Celery 分布式任务队列入门

一、Celery介绍和基本使用

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, 举几个实例场景中可用的例子:

  1. 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。
  2. 你想做一个定时任务,比如每天检测一下你们所有客户的资料,如果发现今天 是客户的生日,就给他发个短信祝福

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,后面会讲

1.1 Celery有以下优点:

  1. 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
  2. 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
  3. 快速:一个单进程的celery每分钟可处理上百万个任务
  4. 灵活: 几乎celery的各个组件都可以被扩展及自定制

Celery基本工作流程图

1.2 Celery安装使用

Celery的默认broker是RabbitMQ, 我这里使用redis,仅需配置一行就可以

broker_url = ‘amqp://guest:[email protected]:5672//‘

 

使用Redis做broker也可以

broker_url = ‘redis://:[email protected]:6379‘  

 注意:celery任务队列执行使用的中间件和取结果的中间件是彼此分离的,在使用中都需要各自配置

1. 3 开始使用Celery啦  

安装celery模块

pip3 install celery

 

创建一个celery application 用来定义你的任务列表

创建一个任务文件就叫tasks.py吧

from celery import Celery
 #app是一个worker,负责执行任务,多个worker执行时,任务执行顺序为抢占式,并不会按照类似于rabbitmq分配任务
app = Celery(‘tasks‘,
             broker=‘redis://:[email protected]‘,   #执行任务中间件
             backend=‘redis://:[email protected]‘)    #保存结果中间件

@app.task
def add(x,y):   #这是worker可以执行的一个任务
    print("running...",x,y)
    return x+y

 启动Celery Worker来开始监听并执行任务 

celery -A celery_test worker -l debug

 打印结果如下:

上面显示配置信息

下面红线内为自定义任务:

调用任务

再打开一个终端, 进行命令行模式,调用任务

>>> from celery_test import add
>>> add.delay(4, 4)

看你的worker终端会显示收到 一个任务,此时你想看任务结果的话,需要在调用 任务时 赋值个变量

>>> result = add.delay(4, 4)  

如果想查看任务是否完成,可调用下面命令,返回布尔值

>>> result.ready()  

 想拿到任务执行结果,调用下面命令(注意:想拿到结果首先得配置接收任务的中间件,否则会报错)

result.get()

二、在项目中如何使用celery 

可以把celery配置成一个应用 

目录格式如下

proj/__init__.py
    /celery.py   #配置信息
    /tasks.py    #任务

 配置结果如下: 

 

编辑proj/celery.py文件:

from __future__ import absolute_import, unicode_literals  #声明celery从python包绝对路径里导入celery包
from celery import Celery

app = Celery(‘proj‘,
             broker=‘amqp://‘,
             backend=‘amqp://‘,
             include=[‘proj.tasks‘])  #任务文件路径列表,可添加多个任务

# Optional configuration, see the application user guide.
app.conf.update(
    result_expires=3600,   #任务结果保存时间
)

if __name__ == ‘__main__‘:
    app.start()

编辑proj/tasks.py中的内容

from __future__ import absolute_import, unicode_literals
from .celery import app  #导入同级目录下celery文件中的app

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

@app.task
def mul(x, y):
    return x * y

@app.task
def xsum(numbers):
    return sum(numbers)

 cd到proj文件夹上一级启动worker ,命令如下

 celery -A proj worker -l debug  

 执行结果:

同时启动多个worker:

停止某个worker:(stopwait是等待当前任务完成停止,stop是立即停止)

三:celery+django项目

django 可以轻松跟celery结合实现异步任务,只需简单配置即可

第一步:在settings.py同级目录下,创建celery.py文件

from __future__ import absolute_import, unicode_literals
import os
from celery import Celery

# set the default Django settings module for the ‘celery‘ program.
os.environ.setdefault(‘DJANGO_SETTINGS_MODULE‘, ‘PERCRM.settings‘)    #根据具体项目配置

app = Celery(‘PERCRM‘)

