我们在web开发中会经常遇到异步任务,对于一些消耗资源和时间的操作,如果不从应用中单独抽出来的话,体验是非常不好的,例如:一个手机验证码登录的过程,当用户输入手机号点击发送后,如果如果直接扔给后端应用去执行的话,就会引起网络IO的阻塞,那整个应用就非常不友好了,那如何优雅的解决这个问题呢?
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 !
![]()