python任务队列框架_分布式任务队列Celery的介绍

在程序运行过程中，要执行一个很久的任务，但是我们又不想主程序被阻塞，常见的方法是多线程。可是当并发量过大时，多线程也会扛不住，必须要用线程池来限制并发个数，而且多线程对共享资源的使用也是很麻烦的事情。还有就是前面几篇介绍过的协程，但是协程毕竟还是在同一线程内执行的，如果一个任务本身就要执行很长时间，而不是因为等待IO被挂起，那其他协程照样无法得到运行。本文要介绍一个强大的分布式任务队列Celery，它可以让任务的执行同主程序完全脱离，甚至不在同一台主机内。它通过队列来调度任务，不用担心并发量高时系统负载过大。它可以用来处理复杂系统性能问题，却又相当灵活易用。下面我们就来了解下Celery。

架构组成

一个完整的Celery分布式队列架构应该包含一下几个模块：

消息中间人 Broker

消息中间人，就是任务调度队列，通常以独立服务形式出现。它是一个生产者消费者模式，即主程序将任务放入队列中，而后台职程则会从队列中取出任务并执行。任务可以按顺序调度，也可以按计划时间调度。Celery组件本身并不提供队列服务，你需要集成第三方消息中间件。Celery推荐的有RabbitMQ和Redis，另外也支持MongoDB、SQLAlchemy、Memcached等，但不推荐。

任务执行单元 Worker，也叫职程

即执行任务的程序，可以有多个并发。它实时监控消息队列，获取队列中调度的任务，并执行它。

执行结果存储 Backend

由于任务的执行同主程序分开，如果主程序想获取任务执行的结果，就必须通过中间件存储。同消息中间人一样，存储也可以使用RabbitMQ、Redis、MongoDB、SQLAlchemy、Memcached等，建议使用带持久化功能的存储中间件。另外，并非所有的任务执行都需要保存结果，这个模块可以不配置。

完整的架构组成图如下：

运行一个例子

让我们跑一个例子，我们使用RabbitMQ作为中间人，Redis作为结果存储。关于RabbitMQ和Redis的安装，大家可以网上搜搜，这里就不赘述了。本例假设RabbitMQ和Redis都安装在本地机上。

首先我们要安装Celery

当前最新的版本是4.0.0，我们可以通过PyPI安装：

$ pip install celery

为了支持Redis，你还需要安装Celery对Redis的依赖：

$ pip install 'celery[redis]'

然后，我们编写任务代码tasks.py

from celery import Celery

app = Celery('tasks',

broker='amqp://guest@localhost//',

backend='redis://localhost:6379/0')

@app.task

def add(x, y):

return x + y

这里我们创建了一个Celery实例app，名称为tasks；中间人用RabbitMQ，URL为amqp://guest@localhost//；存储用Redis，URL为redis://localhost:6379/0。同时我们定义了一个Celery任务add，可以返回两个参数的和。当函数使用@app.task修饰后，即为可被Celery调度的任务。

接下来，让我们启动后台职程

职程会监听消息中间人队列并等待任务调度，启动命令为：

$ celery worker -A tasks --loglevel=info --concurrency=5

参数”-A”指定了Celery实例的位置，本例是在”tasks.py”中，celery命令会自动在该文件中寻找Celery对象实例。不过我更建议你指定Celery对象名称，如”-A tasks.app”。

参数”loglevel”指定了日志等级，也可以不加，默认为warning。

参数”concurrency”指定最大并发数，默认为CPU核数。启动成功后，你会看到如下信息：

关于celery命令参数的更多信息，你可以用下面的命令来查询：

$ celery help

$ celery worker --help

更详细的信息，就要去查阅官方文档了

现在，让我们发些任务出来吧

打开python控制台，输入下面的指令：

>>> from tasks import add

>>> add.delay(2, 5)

这个delay()方法会将任务发送到消息中间人队列，并由之前启动的后台职程来执行。所以这时Python控制台上只会返回AsyncResult信息。如果你看下之前职程的启动窗口，你会看到多了条日志Task tasks.add[4c079d93-fd5f-47f0-8b93-c77a0112eb4e] succeeded in 0.0211374238133s: 7。说明add任务已经被调度并执行成功，并且返回7。

因为我们的程序配置了后台结果存储(backend)，我们可以通过如下方法获取任务执行后的返回值：

>>> result=add.delay(2, 5)

>>> result.ready()

True

>>> result.get(timeout=1)

7

此时我们就可以获取到返回值7了，由于有些任务执行时间会很长，我们可以使用result.ready()方法来检查任务是否执行完成。如果之前我们没有配置backend存储，那么刚才的调用会抛异常。

关于后台

上例中我们配置了Redis存储，那让我们去Redis里看看Celery任务执行的结果是怎么存储的吧。通过keys celery*，可以查到所有属于celery的键值，你会看到如下信息。

看来，celery是一个任务一条记录啊，而且键值上带着任务的UUID。让我们查看刚才执行的那条记录的值吧，结果如下：

"{\"status\": \"SUCCESS\", \"traceback\": null, \"result\": 7, \"task_id\": \"4c079d93-fd5f-47f0-8b93-c77a0112eb4e\", \"children\": []}"

