Celery介绍以及使用

最新推荐文章于 2024-05-24 16:25:25 发布

JTOOP

最新推荐文章于 2024-05-24 16:25:25 发布

阅读量5k

点赞数

本文链接：https://blog.csdn.net/xiaoduu/article/details/107754976

版权

Django 同时被 2 个专栏收录

9 篇文章 0 订阅

订阅专栏

celery

2 篇文章 0 订阅

订阅专栏

文章目录

celery

celery

转载地址：https://www.cnblogs.com/pyedu/p/12461819.html
视频讲解：https://www.bilibili.com/video/BV1Pa4y1Y7QN?p=1

一、什么是celery

1、celery是什么：

celery是一个分布式队列的管理工具
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，同时也支持任务调用
Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker），任务执行结果存储（task result store）

2、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

3、Celery的优点

Simple简单：因为Celery作为一个对并发技术做了封装的框架，给别人使用和维护都不能做的很复杂，别人也不用太去了解底层的东西。
Highly Available高可用：在分布式系统下，一定要做到高可用，保证分布式服务器中的程序对外供给的时间有一个最大的利用率，还要做到稳定
Fast快速：单个Celery进程每分钟可以处理百万级的任务
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。由于语法上调用比较简单，比如要将消息中间件由RabbitMQ换成Redis，则只需要去配置文件修改一下对应的IP和端口即可，其他配置都不太需要更改

4、Celery的安装

```
pip install -U Celery
```
```
sudo easy_install Celery
```

二、Celery执行异步任务

在这里插入图片描述

1、创建异步任务执行文件（消费者）

celery_task.py

import celery
import time
# backend（后台），就是task result store
backend = 'redis://127.0.0.1:6379/1'
# broker 消息中间件
broker = 'redis://127.0.0.1:6379/2'	
# 实例化一个celery对象，test只是个名字，可以任意改
cel = celery.Celery('test', backend=backend, broker=broker)

@cel.task # 使用celery中的装饰器将函数装饰成celery任务（可能是异步任务，可能是定时任务）
def send_mail(name):
    print('向%s 发送邮件...'%name)
    time.sleep(5)
    print('向%s 发送邮件完成'%name)
    return 'ok'

@cel.task
def send_msg(name):
    print('向%s 发送短信...' % name)
    time.sleep(5)
    print('向%s 发送短信完成' % name)
    return 'ok'

在命令行中使用命令去启动异步任务执行文件，使worker去监听消息队列，若消息队列中有celery任务，则会去执行celery任务
- ```
celery worker -A clery_task -l info
```

2、创建生产者文件

生产者文件才是celery框架的主文件，当运行对应的文件时，生产者会将celery任务放入消息队列中。

produce_task.py

from celery_task import *
result = send_mail.delay('hhh')#这里的result的值并不是send_mail函数的返回值ok，而是该函数的对象，返回值ok存储在backend中
print(result.id)  
result2 = send_msg.delay('ggg')
print(result2.id)

3、创建result文件去获取任务函数的返回值，从而查看任务执行结果

result.py

from celery.result import AsyncResult
from celery_task import cel

#id为函数对象中的id，要查询哪一个函数的结果就输入哪一个函数的对象对应的id
async_result = AsyncResult(id='531248c5-75ac-46af-8f01-889da554d7d6', 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('任务异常后正在重启')
elif async_result.status == 'STARTED':
    print('任务已经开始被执行')

4、多目录结构

个人理解：多目录结构其实就是执行多个任务的意思，执行多个任务自然需要把对应的逻辑代码进行解耦，下面所说的单目录结构其实没有这种说法，只是个人为了与多目录结构多比较才这样说的，大概意思是把所有逻辑代码文件都放在一个目录下，这样耦合程度高，不好做代码的维护。
多目录结构相对于单目录结构的优势在于解耦程度高，代码发生错误时好维护
多目录结构中的代码和单目录结构是一样的，注意celery_tasks是一个包结构

celery.py：编写一些配置选项

import celery
backend = 'redis://127.0.0.1:6379/1'
broker = 'redis://127.0.0.1:6379/2'
	
cel = celery.Celery('test',
                    backend=backend,
                    broker=broker,
                    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：任务1

from celery_tasks.celery import cel
import  time

@cel.task
def send_mail(name):
    print('发送邮件 %s' % name)
    time.sleep(5)
    return '邮件发送成功'

task02.py：任务2

from celery_tasks.celery import cel
import time

@cel.task
def send_msg(name):
    print('发送短信 %s'%name)
    time.sleep(5)
    return '短信发送成功'

