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：
- 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
- 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
- 快速：一个单进程的celery每分钟可处理上百万个任务
- 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