分布式队列神器 Celery，你了解多少？

Celery 是什么?

Celery简介

Brokers

意为中间件/中间人，在这里指的是任务队列， 我们要注意Celery本身不是任务队列，它是管理分布式任务队列的工具，换一句话说，用Celery可以快速进行任务队列的使用与管理， Celery可以方便的和第三方提供的任务队列集成，例如RabbitMQ, Redis等。

Worker

任务执行单元，我们可以理解为工人，Worker是Celery提供的任务执行的单元，简单来说，它就是Celery的工人，类似于消费者，它shi'shi监控着任务队列，当有新的任务入队时，它会从任务队列中取出任务并执行。

backend/Task result store

任务结构存储，顾名思义，它就是用来存储Worker执行的任务的结果的地方，Celery支持以不同方式存储任务的结果，有redis，Memcached等。

简单来说，当用户、或者我们的应用中的触发器将任务入Brokers队列之后，Celery的Worker就会取出任务并执行，然后将结构保存到Task result store中。

使用Celery

简单实现

Celery及消息队列（redis/RabbitMQ）的安装过程在这里就不再赘述了，出于方便，我们这里使用redis，点击这里查看官网给出的更多的Brokers和backend支持。

首先，我们新建一个tasks.py文件。

import time from celery import Celery brokers = 'redis://127.0.0.1:6379/0' backend = 'redis://127.0.0.1:6379/1'  app = Celery('tasks', broker=brokers, backend=backend) @app.task def add(x, y): time.sleep(2) return x + y

上述代码，我们导入了celery库，新建了一个celery实例，传入了broker和backend,然后创建了任务函数add，我们用time.sleep(2)来模拟耗时操作。

接下来我们要启动Celery服务，在当前命令行终端运行：

celery -A tasks worker  --loglevel=info

注意：如果在Windows中要运行如下命令：

celery -A celery_app worker --loglevel=info -P eventlet

不然会报错。。。。。。

我们会看到下面的输出结果：

D:\use_Celery>celery -A tasks worker --loglevel=info -P eventlet -------------- celery@DESKTOP-8E96VUV v4.4.2 (cliffs) --- ***** ----- -- ******* ---- Windows-10-10.0.18362-SP0 2020-03-18 15:49:22 - *** --- * --- - ** ---------- [config] - ** ---------- .> app: tasks:0x3ed95f0 - ** ---------- .> transport: redis://127.0.0.1:6379/0 - ** ---------- .> results: redis://127.0.0.1:6379/1 - *** --- * --- .> concurrency: 8 (eventlet) -- ******* ---- .> task events: OFF (enable -E to monitor tasks in this worker) --- ***** ----- -------------- [queues] .> celery exchange=celery(direct) key=celery [tasks] . tasks.add [2020-03-18 15:49:22,264: INFO/MainProcess] Connected to redis://127.0.0.1:6379/0 [2020-03-18 15:49:22,294: INFO/MainProcess] mingle: searching for neighbors [2020-03-18 15:49:23,338: INFO/MainProcess] mingle: all alone [2020-03-18 15:49:23,364: INFO/MainProcess] celery@DESKTOP-8E96VUV ready. [2020-03-18 15:49:23,371: INFO/MainProcess] pidbox: Connected to redis://127.0.0.1:6379/0.

这些输出包括指定的启动Celer应用的一些信息，还有注册的任务等等。 

此时worker已经处于待命状态，而 broker中还没有任务 ，我们需要触发任务进入broker中，worker才能去取出任务执行。

我们新建一个add_task.py文件:

from tasks import add result = add.delay(5, 6) # 使用celery提供的接口delay进行调用任务函数  while not result.ready(): pass print("完成:", result.get())

我们可以看到命令窗口的输出的celery执行的日志 ：

[2020-03-18 15:53:15,967: INFO/MainProcess] Received task: tasks.add[8da270cb-7f07-4202-ad6a-51cc7f559107] [2020-03-18 15:53:17,981: INFO/MainProcess] Task tasks.add[8da270cb-7f07-4202-ad6a-51cc7f559107] succeeded in 2.015999999974156s: 11 

