一、celery队列简介
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.
1.1使用场景
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
1.2celery原理
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 或者是数据库来存放消息的中间结果
Celery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缺点:
1.目前只能在Linux系统上有较好的支持
Celery工作流程图:
1. Celery Beat：任务调度器，Beat进程会读取配置文件的内容，周期性地将配置中到期需要执行的任务发送给任务队列。
2. Celery Worker：执行任务的消费者，通常会在多台服务器运行多个消费者来提高执行效率。
3. Broker：消息代理，或者叫作消息中间件，接受任务生产者发送过来的任务消息，存进队列再按序分发给任务消费方（通常是消息队列或者数据库）。
4. Producer：调用了Celery提供的API、函数或者装饰器而产生任务并交给任务队列处理的都是任务生产者。
5. Result Backend：任务处理完后保存状态信息和结果，以供查询。Celery默认已支持Redis、RabbitMQ、MongoDB、Django ORM、SQLAlchemy等方式。
Celery的架构图如图所示：
在传统的web应用中,Django的web页面通过url的映射到view,view再执行方法,如果方法需要调用大量的脚本,执行大量的任务,页面就会阻塞,如果在项目中使用Celery队列.首先用户的任务会被celery放到broker中进行中转,然后将任务分为一个个的task来执行,由于celery是异步机制,所以会直接给用户返回task_id,页面拿到task_id就可以执行后续的操作,比如查看任务进度,暂停任务,而无需等待所有任务全部执行完毕,才能看到页面。
二、celery安装
2.1安装:
1.在linux(ubuntu)系统上首先安装Celery队列
pip3 install Celery
2.在linux安装redis
sudo apt-get install redis-server
3.在linux上安装redis-celery中间件
pip3 install -U "celery[redis]"
4.启动redis
sudo /etc/init.d/redis-server start
三、celery使用
3.1简单使用
命名为tasks.py
from celery import Celery
app = Celery(‘tasks‘,
broker=‘redis://localhost‘,
backend=‘redis://localhost‘)
@app.task
def add(x,y):
print("running...",x,y)
return x+y
启动监听并开始执行该服务
celery -A tasks worker -l debug
在开启一个终端进行测试任务
进入python环境
from tasks import add t = add.delay(3,3) #此时worker会生成一个任务和任务id t.get() #获取任务执行的结果 t.get(propagate=False) #如果任务执行中出现异常,在client端不会异常退出 t.ready()#查看任务是否执行完毕 t.traceback #打印异常详细信息
3.2项目中创建celery
在当前的目录下创建文件夹celery_pro
mkdir celery_pro
在此目录下创建两个文件
目录结构:
celery_proj
/__init__.py
/celery.py
/tasks.py
celery.py(定义了celery的一些元信息)
from __future__ import absolute_import, unicode_literals
from celery import Celery
app = Celery(‘proj‘,
broker=‘redis://localhost‘, #消息中间接收
backend=‘redis://localhost‘, #消息结果存放
include=[‘proj.tasks‘]) #执行任务的文件
# Optional configuration, see the application user guide.
app.conf.update(
result_expires=3600,
)
if __name__ == ‘__main__‘:
app.start()
tasks.py (定义任务执行的具体逻辑和调用的具体方法)
from __future__ import absolute_import, unicode_literals
from .celery import 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)
启动worker
celery -A celery_pro worker -l debug
再另一个窗口打开python命令模式进行测试
from celery_pro import tasks t = tasks.add.delay(3,4) t.get()
Celery的分布式:多启动worker就可以自动实现负载均衡,无需手动管理
Celery永驻后台(开启&重启&关闭)
celery multi start w1 -A celery_pro -l info #开启后台celery任务 celery multi restart w1 -A proj -l info #重启该服务 celery multi stop w1 -A proj -l info #关闭该服务
3.3 celery定时任务
在celery_pro文件夹下创建periodic_tasks.py
目录结构:
celery_proj
/__init__.py
/celery.py
/tasks.py
/periodic_tasks.py
文件内容如下:
from __future__ import absolute_import, unicode_literals
from .celery import app
from celery.schedules import crontab
@app.on_after_configure.connect
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‘)
# Calls test(‘world‘) every 30 seconds
sender.add_periodic_task(30.0, test.s(‘world‘), expires=10)
# Executes every Monday morning at 7:30 a.m.
sender.add_periodic_task(
crontab(hour=21, minute=42, day_of_week=5),
test.s(‘Happy Mondays!‘),
)
@app.task
def test(arg):
print(arg)
修改celery.py,加入periodic_task.py
from __future__ import absolute_import, unicode_literals
from celery import Celery
app = Celery(‘proj‘,
broker=‘redis://localhost‘,
backend=‘redis://localhost‘,
include=[‘celery_pro.tasks‘,‘celery_pro.periodic_tasks‘])
