1.Celery介绍
1.1 celery应⽤举例
- 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 - 你想对100台机器执⾏⼀条批量命令,可能会花很⻓时间 ,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 - 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
1.2 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
1.3 Celery 特性
- ⽅便查看定时任务的执⾏情况, 如 是否成功, 当前状态, 执⾏任务花费的时间等
- 可选 多进程, Eventlet 和 Gevent 三种模型并发执⾏.
- Celery 是语⾔⽆关的.它提供了python 等常⻅语⾔的接⼝⽀持.
2.celery 组件
2.1 Celery 扮演⽣产者和消费者的角色
- Celery Beat : 任务调度器. 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. - 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, 提⾼运⾏效率.
- Broker : 消息代理, 队列本身. 也称为消息中间件. 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). - Producer : 任务⽣产者. 调⽤ Celery 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. - Result Backend : 任务处理完成之后保存状态信息和结果, 以供查询.
2.2 产生任务的方式
- 发布者发布任务(WEB 应⽤)
- 任务调度按期发布任务(定时任务)
2.3 celery 依赖三个库: 这三个库, 都由 Celery 的开发者开发和维护.
- billiard : 基于 Python2.7 的 multisuprocessing ⽽改进的库, 主要⽤来提⾼性能和稳定性.
- librabbitmp : C 语⾔实现的 Python 客户端
- kombu : Celery ⾃带的⽤来收发消息的库, 提供了符合 Python 语⾔习惯的, 使⽤ AMQP 协议的⾼
级借⼝
3、celery的使用
推荐版本
Django == 2.2.6
django-celery == 3.3.1
django-redis == 4.11.0
redis == 2.10.6
celery == 3.1.26.post2
- Settings.py
#settings.py
import djcelery
djcelery.setup_loader()
BROKER_URL = 'redis://127.0.0.1:6379/2'
INSTALLED_APPS = [
...
"djcelery",
...
]