hour=7, minute=30, day_of_week=1),
2.celery扩展使用
指定队列名：
启动加上-Q参数 celery -A proj worker --loglevel=info -Q 'testq'
跑任务时 add.delay(3,4,queue='testq')
指定开启的worker进程数：单个Celery进程每分钟就可以处理数百万个任务
底层是调用的Python的multiprocessing模块中的Pool进程池思想来做
启动加上-c参数 celery -A proj worker --loglevel=info -c 2 2个worker进程来同时抢任务
图像化查看broker里面的数据，查看任务状态，以及任务的详细信息:flower的webUI
pip install flower 注意创建celery实例app时指定的broker设置的redis/5
任意目录执行 celery flower --port=5555 --broker=redis://localhost:6379/5
3.DJango-celery模式（嵌入到大型DJango项目中）
应用： django调用celery跑异步任务，常见场景有注册成功，发送邮件可以异步来防止网络IO阻塞，以及耗时间的任务，可以在WEB应用中使用这种异步方式
- 安装
django-celery==3.1.17与celery==3.1.17对应 - 创建celery必须的数据库表结构
python manage.py migrate - django项目的settings.py文件中追加如下内容：backend，任务执行结果超时时间，worker并发数也就是 -c 指定的数据，指定任务周期存储在orm数据库中
- 在django的app应用目录下创建tasks.py任务文件
@task def add(x,y): - 开启django服务和celery服务，虽然耦合了，还要开
python manage.py celery worker --loglevel=info
4.内存泄漏问题
celery内存泄露分析
celery配置项如下
CELERYD_CONCURRENCY = 2 celery worker并发数
CELERYD_MAX_TASKS_PER_CHILD = 5 每个worker最大执行任务数
执行celery -A ansibleAPI.celery worker启动celery，通过ps -ef | grep celery可以看到两个celery worker进程（8226，8228）。
利用celery worker进行某个任务，当worker没有执行到最大任务时（即销毁重建），每执行一次任务占用内存必然有所增加，任务数为9，10时（celery均匀调度，并发数*最大任务数），分别有原8228 worker被销毁，重新创建9386 worker及原8226 worker被销毁，重新创建9564 worker，此时，运行第9次时，占用总内存有所下降，运行第10次时，总内存回到初如值，同样任务执行第19、20次情况类似。
celery并发计算规则
celery任务并发只与celery配置项CELERYD_CONCURRENCY 有关，与CELERYD_MAX_TASKS_PER_CHILD没有关系，即CELERYD_CONCURRENCY=2，只能并发2个worker，此时任务处理较大的文件时，执行两次可以看到两个task任务并行执行，而执行第三个任务时，开始排队，直到两个worker执行完毕。
结论
celery执行完任务不释放内存与原worker一直没有被销毁有关，因此CELERYD_MAX_TASKS_PER_CHILD可以适当配置小点，而任务并发数与CELERYD_CONCURRENCY配置项有关，每增加一个worker必然增加内存消耗，同时也影响到一个worker何时被销毁，因为celery是均匀调度任务至每个worker，因此也不宜配置过大，适当配置。
