本文主要是介绍Celery，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

Celery简介

Celery是什么

1. Celery是python中使用比较多的并行分布式框架
2. Celery是一个简单、灵活且可靠的,处理大量消息的分布式系统
3. Celery专注于实时处理的异步任务队列
4. Celery同时也支持任务调

Celery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

Celery工作流程

Celery核心组件

Celery的架构由三部分组成，消息中间件（Broker），任务执行单元（Worker）和任务执行结果存储（Result）组成。

• 消息中间件（Broker）
  Broker负责创建任务队列，根据一些路由规则将任务分派到任务队列，然后将任务从任务队列交付给worker
• 任务执行单元（Worker）
  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，运行后台作业的进程
• 任务结果存储（Result）
  Result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等

另外： 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。包括，RabbitMQ, Redis等等

其他： Celery还支持不同的并发、序列化和压缩的手段

• 并发：prefork、eventlet、gevent、threads
• 序列化：pickle、json、yaml、msgpack 等
• 压缩：zlib,、bzip2

Celery安装相关软件

备注：我是在windows10环境下做的，Linux应该大同小异

Celery安装

pip install celery

其他安装

这里有个坑.win10系统启动worker报错ValueError: not enough values to unpack (expected 3, got 0)，解决办法：

pip install eventlet

Django中使用的时候，报错 AttributeError: ‘str’ object has no attribute ‘items’。redis版本太高，降低版本 pip install redis==2.10.6

pip install redis==2.10.6

Celery代码实现

Celery基本使用方法

备注：在这里，我使用的是redis作为消息中间件

目录结构

代码实现

# app.py
from task import add

if __name__ == '__main__':
    print("Start Task ...")
    result = add.delay(2, 8)
    print("result:",result)             # 存到redis之后，返回的id
    print("result_id:",result.id)       # 存到redis之后，返回的id
    print("result:", result.get())      # 方法返回值
    print("End Task ...")

# task.py

import time
from celery import Celery

# 实例化一个Celery
broker = 'redis://ip:6379/1'
backend = 'redis://ip:6379/2'


# 参数1 自动生成任务名的前缀
# 参数2 broker 是我们的redis的消息中间件
# 参数3 backend 用来存储我们的任务结果的
app = Celery('my_task', broker=broker, backend=backend)


# 加入装饰器变成异步的函数
@app.task
def add(x, y):
    print('Enter call function ...')
    time.sleep(4)
    return x + y


if __name__ == '__main__':
    # 这里生产的任务不可用，导入的模块不能包含task任务。会报错
    print("Start Task ...")
    result = add.delay(2, 8)
    print("result:", result)
    print("End Task ...")

终端启动服务

celery -A task worker -l info -P eventlet

• A ：参数指定celery对象的位置
• l ：参数指定worker的日志级别

服务启动后的展示

运行代码，app.py

备注：不要运行task.py，会报错

这个时候可以看终端，看看请求

检验这个id的值

新增检查文件 check.py

# check.py

from celery.result import AsyncResult
from task import app

async_result=AsyncResult(id="455d6ad7-39cc-4e94-9fa9-456ae49cdd97", app=app)

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('任务异常后正在重试')
elif async_result.status == 'STARTED':
    print('任务已经开始被执行')

这篇关于Celery的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！