celery介绍，celery和Django的结合实现异步任务_django celery和多进程

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以戳这里获取

Celery(芹菜) 是一个简单、灵活且可靠的，处理大量消息的分布式系统，并且提供维护这样一个系统的必需工具。

简单来看，是一个基于python开发的分布式异步消息任务队列，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。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中间人(消息中间件)来接收和发送任务消息，以及存储任务结果，完整的中间人列表请查阅官方网站

PS：任务队列是一种在线程或机器间分发任务的机制。
PS：消息队列的输入是工作的一个单元，称为任务，独立的工作（Worker）进程持续监视队列中是否有需要处理的新任务。

Celery简介

Celery 系统可包含多个职程和中间人，以此获得高可用性和横向扩展能力，其基本架构由三部分组成，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，一般使用rabbitMQ or Redis，当然其他的还有MySQL以及Mongodb。
• 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Redis，MongoDB，Django ORM，AMQP等。

Celery的主要特点：

• 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

• 用户应用程序讲任务通过celery放入Broker中。
• 多个worker通过Broker获取任务并执行。
• worker执行完成后，会把任务的结果、状态等信息返回到Broker中存储，供用户程序读取。

Celery 用消息通信，通常使用中间人（Broker）在客户端和职程间斡旋。这个过程从客户端向队列添加消息开始，之后中间人把消息派送给职程。

Celery模块的基本使用

官方文档：https://docs.celeryproject.org/en/latest/getting-started/first-steps-with-celery.html

要使用Celery需要先安装celery模块，下面的例子使用Python3进行举例。

# 利用pip3命令安装celery模块
pip3 install celery
 
# 测试是否成功安装
[root@namenode ~]# python3
Python 3.6.4 (default, Dec 21 2017, 17:26:43)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-16)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import celery      # 没有报错表示模块安装正常
>>>

PS：如果你是编译安装的Python3，执行以上步骤后不一定代表正确安装，还需要在命令行下执行celery命令，如果报错请参考这篇文章：Python3安装Celery模块后执行Celery命令报错

下面的例子使用redis作为消息中间人的角色。
1.创建一个celery application
用来定义任务列表，这里任务文件的名称为tasks.py

from celery import Celery

app = Celery('tasks', broker="redis://127.0.0.1:6379", backend="redis://127.0.0.1:6379")
# task 是当前模块的名称，这个参数是必须的，这样的自动生成
# 中间人的地址
# 结果数据存放地址

@app.task  # 使用celery标识一个任务，多个任务都需要使用该装饰器　
def add(x, y):
    return x + y

其他中间件的用法

# rabbitmq
broker = 'amqp://user:password@ip:5672//'
# redis
broker = 'redis://passwordf@ip:6379/db'

2.运行一个worker

celery -A tasks worker --loglevel=debug
# -A参数表示的是Celery APP的名称，tasks就是APP的名称(应用文件名) 也可使用--app 等价于 -A
# worker表示是一个执行任务角色
# loglevel=info记录日志类型默认是info。

3.发布(调用)任务

from tasks import add
result = add.delay(4, 4)
print('Is task ready: %s' % result.ready())
run_result = result.get(timeout=1)
print('task result: %s' % run_result)

PS：调用任务会返回一个 AsyncResult 实例，可用于检查任务的状态，等待任务完成或获取返回值（如果任务失败，则为异常和回溯）。 但这个功能默认是不开启的，需要设置一个 Celery 的结果后端(配置了backend才会生效)。

PS：通过检查redis的数据也可以查看结果信息

注意事项：这是我个人遇到的一些问题
版本问题 python3.6+ celery4.1.0+ 这个是可以正确使用的搭配
以下报错建议安装eventlet 安装
Celery ValueError: not enough values to unpack (expected 3, got 0)的解决方案
Python3.5 建议使用protobuf3.0.0.beta2

AsyncResult 实例常用方法
通过获取异步执行对象的返回值来获取Asynz cResult实例对象

from tasks import add
result = add.delay(4, 4)  # 返回一个result对象
run_result = result.get(timeout=1)

• ready() 方法查看任务是否完成处理

result.ready()  # True/False 对象有两个结果 表示完成/未完成



![img](https://img-blog.csdnimg.cn/img_convert/38eaa449437cc8bd1d07efa6fe2b28c1.png)
![img](https://img-blog.csdnimg.cn/img_convert/a57eaf0d212d158e180d1614133d3ec6.png)
![img](https://img-blog.csdnimg.cn/img_convert/6d43f4ef1b0b65048156a6baa29692b5.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618658159)**

合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Go语言开发知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[如果你需要这些资料，可以戳这里获取](https://bbs.csdn.net/topics/618658159)**