1.celery介绍
https://www.cnblogs.com/xiaonq/p/11166235.html#i1
1.1 celery应用举例
1.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
2.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
3.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
Celery 是一个强大的分布式任务队列，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）
1.2 Celery有以下优点
*** 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**
*** 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**
*** 快速：一个单进程的celery每分钟可处理上百万个任务**
*** 灵活： 几乎celery的各个组件都可以被扩展及自定制**
1.3 Celery 特性
- 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.
- 可选 多进程, Eventlet 和 Gevent 三种模型并发执行.
- Celery 是语言无关的.它提供了python 等常见语言的接口支持.
2.celery 组件
https://www.cnblogs.com/xiaonq/p/11166235.html#i2
1、任务（tasks）--用户定义的函数，用于实现用户的功能，比如执行一个耗时很长的任务
2、中间介（Broker）--用于存放tasks的地方，但是这个中间介需要解决一个问题，就是可能需要存放非常非常多的tasks，而且要保证Worker能够从这里拿取
3、执行者（Worker）--用于执行tasks，也就是真正调用我们在tasks中定义的函数
4、存储（Backend）--把执行tasks返回的结果进行存储，以供用户查看或调用
2.1 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
2.2 celery架构图（ 生产者消费者模型 ）
Celery是基于Python开发的一个分布式任务队列框架，支持使用任务队列的方式在分布的机器/进程/线程上执行任务调度。
它是Python写的库，但是它实现的通讯协议也可以使用ruby，php，javascript等调用。异步任务除了消息队列的后台执行的方式，还是一种则是定时计划任务。
2.3 产生任务的方式
- 发布者发布任务(WEB 应用)
- 任务调度按期发布任务(定时任务)
2.4 celery 依赖三个库: 这三个库, 都由 Celery 的开发者开发和维护.
- 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