celery+redis应用+django

一、celery介绍

　　1、应用场景

　　　　a. Celery 是一个基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理，如果你的业务场景中需要用到异步任务，就可以考虑使用celery

　　　　b. 你想对100台机器执行一条批量命令，可能会花很长时间，但你不想让你的程序等着结果返回，而是给你返回一个任务ID,你过一段时间只需要拿着这个任务id就可以拿到任务执行结果，在任务执行ing进行时，你可以继续做其它的事情

　　　　c. Celery 在执行任务时需要通过一个消息中间件来接收和发送任务消息，以及存储任务结果，一般使用rabbitMQ or Redis

　　2、redis的优点

　　　　a. 简单：一单熟悉了celery的工作流程后，配置和使用还是比较简单的

　　　　b. 高可用：当任务执行失败或执行过程中发生连接中断，celery 会自动尝试重新执行任务

　　　　c. 快速：一个单进程的celery每分钟可处理上百万个任务

　　　　d. 灵活：几乎celery的各个组件都可以被扩展及自定制

　　3. celery的工作流程

　　　　user：用户程序，用于告知celery去执行一个任务。
　　　　 broker: 存放任务（依赖RabbitMQ或Redis，进行存储）
　　　　 worker：执行任务

　　4、celery的特性

　　　　　　1）方便查看定时任务的执行情况, 如是否成功, 当前状态, 执行任务花费的时间等.

　　　　　　2）可选多进程, Eventlet 和 Gevent 三种模型并发执行.

　　　　　　3）Celery 是语言无关的.它提供了python 等常见语言的接口支持.

二、celery组件

　　1、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.

　　2、celery架构图

　　3、产生任务的方式

　　　　　　1) 发布者发布任务(WEB 应用)

　　　　　　2) 任务调度按期发布任务(定时任务)

　　4、celery依赖的三个库：这三个库，都是由celery的开发者发开和维护

　　　　　　billiard : 基于 Python2.7 的 multisuprocessing 而改进的库, 主要用来提高性能和稳定性.

　　　　　　librabbitmp : C 语言实现的 Python 客户端

　　　　　　kombu : Celery 自带的用来收发消息的库, 提供了符合 Python 语言习惯的, 使用 AMQP 协议的高级借口.

三、celery的使用

　　安装相关依赖包

pip3 install Django==2.0.4
pip3 install celery==4.3.0
pip3 install redis==3.2.1
pip3 install  django-celery==3.1.17
pip3 install ipython==7.6.1

　　在与项目同名的目录下创建celery.py

# -*- coding: utf-8 -*-
from __future__ import absolute_import
import os
from celery import Celery

# 只要是想在自己的脚本中访问Django的数据库等文件就必须配置Django的环境变量
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'celery_test.settings')

# app名字
app = Celery('celery_test')

# 配置celery
class Config:
    BROKER_URL = 'redis://192.168.56.11:6379'
    CELERY_RESULT_BACKEND = 'redis://192.168.56.11:6379'

app.config_from_object(Config)
# 到各个APP里自动发现tasks.py文件
app.autodiscover_tasks()

celery.py

　　在与项目同名的目录下的 init.py 文件中添加下面内容

# -*- coding:utf8 -*-
from __future__ import absolute_import, unicode_literals

# 告诉Django在启动时别忘了检测我的celery文件
from .celery import app as celery_ap
__all__ = ['celery_app']
__init__.py

__init__.py

　　创建app01/tasks.py文件

# -*- coding:utf8 -*-
from __future__ import absolute_import, unicode_literals
from celery import shared_task
import time

# 这里不再使用@app.task,而是用@shared_task，是指定可以在其他APP中也可以调用这个任务
@shared_task
def add(x,y):
    print('########## running add #####################')
    return x + y

@shared_task
def minus(x,y):
    time.sleep(30)
    print('########## running minus #####################')
    return x - y

app01/tasks.py

　　保证启动了redis-server

　　启动一个celery的worker

celery multi start w1 w2 -A celery_pro -l info     #一次性启动w1,w2两个worker
celery -A celery_pro status                        #查看当前有哪些worker在运行
celery multi stop w1 w2 -A celery_pro              #停止w1,w2两个worker

celery  multi start celery_test -A celery_test -l debug --autoscale=50,5        # celery并发数：最多50个，最少5个
ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9       # 关闭所有celery进程

celery/worker

　　测试celery

./manage.py shell
import tasks
t1 = tasks.minus.delay(5,3)
t2 = tasks.add.delay(3,4)
t1.get()
t2.get()

测试celery