celery是什么？
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提供的任务执行的单元，worker并发的运行在分布式的系统节点中。
任务结果存储
Task result store用来存储Worker执行的任务的结果，Celery支持以不同方式存储任务的结果，包括AMQP, redis等
另外， Celery还支持不同的并发和序列化的手段
- 并发：Prefork, Eventlet, gevent, threads/single threaded
- 序列化：pickle, json, yaml, msgpack. zlib, bzip2 compression， Cryptographic message signing 等等
使用场景：
celery是一个强大的 分布式任务队列的异步处理框架，它可以让任务的执行完全脱离主程序，甚至可以被分配到其他主机上运行。我们通常使用它来实现异步任务（async task）和定时任务（crontab)。
异步任务：将耗时操作任务提交给Celery去异步执行，比如发送短信/邮件、消息推送、音视频处理等等
定时任务：定时执行某件事情，比如每天数据统计
Celery具有以下优点
Simple(简单)
Celery 使用和维护都非常简单，并且不需要配置文件。Highly Available（高可用）
woker和client会在网络连接丢失或者失败时，自动进行重试。并且有的brokers 也支持“双主”或者“主／从”的方式实现高可用。Fast（快速）
单个的Celery进程每分钟可以处理百万级的任务，并且只需要毫秒级的往返延迟（使用 RabbitMQ, librabbitmq, 和优化设置时）Flexible（灵活）
Celery几乎每个部分都可以扩展使用，自定义池实现、序列化、压缩方案、日志记录、调度器、消费者、生产者、broker传输等等。
Celery安装
pip install -U Celery
基本使用
创建项目celerypro
创建异步任务执行文件celery_task:
在celery_task目录下执行消费者
celery -A celery_task worker --loglevel=info
import celery import time backend='redis://127.0.0.1:6379/1' broker='redis://127.0.0.1:6379/2' cel=celery.Celery('test',backend=backend,broker=broker) @cel.task def send_email(name):print("向%s发送邮件..."%name)time.sleep(5)print("向%s发送邮件完成"%name)return "ok"
创建执行任务文件,produce_task.py:生产者直接run就ok
from celery_task import send_email result = send_email.delay("yuan") print(result.id) result2 = send_email.delay("alex") print(result2.id)
注意，异步任务文件命令执行：
celery worker -A celery_app_task -l info创建py文件：result.py，查看任务执行结果，
from celery.result import AsyncResult from celery_task import celasync_result=AsyncResult(id="c6ddd5b7-a662-4f0e-93d4-ab69ec2aea5d", app=cel)if async_result.successful():result = async_result.get()print(result)# result.forget() # 将结果删除 elif async_result.failed():print('执行失败') elif async_result.status == 'PENDING':print('任务等待中被执行') elif async_result.status == 'RETRY':print('任务异常后正在重试') elif async_result.status == 'STARTED':print('任务已经开始被执行')
多任务结构：
celery.py:
from celery import Celerycel = Celery('celery_demo',broker='redis://127.0.0.1:6379/1',backend='redis://127.0.0.1:6379/2',# 包含以下两个任务文件，去相应的py文件中找任务，对多个任务做分类include=['celery_tasks.task01','celery_tasks.task02'])# 时区 cel.conf.timezone = 'Asia/Shanghai' # 是否使用UTC cel.conf.enable_utc = False
task01.py,task02.py:
#task01 import time from celery_tasks.celery import cel@cel.task def send_email(res):time.sleep(5)return "完成向%s发送邮件任务"%res#task02 import time from celery_tasks.celery import cel @cel.task def send_msg(name):time.sleep(5)return "完成向%s发送短信任务"%name
produce_task.py:
from celery_tasks.task01 import send_email from celery_tasks.task02 import send_msg# 立即告知celery去执行test_celery任务，并传入一个参数 result = send_email.delay('yuan') print(result.id) result = send_msg.delay('yuan') print(result.id)
check_result.py:
from celery.result import AsyncResult from celery_tasks.celery import celasync_result = AsyncResult(id="562834c6-e4be-46d2-908a-b102adbbf390", app=cel)if async_result.successful():result = async_result.get()print(result)# result.forget() # 将结果删除,执行完成，结果不会自动删除# async.revoke(terminate=True) # 无论现在是什么时候，都要终止# async.revoke(terminate=False) # 如果任务还没有开始执行呢，那么就可以终止。 elif async_result.failed():print('执行失败') elif async_result.status == 'PENDING':print('任务等待中被执行') elif async_result.status == 'RETRY':print('任务异常后正在重试') elif async_result.status == 'STARTED':print('任务已经开始被执行')