状态，异常，返回值等都是通过JSon序列化存在Redis里的，很好理解吧。

关于配置

Celery的参数配置，可以使用下面几个方法来实现：

单个参数配置

app.conf.CELERY_BROKER_URL = 'amqp://guest@localhost//'

app.conf.CELERY_RESULT_BACKEND = 'redis://localhost:6379/0'

多个参数配置

app.conf.update(

CELERY_BROKER_URL = 'amqp://guest@localhost//',

CELERY_RESULT_BACKEND = 'redis://localhost:6379/0'

)

从配置文件中获取

先将配置项放入配置文件中，如”celeryconfig.py”

BROKER_URL='amqp://guest@localhost//'

CELERY_RESULT_BACKEND='redis://localhost:6379/0'

然后导入到celery对象中：

app.config_from_object('celeryconfig')

Celery的配置项相当之多，大家可以从官方文档中查询。

delay()和apply_async()

我们之前调用任务使用了delay()方法，它其实是对apply_async()方法的封装，使得你只要传入任务所需的参数即可。对于特殊的任务调度需求，你需要使用apply_async()，其常用的参数有：

countdown: 指定多少秒后任务才被执行

eta: 指定任务被调度的时间，参数类型是datetime

expires: 任务过期时间，参数类型可以是int(秒)，也可以是datetime

retry: 任务发送失败的重试次数

priority: 任务优先级，范围是0-9

serializer: 参数和返回值的序列化方式

详细参数列表可以从官方文档中查询。

关于序列化

当前版本的Celery默认序列化方式是json，对于刚才的例子，传入的参数和返回值都是数值类型，用json序列化没问题，但是对于有些对象来说，无法用JSon序列化，如果你是Python程序的话，可以使用pickle序列化，它支持所有Python类型对象。Celery支持的序列化方式还有yaml, msgpack。你可以在创建Celery对象时指定序列化方式，也可以通过配置指定，或者在使用apply_async()方法调用任务时指定：

app = Celery('tasks', broker='...', task_serializer='yaml')

app.conf.update(

CELERY_TASK_SERIALIZER='pickle',

CELERY_RESULT_SERIALIZER='json',

)

@app.task

def add(x, y):

...

add.apply_async((2, 5), serializer='json')

关于并发

任务的并发默认采用多进程方式，Celery也支持”gevent”或者”eventlet”协程并发。方法是在启动职程时使用”-P”参数：

$ celery worker -A tasks --loglevel=info -P gevent -c 100

通过”-P gevent”我们就将并发改为了”gevent”方式了；”-c 100”同之前介绍的”concurrency”参数，指定了并发个数。对于”gevent”不熟悉的朋友，可以看看我之前的文章。另外默认多进程方式的参数值是”prefork”。

Flask同Celery的集成

本文的最后，我们演示一个将Flask应用同Celery集成的例子。最常见的任务就是发邮件，比如新用户注册，我们会发一个邮件来确认。由于发邮件是个IO阻塞式任务，我们可以将它交给Celery职程，而Flask应用可以继续运行。

首先，我们写个Flask应用，它会显示一个表单，让用户填写收件人和邮件内容，然后点击发送按钮来发邮件。

from flask import Flask, request, render_template, redirect, url_for, flash

from flask_mail import Mail, Message

app = Flask(__name__)

app.config.update(

SECRET_KEY = 'hard to guess string',

MAIL_SERVER = 'smtp.example.com',

MAIL_DEFAULT_SENDER = 'bjhee@example.com',

MAIL_USERNAME = 'bjhee',

MAIL_PASSWORD = 'example'

)

mail = Mail(app)

@app.route('/', methods=['GET', 'POST'])

def index():

if request.method == 'GET':

return render_template('index.html')

address = request.form['address']

msg = Message('Hello Celery',

recipients=[address])

msg.body = request.form['content']

mail.send(msg)

flash('Sending email to %s' % address)

return redirect(url_for('index'))

if __name__ == '__main__':

app.run(host='0.0.0.0', debug=True)

模版文件index.html的内容如下：

Test Celery

Send mail

{% with messages = get_flashed_messages() %}

{% if messages %}

{% for message in messages %}

{{ message }}

{% endfor %}

{% endif %}

{% endwith %}

Address:

Content:

让我们运行它，并测试下发邮件功能。你会发现发送过程是同步的。现在让我们加上Celery的代码：

from celery import Celery

celery = Celery('tasks',

broker='amqp://guest@localhost//',

backend='redis://localhost:6379/0')

celery.conf.update(

result_expires=3600,

task_serializer='pickle'

)

@celery.task

def send_email(msg):

with app.app_context():

mail.send(msg)

这里，我们将发送邮件的方法send_email()定义为了一个Celery任务。要注意两点：

Flask-Mail必须在应用上下文中运行，因此在调用mail.send()之前需创建一个应用上下文。

Flask-Mail的Message对象不能用JSon序列化，因此要将序列化方式改为pickle。

另外，别忘了将Flask视图中发送邮件的方法改为send_email.delay(msg)。

现在，让我们启动职程，假设上述代码保持在文件app.py中：

$ celery worker -A app.celery --loglevel=info

再次运行这个应用，测试下发邮件功能，并查看下职程运行的日志，你会发现发邮件功能是在职程中执行的。

更多参考资料

本文中的示例代码可以在这里下载。