# Using a string here means the worker don‘t have to serialize
# the configuration object to child processes.
# - namespace=‘CELERY‘ means all celery-related configuration keys
#   should have a `CELERY_` prefix.
app.config_from_object(‘django.conf:settings‘, namespace=‘CELERY‘)

# Load task modules from all registered Django app configs.
app.autodiscover_tasks()   #自动发现各个app里面创建的celery任务,可以创建多个任务
@app.task(bind=True) def debug_task(self): print(‘Request: {0!r}‘.format(self.request))

第二步:配置settings.py同级目录下的__init__.py文件

from __future__ import absolute_import, unicode_literals

# This will make sure the app is always imported when
# Django starts so that shared_task will use this app.
from .celery import app as celery_app

__all__ = [‘celery_app‘]  

第三步:配置settings.py文件  

CELERY_BROKER_URL = ‘redis://:[email protected]‘
CELERY_RESULT_BACKEND = ‘redis://:[email protected]‘  

第四步:创建任务文件,在APP下创建tasks.py文件

任务内容格式如下:

# Create your tasks here
from __future__ import absolute_import, unicode_literals
from celery import shared_task  #可以跟其他APP共享任务

@shared_task
def add(x, y):
    return x + y

@shared_task
def mul(x, y):
    return x * y

@shared_task
def xsum(numbers):
    return sum(numbers)

 此时,基本的配置就完了,加上一条对应的视图,整个项目就可以结合celery运行了 

urls.py:

views.py

from students.tasks import add,mul

def celery_test(request):
    task = add.delay(123,456)

    return HttpResponse(task.id)

 现在我们启动项目:

进到项目里面启动celery

此时在浏览器访问http://192.168.2.107:8866/celery_test/

结果如下,返回了celery任务id,一个简单的celery与django结合的项目就完成了

再查看服务端celery

四、Celery 定时任务

celery支持定时任务,设定好任务的执行时间,celery就会定时自动帮你执行, 这个定时任务模块叫celery beat

写一个脚本 叫periodic_task.py

from celery import Celery
from celery.schedules import crontab

app = Celery()

@app.on_after_configure.connect  #装饰器作用:只要脚本一启动便立刻自动执行被装饰的函数
def setup_periodic_tasks(sender, **kwargs):
    # Calls test(‘hello‘) every 10 seconds.
    sender.add_periodic_task(10.0, test.s(‘hello‘), name=‘add every 10‘)  #每隔十秒钟,执行test函数,传入参数‘hello’,

    # Calls test(‘world‘) every 30 seconds
    sender.add_periodic_task(30.0, test.s(‘world‘), expires=10)  #expires任务结果保存十秒钟

    # Executes every Monday morning at 7:30 a.m.
    sender.add_periodic_task(
        crontab(hour=7, minute=30, day_of_week=1),
        test.s(‘Happy Mondays!‘),  #每周一早上十点半执行test函数
    )

@app.task
def test(arg):
    print(arg)

 add_periodic_task 会添加一条定时任务

上面是通过调用函数添加定时任务,也可以像写配置文件 一样的形式添加, 下面是每30s执行的任务 

app.conf.beat_schedule = {
    ‘add-every-30-seconds‘: {
        ‘task‘: ‘tasks.add‘,
        ‘schedule‘: 30.0,
        ‘args‘: (16, 16)
    },
}
app.conf.timezone = ‘UTC‘

 任务添加好了,需要让celery单独启动一个进程来定时发起这些任务, 注意, 这里是发起任务,不是执行,这个进程只会不断的去检查你的任务计划, 每发现有任务需要执行了,就发起一个任务调用消息,交给celery worker去执行 

启动任务调度器 celery beat,(注意:需写上具体的任务名)

输出:

worker打印输出:

