Celery 介绍

文档：http://docs.celeryproject.org/en/latest/index.html
Celery 是一个功能完备，即插即用的异步任务队列，可以独立于主进程运行，在主进程退出后，也不影响队列中的任务的执行。
任务执行异常退出，重新启动后，会继续执行队列中的其他任务，同时可以缓存停止期间接收的工作任务，这个功能依赖于消息队列（RabbitMQ, Redis等）

 

Celery 特点

简单，易于使用和维护，有丰富的文档
高效，单个Celery 进程 每分钟可以处理数百万个任务
灵活，Celery 种几乎每个部分都可以自定义扩展
Celery 非常易于集成到一些Web开发框架中

 

Celery角色

Celery clinet：这是任务生产者，它负责将任务(tasks)发送到broker中
Broker：broker 负责将任务分发给响应的Celery worker
Celery worker：这是任务的执行者，完成相应的业务逻辑，在具体实现上体现为Python 函数
实现过程
Celery 通过消息进行通信，通常使用一个叫broker（中间人）来协作client（任务的发出者）和worker（任务的处理者），client 发出消息到队列中，broker将队列中的消息发给worker 来处理
一个Celery系统可以包含很多的worker和broker，可增强横向扩展和高可用性能

 

Celery组成结构

Celery 的架构由三部分组成，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
1.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，官方推荐RabbitMQ和Redis作为消息队列
2.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
3.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AMQP, Redis，memcached，MongoDB，SQLAlchemy，Django ORM等等

 

Celery 适应场景

Celery 适用异步处理问题，比如发送邮件、文件上传、图像处理等比较耗时的操作，我们可以将其加入到任务队列去异步执行，这样用户不需要等待很久，提高用户体验。
1.异步任务处理：例如给注册用户发送短信或者确认邮件的任务
2.大型任务：执行时间较长的任务，例如视频和图片处理，添加水印和转码等，需要执行任务时间长
3.定时执行的任务：支持任务的定时执行和设定时间执行，例如性能压测定时执行。

 

Celery 的实现原理

Celery基本实现原理是amqp协议的一个实现，比较耗时，耗资源的操作通过amqp协议发送到远端，让远端去处理它，在url进来，通过view返回的时候，在前端能够得到很快的响应，任务都在后台处理掉，提高用户的体验度，能够跟框架结合，执行一些可能不是立马需要结果的任务，这就是大家都用的异步任务。

任务队列中包含任务的工作单元，有专门的工作进程持续不断的监视任务队列，并从中获得新的任务并处理，是一种跨线程、跨机器工作的一种机制。

 

Celery 的在Django中的实际使用（Django1.11.11， Celery4.0.2）

1.在项目下创建具有标识Celery的Python包（脚本名），比如：celery_tasks

2.在celery_tasks 包中创建main.py，用于作为Celery的启动文件
　　1）为Celery使用Django配置文件
　　import os

　　if not os.getenv('DJANGO_SETTINGS_MODULE'):
　　　　os.environ['DJANGO_SETTINGS_MODULE'] = '项目名.settings'
　　2）创建Celery 对象
　　from celery import Celery

　　app = Celery('celery_tasks') # 一般设置main的参数为脚本名
　　3）加载配置文件
　　app.config_from_object('celery_tasks.config')
　　4）设置自动加载任务的任务名
　　app.autodiscover_tasks(['celery_tasks.xxx']) # xxx为celery_tasks 下的任务名

3.在celery_tasks包中创建config.py 文件，用于保存Celery 的配置信息（推荐使用方法一RabbitMQ）
　　1）RabbitMQ
　　　　RabbitMQ是Celery的默认代理，因此除了要使用的代理实例的URL位置之外，它不需要任何其他依赖项或初始配置
　　　　broker_url = 'amqp://myuser: mypassword@localhost:5672/myvhost'
　　　　# 也可以在实例Celery 对象的时候指定 如：
　　　　# app = Celery('celery_tasks',
　　　　#　　　　　　　broker='amqp://myuser: mypassword@localhost:5672/myvhost',
　　　　#　　　　　　　backend='rpc://'
　　　　#　)
　　　　# backend 参数标识celery worker 执行完的结果需要保存，rpc 表示通过RPC(Remote Procedure Call)模式被送到RabbitMQ，

　　　　# 如果不指定backend 参数，任务结果将被丢弃

　　　2）Redis
　　　　broker_url = 'redis://127.0.0.1/14'
　　　　result_backend = 'redis://127.0.0.1/15'
　　　　# 也可以在实例Celery 对象的时候指定 如：
　　　　# app = Celery('celery_tasks',
　　　　#　　　　　　　broker='redis://127.0.0.1/14',
　　　　#　　　　　　　backend='redis://127.0.0.1/15'
　　　　#　)

4.创建任务，并让Celery 检测 （检测就是执行‘2.4）’）

如：发送短信
from libs.yuntongxun.sms import CCP
from celery_tasks.main import app

# 可以设置name参数，不设置任务名默认是该函数名的路径(如：.celery_tasks.sms.send_sms_code)
# app.task装饰符告诉Celery 这个函数并不在celery client 端执行，当他们被调用时只将调用信息通过# brocker 发送给celery workers 执行

@app.task(name='send_sms_code')
def send_sms_code(mobile, sms_code):
　　ccp = CCP()
　　ccp.send_template_sms(mobile, [sms_code, 5], 1)

5.调用Celery任务

from celery_tasks.sms.tasks
　　1）delay方法，比如：
　　　　tasks.send_sms_code.delay(mobile, sms_code)
　　2）apply_async方法，比如：
　　　　# tasks.send_sms_code.apply_async((mobile, sms_code))
　　　　tasks.send_sms_code.apply_async((mobile, sms_code), queue='xxx')
由此可以看出，delay方法是apply_async 简化版本，但是apply_async方法可以带非常多的配置参数，包括指定队列等，queue指定队列名称，把不同任务分配不同的队列（推荐使用delay方法）

6.执行命令，启动worker 让Celery 单独执行
celery -A Celery实例对象路径 worker -l info 

celery -A celery_tasks.main worker -l info     或    celery -A celery_tasks.main worker  --loglevel=info

7.任务的状态

PENDING ： 等待
STARTED ： 开始
RETRY: 重试
FAILURE: 失败
SUCCESS ： 成功
如：result = tasks.send_sms_code.delay(mobile, sms_code)
通过result.state 或result.status来查看任务的状态
更多 result 方法  查看http://docs.celeryproject.org/en/latest/reference/celery.result.html#module-celery.result