Skip to content

Latest commit

 

History

History
205 lines (125 loc) · 5.96 KB

1.安装配置与简单案例.md

File metadata and controls

205 lines (125 loc) · 5.96 KB

celery使用指南--入门基础

Auth: 王海飞

Data:2019-03-29

Email:[email protected]

github:https://github.com/coco369/knowledge


前言

Celery 是一个简单、灵活且可靠的,处理大量消息的分布式系统,并且提供维护这样一个系统的必需工具。

它是一个专注于实时处理的任务队列,同时也支持任务调度。

1. 何为消息队列?

任务队列是一种在线程或机器间分发任务的机制。

消息队列的输入是工作的一个单元,称为任务,独立的职程(Worker)进程持续监视队列中是否有需要处理的新任务。

Celery 用消息通信,通常使用中间人(Broker)在客户端和职程间斡旋。这个过程从客户端向队列添加消息开始,之后中间人把消息派送给职程。

Celery 系统可包含多个职程和中间人,以此获得高可用性和横向扩展能力。

使用场景

  1. 异步任务

将耗时的操作任务提交给 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

  1. 定时任务

类似于 crontab ,比如每日数据统计

2. celery组件

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.

结构图:

图

3. 消息代理

生产环境的消息代理有 RabbitMQ 和 Redis, 官方推荐 RabbitMQ.

4. 安装

安装celery相关库:

pip install celery==3.1.5
pip install django-celery==3.2.2
pip install redis==2.10.6

安装实时监控和管理Web界面工具:

pip install flower

如果安装最新django-celery3.2版本,则需要celery4版本小于4.0大于3。0的版本,且redis的版本必须小于3.0,因此各依赖库的版本号如上定义。

5. 配置

项目结构图如下:

图

在settings.py文件下定义:

INSTALLED_APPS = [
	...
    'djcelery', #django-celery必须添加
    'app',
]

# 如下配置celery等信息

import djcelery
# 当settings.py中的djcelery.setup_loader()运行时,
# Celery便会查看所有INSTALLED_APPS中app目录中的tasks.py文件, 找到标记为task的function,
# 并将它们注册为celery task.
djcelery.setup_loader()     #加载djcelery

#并没有北京时区,与下面TIME_ZONE应该一致
CELERY_TIMEZONE = 'Asia/Shanghai'
# 消息队列
BROKER_URL = 'redis://127.0.0.1:6379'
# 配置backend
# CELERY_RESULT_BACKEND='djcelery.backends.database:DatabaseBackend'

# 设置worker的并发数量为2
CELERY_CONCURRENCY = 2
# 结果存储位置
CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379'
# 任务序列化和反序列化为json
CELERY_TASK_SERIALIZER = 'json'
# 存储结果序列化为json
CELERY_RESULT_SERIALIZER = 'json'

在celery.py文件中定义:

from __future__ import absolute_import

import os

from celery import Celery
from django.conf import settings
# 设置环境变量
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'dj_celery_demo.settings')
# 实例化Celery
app = Celery('task')
# 使用django的settings文件配置celery
app.config_from_object('django.conf.settings')
# Celery加载所有注册的应用
app.autodiscover_tasks(lambda: settings.INSTALLED_APPS)

在tasks.py文件中定义:

import time

from dj_celery_demo.celery import app

#调度任务
@app.task
def add(x, y):
    # 模拟长时间耗时操作
    print('============耗时操作=============')
    time.sleep(10)
    print('============耗时操作结束============')
    return x + y

在views.py文件中定义调用异步任务task,定义如下:

from django.http import HttpResponse

from app.tasks import add


def task_add(request):
    # delay() 方法调用任务
    # delay 返回的是一个 AsyncResult 对象,里面存的就是一个异步的结果,
    # 当任务完成时result.ready() 为 true,然后用 result.get() 取结果即可

    # 发出request后异步执行该task, 马上返回response, 从而不阻塞该request,
    # 使用户有一个流畅的访问过程.那么, 我们可以使用.delay,
    add.delay(3, 5)
    # Celery会将task加入到queue中, 并马上返回.而在一旁待命的worker看到该task后, 便会按照设定执行它, 并将他从queue中移除
    return HttpResponse("假装操作很耗时,不等了")

6. 启动项目

启动celery命令:

python manage.py celery worker -l info
命令中 -l info 表示将程序中的调试信息打印在控制台中。命令也可简化为python manage.py celery worker

启动flower命令:

python manage.py celery flower --address=127.0.0.1 --port=5555 
命令中adderss和port参数可以不用填写,默认启动的IP地址为127.0.0.1,默认端口为5555

启动命令,控制台中信息的展示,如下图所示:

图

项目启动命令启动后,redis中执行任务情况如下图所示:

图

注意: 若任务被修改,Celery 需要重新启动,否则无法随之更改

7. 可视化监控队列工具

flower任务窗口界面截图:

图

flower信息中间件界面截图:

图

flower信息消费情况界面截图:

图