当然我们在backend的redis中也可以看到执行任务的相关信息。

至此，一个简单的 celery 应用就完成啦。

周期/定时任务

Celery 也可以实现定时或者周期性任务，实现也很简单，只需要配置好周期任务，然后再启动要启动一个 beat 服务即可。

新建Celery配置文件celery_conf.py:

from datetime import timedelta from celery.schedules import crontab CELERYBEAT_SCHEDULE = { 'add': { 'task': 'tasks.add', 'schedule': timedelta(seconds=3), 'args': (16, 16) } }

然后在 tasks.py 中通过app.config_from_object('celery_config') 读取Celery配置：

# tasks.py app = Celery('tasks', backend='redis://localhost:6379/0', broker='redis://localhost:6379/0') app.config_from_object('celery_config') 

然后重新运行 worker，接着再运行 beat：

celery -A tasks beat

我们可以看到以下信息：

D:\use_Celery>celery -A tasks beat celery beat v4.4.2 (cliffs) is starting. __ - ... __ - _ LocalTime -> 2020-03-18 17:07:54 Configuration -> . broker -> redis://127.0.0.1:6379/0  . loader -> celery.loaders.app.AppLoader . scheduler -> celery.beat.PersistentScheduler . db -> celerybeat-schedule . logfile -> [stderr]@%WARNING . maxinterval -> 5.00 minutes (300s)

然后我们就可以看到启动worker的命令行在周期性的执行任务：

[2020-03-18 17:07:57,998: INFO/MainProcess] Received task: tasks.add[f5dab8ac-0809-415f-84e7-cba488ea2495] [2020-03-18 17:07:59,995: INFO/MainProcess] Task tasks.add[f5dab8ac-0809-415f-84e7-cba488ea2495] succeeded in 2.0s: 32 [2020-03-18 17:08:00,933: INFO/MainProcess] Received task: tasks.add[b49a4c92-e007-46ef-9b5d-f93f451a6c1b] [2020-03-18 17:08:02,946: INFO/MainProcess] Task tasks.add[b49a4c92-e007-46ef-9b5d-f93f451a6c1b] succeeded in 2.0160000000032596s: 32 [2020-03-18 17:08:03,934: INFO/MainProcess] Received task: tasks.add[1bdfe4d8-76c1-44cc-b1fa-dbbe242692ae] [2020-03-18 17:08:05,940: INFO/MainProcess] Task tasks.add[1bdfe4d8-76c1-44cc-b1fa-dbbe242692ae] succeeded in 2.0s: 32

可以看出每3秒就有一个任务被加入队列中去执行。

那定时任务又怎样去实现呢？

也很简单，我们只需要更改一下配置文件即可：

CELERYBEAT_SCHEDULE = { 'add-crontab-func': { 'task': 'tasks.add', 'schedule': crontab(hour=8, minute=50, day_of_week=4), 'args': (30, 20), }, } CELERY_TIMEZONE = 'Asia/Shanghai' # 配置时区信息

其中crontab(hour=8, minute=50, day_of_week=4)代表的是每周四的8点50执行一次，只要我们的Celery服务一直开着，定时任务就会按时执行；在这里我也在配置里加入了时区信息。

我在这里是8点45启动的Celery服务、运行的beat，从下面的输出可以看出，50的时候我们的定时任务就执行了。

[2020-03-19 08:45:19,934: INFO/MainProcess] celery@DESKTOP-8E96VUV ready. [2020-03-19 08:50:00,086: INFO/MainProcess] Received task: tasks.add[45aa794d-a4ef-40e0-9480-80c7004318d5] [2020-03-19 08:50:02,091: INFO/MainProcess] Task tasks.add[45aa794d-a4ef-40e0-9480-80c7004318d5] succeeded in 2.0s: 50

由此我们可以看出，利用 Celery 进行分布式队列管理将会大大的提高我们的开发效率，我这里也仅仅是关于Celery的简单介绍和使用，如果大家感兴趣，可以去官方文档 学习更高级更系统的用法。

最后，感谢女朋友在生活中，工作上的包容、理解与支持 ！