produce_task.py：主函数（生产者函数）

from celery_tasks.task01 import send_mail
from celery_tasks.task02 import send_msg
result = send_mail.delay('hhh')
print(result.id)
result2 = send_msg.delay('ggg')
print(result2.id)

check_result.py：检查结果的函数

from celery.result import AsyncResult
from celery_tasks.celery import cel

async_result = AsyncResult(id='4e4ad94a-5dc2-4939-b461-830ed168a0a0', app=cel)

if async_result.successful():
    result = async_result.get()
    print(result)
    # result.forget()  # 将结果删除
    # async_result.revoke(terminate=True)  # 无论现在是什么时候，都要终止
    # async_result.revoke(terminate=False) # 如果现在还没有开始执行呢，那么就可以种植
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('任务异常后正在重启')
elif async_result.status == 'STARTED':
    print('任务已经开始被执行')

5、异步任务和定时任务

异步任务是在同一时刻以异步的方式去执行celery任务，而定时任务是指定好了具体时间或者指定延迟去执行celery任务
异步任务使用delay，定时任务使用apply_async，两者函数区别在于，apply_async中有eta参数，可以将时间对象传入，从而达到定时执行任务

单目录结构都是写在生产者函数中

# 异步任务
from celery_tasks.task01 import send_mail
from celery_tasks.task02 import send_msg
result = send_mail.delay('hhh')
print(result.id)
result2 = send_msg.delay('ggg')
print(result2.id)

# 定时任务:相对于异步任务来说只是添加了一个定时的时间和用apply_async替换delay方法
from datetime import datetime, timedelta
from celery_tasks.task01 import send_mail
from celery_tasks.task02 import send_msg

# 方式一:指定具体的时间去定时执行celery任务
# dt为指定的具体时间对象
dt = datetime(year=2020, month=8, day=2, hour=15, minute=8,second=0)
# 默认使用utc时间
dt_utc = dt.utcfromtimestamp(dt.timestamp())
result = send_mail.apply_async(args=['Bob'], eta=dt_utc)
print(result.id)

# 方式二:指定一个delay时间,使celery任务延迟多久才去执行
current_time = datetime.now()
ct_utc = current_time.utcfromtimestamp(current_time.timestamp())
time_delay = timedelta(seconds=10)
task_time = ct_utc + time_delay

result2 = send_msg.apply_async(args=['Michael'], eta=task_time)
print(result2.id)

6、多目录结构下celery执行

单目录结构下的执行步骤应该是：
- 1、创建对应的包，里面编写celery的配置文件，celery任务的文件，使用celery worker -A proj -l info -P eventlet命令去启动消费者文件，去监听消息队列。
- 2、在另外一个目录下创建生产者文件（主函数），生产者文件作用是将celery任务放到消息队列里面，然后执行文件监听到消息队列有celery任务的话则就会去执行消息队列中的celery任务
多目录结构下定时任务的执行方式不同，不是通过生产者去将celery任务插入到消息队列中，而是通过使用命令celery beat -A proj去将celery任务定时的插入到消息队列中，生产者不参与，定时任务或异步任务的调度代码都会在消费者的配置文件中去编写
多目录结构中的celery.py文件：

import crontab
import celery
from datetime import  timedelta, datetime
backend = 'redis://127.0.0.1:6379/1'
broker = 'redis://127.0.0.1:6379/2'

cel = celery.Celery('celery_test',
                    backend=backend,
                    broker=broker,
                    include=['celery_tasks.task01','celery_tasks.task02'])

# 时区
cel.conf.timezone = 'Asia/Shanghai'
# 是否使用UTC
cel.conf.enable_utc = False

# 使用celery beat -A proj 命令执行定义好的定时任务
cel.conf.beat_schedule = {
    # 名字随意命名
    'add-every-5-seconds':{
        # 执行task01下的send_email函数
        'task': 'celery_tasks.task01.send_mail',
        # 每隔6秒执行一次
        # 'schedule': 6.0,
        # 每隔6分钟
        # 'schedule': crontab(minute="*/6"),
        'schedule':timedelta(seconds=6),
        'args': ('Bob',)
    },
    'add-every-special-date':{
        'task':'celery_tasks.task02.send_msg',
        # 'schedule':crontab(minute=42,hours=8,day_of_month=11, month_of_year=11),
        'schedule':timedelta(seconds=7),
        'args':('Michael',)
    }

