一、安装

由于celery4.0不支持window，如果在window上安装celery4.0将会出现下面的错误
flask_cleryflask_clery

你现在只能安装
pip install celery==3.1

二、安装py for redis 模块

pip install redis

三、安装redis服务

网上很多文章都写得模棱两可，把人坑的不要不要的！！！

Redis对于Linux是官方支持的，但是不支持window，网上很多作者写文章都不写具体的系统环境，大多数直接说pip install redis就可以使用redis了，真的是坑人的玩意，本人深受其毒害

对于windows，如果你需要使用redis服务，那么进入该地址下载
https://github.com/MSOpenTech/redis/releases

redis安装包，双击完成就可以了

如果你在window上不安装该redis包，将会提示

redis.exceptions.ConnectionError: Error 10061 connecting to localhost:6379.

或者

redis.exceptions.ConnectionError

需要注意是：安装目录不能安装在C盘，否则会出现权限依赖错误

四、添加redis环境变量

D:\Program Files\Redis

五、初始化redis

进入redis安装目录，打开cmd运行命令redis-server.exe redis.windows.conf，如果出错

  • 双击目录下的redis-cli.exe
  • 在出现的窗口中输入shutdown
  • 继续输入exit

六、lask 集成celyer

在Flask配置中添加配置

1
2
3
 
 # Celery 配置
CELERY_BROKER_URL = 'redis://localhost:6379/0' # broker是一个消息传输的中间件
CELERY_RESULT_BACKEND = 'redis://localhost:6379/1' # 任务执行器
  • 在flask工程的__init__目录下生产celery实例
    注意！！以下代码必须在 flask app读取完配置文件后编写，否则会报错
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
def make_celery(app):
    celery = Celery(app.import_name, broker=app.config['CELERY_BROKER_URL'],
                    backend=app.config['CELERY_RESULT_BACKEND'])
    celery.conf.update(app.config)
    TaskBase = celery.Task

    class ContextTask(TaskBase):
        abstract = True

        def __call__(self, *args, **kwargs):
            with app.app_context():
                return TaskBase.__call__(self, *args, **kwargs)

    celery.Task = ContextTask
    return celery


celery = make_celery(app)

完整示例如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 
app = Flask(__name__)
app.config.from_object(config['default'])

def make_celery(app):
    celery = Celery(app.import_name, broker=app.config['CELERY_BROKER_URL'],
                    backend=app.config['CELERY_RESULT_BACKEND'])
    celery.conf.update(app.config)
    TaskBase = celery.Task

    class ContextTask(TaskBase):
        abstract = True

        def __call__(self, *args, **kwargs):
            with app.app_context():
                return TaskBase.__call__(self, *args, **kwargs)

    celery.Task = ContextTask
    return celery


celery = make_celery(app)

一份比较常用的配置文件

# 注意，celery4版本后，CELERY_BROKER_URL改为BROKER_URL
BROKER_URL = 'amqp://username:passwd@host:port/虚拟主机名'
# 指定结果的接受地址
CELERY_RESULT_BACKEND = 'redis://username:passwd@host:port/db'
# 指定任务序列化方式
CELERY_TASK_SERIALIZER = 'msgpack' 
# 指定结果序列化方式
CELERY_RESULT_SERIALIZER = 'msgpack'
# 任务过期时间,celery任务执行结果的超时时间
CELERY_TASK_RESULT_EXPIRES = 60 * 20   
# 指定任务接受的序列化类型.
CELERY_ACCEPT_CONTENT = ["msgpack"]   
# 任务发送完成是否需要确认，这一项对性能有一点影响     
CELERY_ACKS_LATE = True  
# 压缩方案选择，可以是zlib, bzip2，默认是发送没有压缩的数据
CELERY_MESSAGE_COMPRESSION = 'zlib' 
# 规定完成任务的时间
CELERYD_TASK_TIME_LIMIT = 5  # 在5s内完成任务，否则执行该任务的worker将被杀死，任务移交给父进程
# celery worker的并发数，默认是服务器的内核数目,也是命令行-c参数指定的数目
CELERYD_CONCURRENCY = 4 
# celery worker 每次去rabbitmq预取任务的数量
CELERYD_PREFETCH_MULTIPLIER = 4 
# 每个worker执行了多少任务就会死掉，默认是无限的
CELERYD_MAX_TASKS_PER_CHILD = 40 
# 设置默认的队列名称，如果一个消息不符合其他的队列就会放在默认队列里面，如果什么都不设置的话，数据都会发送到默认的队列中
CELERY_DEFAULT_QUEUE = "default" 
# 设置详细的队列
CELERY_QUEUES = {
    "default": { # 这是上面指定的默认队列
        "exchange": "default",
        "exchange_type": "direct",
        "routing_key": "default"
    },
    "topicqueue": { # 这是一个topic队列 凡是topictest开头的routing key都会被放到这个队列
        "routing_key": "topic.#",
        "exchange": "topic_exchange",
        "exchange_type": "topic",
    },
    "task_eeg": { # 设置扇形交换机
        "exchange": "tasks",
        "exchange_type": "fanout",
        "binding_key": "tasks",
    },
    