五、在django中使用计划任务功能

第一步:安装模块

pip3 install django-celery-beat  

第二步:在django项目的settings.py中INSTALLED_APPS的配置

第三步:配置完之后,需要同步数据库,执行migrate与makemigrations命令

以上操作完成之后,启动django项目,访问http://192.168.2.107:8866/admin/

在admin页面我们会看到底部多了一个三张表出来

配置完长这样

此时启动你的celery beat 和worker,会发现每隔2分钟,beat会发起一个任务消息让worker执行scp_task任务

注意,经测试,每添加或修改一个任务,celery beat都需要重启一次,要不然新的配置不会被celery beat进程读到

  

 

时间: 05-28

Celery 分布式任务队列入门的相关文章

Celery分布式任务队列快速入门

Celery介绍 Celery是基于Python开发的分布式任务队列.它支持使用任务队列的方式在分布的机器/进程/线程上执行任务调度. 如果业务场景中需要用到异步任务,就可以考虑使用celery, 举几个实例场景中可用的例子: 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. 你想做一个定时任务,比如每天检测一下你们所有客

Celery分布式任务队列的认识和基本操作

一.简单认识 Celery是由Python开发.简单.灵活.可靠的分布式任务队列,其本质是生产者消费者模型,生产者发送任务到消息队列,消费者负责处理任务.Celery侧重于实时操作,但对调度支持也很好,其每天可以处理数以百万计的任务. 它的特点有: 简单:熟悉了它的流程后,配置使用简单: 高可用:任务执行失败或执行过程中发生连接中断,Celery会自动重新执行任务: 快速:一个单进程的Celery每分钟可处理上百万个任务: 灵活:Celery的各个组件都可以被扩展及自定制: 应用场景举例: 1.

Celery 分布式任务队列快速入门

本节内容 Celery介绍和基本使用 启用多个workers Celery 定时任务 与django结合 通过django配置celery periodic task 一.Celery介绍和基本使用 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, 举几个实例场景中可用的例子: 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

Celery分布式任务队列

1.什么是Clelery 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 Celery架构 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

分布式任务队列celery用法详解

celery基础介绍:这个图我们可以看出,celery基本结构也就是三部分1 第一部分 broker也就是中间件消息队列,作用就是用来接收应用的请求这一部分常见玩法可以是rabbitmq和redis等2 第二部分 worker 也就是工作队列 也就是celery本身的任务队列服务,一般情况下大型的生产应用我们会结合supervisor来管理这么多的worker3 第三部分 result 存储,就是把执行的结果,状态等信息进行存储,常规用法我们可以用rabbitmq redis,mysql,mon

极客时间-左耳听风-程序员攻略-分布式架构入门

分布式系统涵盖的面非常广,具体来说涵盖如下几方面: 服务调度,涉及服务发现.配置管理.弹性伸缩.故障恢复等. 资源调度,涉及对底层资源的调度使用,如计算资源.网络资源和存储资源等. 流量调度,涉及路由.负载均衡.流控.熔断等. 数据调度,涉及数据复本.数据一致性.分布式事务.分库.分表等. 容错处理,涉及隔离.幂等.重试.业务补偿.异步.降级等. 自动化运维,涉及持续集成.持续部署.全栈监控.调用链跟踪等. 所有这些形成了分布式架构的整体复杂度,也造就了分布式系统中的很多很多论文.图书以及很多很

Python开发【模块】:Celery 分布式异步消息任务队列

Celery 前言: 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, 举几个实例场景中可用的例子: 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. 你想做一个定时任务,比如每天检测一下你们所有客户的

分布式任务队列:Celery

一.Celery 安装与应用 关于 Celery 的内容,先依次看如下两篇文章,让你有个了解: http://blog.csdn.net/happyanger6/article/details/51404837 https://www.liaoxuefeng.com/article/00137760323922531a8582c08814fb09e9930cede45e3cc000 1.安装 Celery 和 Redis pip install celery # 这里我的 python 版本是

Celery异步任务队列/周期任务+ RabbitMQ + Django

一.Celery介绍和基本使用  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, 举几个实例场景中可用的例子: 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. 你想做一个定时任务,比如每天检测一下你