}

顺序(看个人)：先开启监听，后将任务放入到消息队列，所以是先celery worker后celery beat
注意点：
- 如果关闭了监听，beat命令还开着的话，还是会继续将celery任务不断的插入到broker中（这里使用redis），即使后面关闭了beat，其实redis中还是存放了celery任务。会导致下次worker开启监听的时候，会执行redis上一次beat遗留下来的celery任务，我们可以手动删除redis中的任务，可以通过pycharm去连接redis并删除对应的key
- ```
import redis

r = redis.Redis(host='127.0.0.1', port=6379, db=2)

# 删除beat历史遗留下来的celery任务
r.delete('celery')

# 查看还有没有历史遗留任务
for i in r.lrange('celery',0,-1):
    print(i)
```

三、Django中使用celery

注意点

1、celery不支持python3.7
2、celery4.x已经不支持windows了，celery==3.1.25还是支持的
3、常见错误：https://blog.csdn.net/cn_1937/article/details/91992075

概念介绍

Django需要引入celery包，django充当生产者，celery包充当消费者
django职责：
- 只需要在views函数中去调用celery包封装好的函数
celery包职责：
- 1、编写配置文件：指定消息队列和任务结果存储的数据库
- 2、编写主函数：实例化celery对象并给对象添加一些属性，例如指定加载的配置、执行加载的celery任务有哪些、
- 3、编写celery任务函数
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oDLoyLjJ-1596387123648)(C:\Users\dujun\AppData\Roaming\Typora\typora-user-images\image-20200803003440969.png)]

总体流程

1、定义好celery包
2、django中写好调用celery的代码
3、消费者开启监听：使用命令行启动，建议切换目录到mycelery根目录下启动，celery -A mycelery.main worker --loglevel=info
4、开启django项目
5、去访问对应的url触发异步任务

文件对应的代码

配置文件config.py:

broker_url = 'redis://127.0.0.1:6379/15'
result_backend = 'redis://127.0.0.1:6379/14'

主程序main.py

# 主程序
import os
from celery import Celery
# 创建celery实例对象
app = Celery("sms")

# 把celery和django进行组合，识别和加载django的配置文件
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'celeryPros.settings.dev')

# 通过app对象加载配置
app.config_from_object("mycelery.config")

# 加载任务
# 参数必须必须是一个列表，里面的每一个任务都是任务的路径名称
# app.autodiscover_tasks(["任务1","任务2"])
app.autodiscover_tasks(["mycelery.sms",])

# 启动Celery的命令
# 强烈建议切换目录到mycelery根目录下启动
# celery -A mycelery.main worker --loglevel=info

任务文件tasks.py

#  celery的任务必须写在名为tasks.py的文件中,因为主程序中加载celery任务的函数会自动识别名为tasks.py的文件
from mycelery.main import app
import time
import logging

log = logging.getLogger('django')

@app.task
def send_sms(name):    # name表示设置任务的名称,如果不填写,则默认为函数名
    print('邮件内容:%s'%name)
    time.sleep(5)
    return 'send_sms:ok'

@app.task
def send_sms2(name):
    print('邮件2内容:%s'%name)
    time.sleep(5)
    return 'send_sms2:ok'

Django视图调用views.py

from django.shortcuts import render, HttpResponse
from mycelery.sms.tasks import send_sms, send_sms2
# Create your views here.
from datetime import datetime, timedelta

def test(request):
    # 异步方式
    result = send_sms.delay('hi Bob')
    result2 = send_sms2.delay('hi Mechael')
    print(result.id)
    print(result2.id)
    # send_sms.delay() 如果调用的任务函数没有参数，则不需要填写任何内容

    ################################# 定时任务

    # ctime = datetime.now()
    # # 默认用utc时间
    # utc_ctime = datetime.utcfromtimestamp(ctime.timestamp())
    # time_delay = timedelta(seconds=10)
    # task_time = utc_ctime + time_delay
    # result = send_sms.apply_async(["hi boy", ], eta=task_time)
    # print(result.id)
    return HttpResponse('OK')

JTOOP

关注

0
点赞
踩
15

收藏

觉得还不错? 一键收藏
1
评论
Celery介绍以及使用

文章目录celery一、什么是celery1、celery是什么：2、使用场景3、Celery的优点4、Celery的安装二、Celery执行异步任务1、创建异步任务执行文件（消费者）2、创建生产者文件3、创建result文件去获取任务函数的返回值，从而查看任务执行结果4、多目录结构5、异步任务和定时任务6、多目录结构下celery执行三、Django中使用celery注意点概念介绍总体流程文件对应的代码celery转载地址：https://www.cnblogs.com/pyedu/p/1246181
复制链接

扫一扫