# Optional configuration, see the application user guide.
app.conf.update(
result_expires=3600,
)
if __name__ == ‘__main__‘:
app.start()
在服务端启动 celery -A celery_pro worker -l debug
在客户端启动 celery -A celery_pro.periodic_tasks beat -l debug
在服务端如果看到打印的hell ,world说明定时任务配置成功
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
在celery.py中添加
app.conf.beat_schedule = {
‘add-every-30-seconds‘: {
‘task‘: ‘cerely_pro.tasks.add‘, #执行的具体方法
‘schedule‘: 5.5, #每秒钟执行
‘args‘: (16, 16) #执行的具体动作的参数
},
}
app.conf.timezone = ‘UTC‘
更多定制
上面的定时任务比较简单，但如果你想要每周一三五的早上8点给你发邮件怎么办呢?用crontab功能，跟linux自带的crontab功能是一样的，可以个性化定制任务执行时间
rom celery.schedules import crontab
app.conf.beat_schedule = {
#在每周一早上7:30执行
‘add-every-monday-morning‘: {
‘task‘: ‘celery_pro.tasks.add‘,
‘schedule‘: crontab(hour=7, minute=30, day_of_week=1),
‘args‘: (16, 16),
},
还有更多定时配置方式如下：
| Example | Meaning |
crontab() |
Execute every minute. |
crontab(minute=0, hour=0) |
Execute daily at midnight. |
crontab(minute=0, hour=‘*/3‘) |
Execute every three hours: midnight, 3am, 6am, 9am, noon, 3pm, 6pm, 9pm. |
|
Same as previous. |
crontab(minute=‘*/15‘) |
Execute every 15 minutes. |
crontab(day_of_week=‘sunday‘) |
Execute every minute (!) at Sundays. |
|
Same as previous. |
|
Execute every ten minutes, but only between 3-4 am, 5-6 pm, and 10-11 pm on Thursdays or Fridays. |
crontab(minute=0,hour=‘*/2,*/3‘) |
Execute every even hour, and every hour divisible by three. This means: at every hour except: 1am, 5am, 7am, 11am, 1pm, 5pm, 7pm, 11pm |
crontab(minute=0, hour=‘*/5‘) |
Execute hour divisible by 5. This means that it is triggered at 3pm, not 5pm (since 3pm equals the 24-hour clock value of “15”, which is divisible by 5). |
crontab(minute=0, hour=‘*/3,8-17‘) |
Execute every hour divisible by 3, and every hour during office hours (8am-5pm). |
crontab(0, 0,day_of_month=‘2‘) |
Execute on the second day of every month. |
|
Execute on every even numbered day. |
|
Execute on the first and third weeks of the month. |
|
Execute on the eleventh of May every year. |
|
Execute on the first month of every quarter. |
3.4Celery+Django实现异步任务分发
1.在setting.py的文件同一级别创建celery.py
1 from __future__ import absolute_import, unicode_literals
2 import os
3 from celery import Celery
4
5 # 设置Django的环境变量
6 os.environ.setdefault(‘DJANGO_SETTINGS_MODULE‘, ‘PerfectCRM.settings‘)
7
8 #设置app的默认处理方式,如果不设置默认是rabbitMQ
9 app = Celery(‘proj‘,
10 broker=‘redis://localhost‘,
11 backend=‘redis://localhost‘
12 )
13
14 #配置前缀
15 app.config_from_object(‘django.conf:settings‘, namespace=‘CELERY‘)
16
17 #自动扫描app下的tasks文件
18 app.autodiscover_tasks()
19
20
21 @app.task(bind=True)
22 def debug_task(self):
23 print(‘Request: {0!r}‘.format(self.request))
2.修改当前目录下的__init__文件
1 from __future__ import absolute_import, unicode_literals 2 3 #启动时检测celery文件 4 from .celery import app as celery_app 5 6 __all__ = [‘celery_app‘]
3.在app下新增tasks文件,写要执行的任务
from __future__ import absolute_import, unicode_literals
from celery import shared_task
@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)
4.在另一个app下新增tasks文件
1 from __future__ import absolute_import, unicode_literals 2 from celery import shared_task 3 import time,random 4 5 @shared_task 6 def randnum(start, end): 7 time.sleep(3) 8 return random.ranint(start,end)
5.在views下增加处理逻辑
1 from crm import tasks 2 from celery.result import AsyncResult 3 import random 4 #计算结果 5 def celery_call(request): 6 randnum =random.randint(0,1000) 7 t = tasks.add.delay(randnum,6) 8 print(‘randum‘,randnum) 9 return HttpResponse(t.id) 10 11 #获取结果 12 def celery_result(request): 13 task_id = request.GET.get(‘id‘) 14 res = AsyncResult(id=task_id) 15 if res.ready(): 16 return HttpResponse(res.get()) 17 else: 18 return HttpResponse(res.ready())
6.测试
首先启动Django,从web端输入url调用celery_call方法
例:http://192.168.17.133:9000/crm/celery_call,此方法会返回一个task_id(41177118-3647-4830-b8c8-7be76d9819d7)
带着这个task_id 访问http://192.168.17.133:9000/crm/celery_result?id=41177118-3647-4830-b8c8-7be76d9819d7如果可以看到结果说明配置成功
Dnango+Celery实现定时任务
- 安装Django,Celery中间件
pip3 install django-celery-beat
- 在Django的settings文件中,新增app,名称如下
INSTALLED_APPS = (
.....,
‘django_celery_beat‘, #新增的app
)
- 输入命令
python manage.py migrate #创建与Django有关定时计划任务的新表
- 通过celery beat开启定时任务
celery -A PrefectCRM beat -l info -S django
- 启动Django服务,进入admin配置页面
python3 manager.py runserver 0.0.0.0:9000
并设置settings.py中的
ALLOW_HOSTS=[‘*‘]
- 可以在原有业务表的基础之上看到新的三张表
后记: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
原文地址：https://www.cnblogs.com/wangshuyang/p/9067230.html