}

 

在cmd中启动celery服务

执行命令celery -A your_application.celery worker loglevel=info，your_application为你工程的名字，在这里为 get_tieba_film

调用

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
@app.route('/')
@app.route('/index')
def index():
    print ("耗时的任务")
    # 任务已经交给异步处理了
    result = get_film_content.apply_async(args=[1])
    # 如果需要等待返回值，可以使用get()或wait()方法
    # result.wait()
    return '耗时的任务已经交给了celery'


@celery.task()
def get_film_content(a):
    util = SpiderRunUtil.SpiderRun(TieBaSpider.FilmSpider())
    util.start()

绑定

一个绑定任务意味着任务函数的第一个参数总是任务实例本身(self)，就像 Python 绑定方法类似：

1
2
3
 
@task(bind=True) 
def add(self, x, y): 
    logger.info(self.request.id)

 

任务继承

任务装饰器的 base 参数可以声明任务的基类

1
2
3
4
5
6
7
 
import celery
class MyTask(celery.Task):
    def on_failure(self, exc, task_id, args, kwargs, einfo):
        print('{0!r} failed: {1!r}'.format(task_id, exc))
@task(base=MyTask)
def add(x, y):
    raise KeyError()

 

任务名称

每个任务必须有不同的名称。
如果没有显示提供名称，任务装饰器将会自动产生一个，产生的名称会基于这些信息：
1）任务定义所在的模块，
2）任务函数的名称

显示设置任务名称的例子：

1
2
3
4
5
 
>>> @app.task(name='sum-of-two-numbers')
>>> def add(x, y):
... return x + y
>>> add.name
'sum-of-two-numbers'

最佳实践是使用模块名称作为命名空间，这样的话如果有一个同名任务函数定义在其他模块也不会产生冲突。

1
2
3
 
>>> @app.task(name='tasks.add')
>>> def add(x, y):
... return x + y

 

七、安装flower

将各个任务的执行情况、各个worker的健康状态进行监控并以可视化的方式展现

1
 
pip install flower

 

启动flower（默认会启动一个webserver，端口为5555）:

1

 

指定broker并启动：

celery flower --broker=amqp://guest:guest@localhost:5672//  或
celery flower --broker=redis://guest:guest@localhost:6379/0

 

 

进入http://localhost:5555即可查看。

doc

八、常见错误

1
 
ERROR/MainProcess] consumer: Cannot connect to redis://localhost:6379/0:

原因是：redis-server 没有启动
解决方案：到redis安装目录下执行redis-server.exe redis.windows.conf
检查redis是否启动：redis-cli ping

1
 
line 442, in on_task_received

解决：

1
2
3
4
5
6
7
8
9
10
 
Did you remember to import the module containing this task?
Or maybe you are using relative imports?
Please see http://bit.ly/gLye1c for more information.
The full contents of the message body was:
{'timelimit': (None, None), 'utc': True, 'chord': None, 'args': [4, 4], 'retries': 0, 'expires': None, 'task': 'main.add', 'callbacks': None,
'errbacks': None, 'taskset': None, 'kwargs': {}, 'eta': None, 'id': '97000322-93be-47e9-a082-4620e123dc5e'} (210b)
Traceback (most recent call last):
  File "d:\vm_env\flask_card\lib\site-packages\celery\worker\consumer.py", line 442, in on_task_received
    strategies[name](message, body,
KeyError: 'main.add'

原因：任务没有注册或注册不成功，只有在启动的时候提示有任务的时候，才能使用该任务
flask_celeryflask_celery
解决：

  1. 你在那个类中使用celery就在哪个类中执行celery -A 包名.类名.celery worker -l info
  2. 根据上一部提示的任务列表给任务设置对应的名称
    如在Test中
1
2
3
4
5
6
 
from main import app, celery

@celery.task(name="main.Test.add".)
def add(x, y):
    print "ddddsws"
    return x + y

目录结构：

1
2
3
4
5
6
 
+ Card  # 工程
    + main
       + admin
          - Task.py
        - __init__.py
        - Test.py

 

则应该启动的命令为：

1
 
celery -A main.Test.celery worker -l info

 

同时，如果你的Task.py也有任务，那么你还应该重新创建一个cmd窗口执行

1
 
celery -A main.admin.Task.celery worker -l info

 

celery的工作进程可以创建多个
flask_celeryflask_celery
flask_celeryflask_celery

 

参考：

https://www.laoyuyu.me/2018/02/10/python_flask_celery/

https://www.cnblogs.com/cwp-bg/p/8759638.html

celery用户指南，强烈推荐看

redis安装

celery使用
https://redis.io/topics/quickstart

http://einverne.github.io/post/2017/05/celery-best-practice.html　　Celery 最佳实践 

http://orangleliu.info/2014/08/09/celery-best-practice/　　Celery最佳实践-正确使用celery的7条建议