开启work：celery worker -A celery_tasks -l info -P eventlet，添加任务（执行produce_task.py)，检查任务执行结果（执行check_result.py）
如果第一个命令报错，请试试第二个：celery -A celery_tasks worker -l info -P eventlet
如果提示 No module named 'eventlet'。需要安装 eventlet
pip install eventlet
Celery执行定时任务
设定时间让celery执行一个定时任务，produce_task.py:
from celery_task import send_email from datetime import datetime# 方式一 # v1 = datetime(2020, 3, 11, 16, 19, 00) # print(v1) # v2 = datetime.utcfromtimestamp(v1.timestamp()) # print(v2) # result = send_email.apply_async(args=["egon",], eta=v2) # print(result.id)# 方式二 ctime = datetime.now() # 默认用utc时间 utc_ctime = datetime.utcfromtimestamp(ctime.timestamp()) from datetime import timedelta time_delay = timedelta(seconds=10) task_time = utc_ctime + time_delay# 使用apply_async并设定时间 result = send_email.apply_async(args=["egon"], eta=task_time) print(result.id)
多任务结构中celery.py修改如下:
from datetime import timedelta from celery import Celery from celery.schedules import crontabcel = Celery('tasks', broker='redis://127.0.0.1:6379/1', backend='redis://127.0.0.1:6379/2', include=['celery_tasks.task01','celery_tasks.task02', ]) cel.conf.timezone = 'Asia/Shanghai' cel.conf.enable_utc = Falsecel.conf.beat_schedule = {# 名字随意命名'add-every-10-seconds': {# 执行tasks1下的test_celery函数'task': 'celery_tasks.task01.send_email',# 每隔2秒执行一次# 'schedule': 1.0,# 'schedule': crontab(minute="*/1"),'schedule': timedelta(seconds=6),# 传递参数'args': ('张三',)},# 'add-every-12-seconds': {# 'task': 'celery_tasks.task01.send_email',# 每年4月11号，8点42分执行# 'schedule': crontab(minute=42, hour=8, day_of_month=11, month_of_year=4),# 'args': ('张三',)# }, }
启动beat程序 tasks是task01的上层目录名称和Celery生成的名字
celery -A tasks beat -l INFO
# 启动 Beat 程序$ celery beat -A celery_tasks# Celery Beat进程会读取配置文件的内容，周期性的将配置中到期需要执行的任务发送给任务队列# 之后启动 worker 进程.$ celery -A celery_tasks worker -l info 或者$ celery -B -A celery_tasks worker -l infobeat是类似单个任务的product，命令：celery -A tasks beat -l INFO
work就是读消息队列执行：celery -A tasks worker -l info
linux通过systemctl启动
sudo systemctl daemon-reloadsudo systemctl enable flask
sudo systemctl start flasksudo systemctl enable celery_worker
sudo systemctl start celery_workersudo systemctl enable celery_beat
sudo systemctl start celery_beat
celery配置日志：
from celery import Celery from celery.schedules import crontab from config import Configdef make_celery(app):celery = Celery(app.import_name,broker=Config.CELERY_BROKER_URL,backend=Config.CELERY_RESULT_BACKEND)celery.conf.update(app.config)celery.conf.beat_schedule = {'daily-task': {'task': 'app.tasks.daily_task','schedule': crontab(hour=0, minute=0), # 每天午夜执行},}celery.conf.update(worker_log_format='[%(asctime)s: %(levelname)s/%(processName)s] %(message)s',worker_task_log_format='[%(asctime)s: %(levelname)s/%(processName)s] [%(task_name)s(%(task_id)s)] %(message)s',worker_redirect_stdouts_level='INFO',worker_log_file='/var/log/celery_worker.log')return celery
redis查看队列任务：
在redis下执行命令 ： lrange celery 0 -1
