首页 / PYTHON / python---Celery分布式任务队列了解

python---Celery分布式任务队列了解

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python---Celery分布式任务队列了解，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含9321字，纯文字阅读大概需要14分钟。

内容图文

linux下定时器了解

Celery 框架学习笔记（不错哟）

Celery 分布式任务队列快速入门

Celery的最佳实践

一、Celery介绍

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， 举几个实例场景中可用的例子:

  1. 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。 
  2. 你想做一个定时任务，比如每天检测一下你们所有客户的资料，如果发现今天 是客户的生日，就给他发个短信祝福

 

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。所以我们需要先去安装这个软件。

Celery的构架

技术分享图片

Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。

消息中间件

Celery本身不提供消息服务，但是可以方便的和第三方提供的消息中间件集成，包括，RabbitMQ,Redis,MongoDB等，这里我先去了解RabbitMQ,Redis。

任务执行单元

Worker是Celery提供的任务执行的单元，worker并发的运行在分布式的系统节点中

任务结果存储

Task result store用来存储Worker执行的任务的结果，Celery支持以不同方式存储任务的结果，包括Redis，MongoDB，Django ORM，AMQP等，这里我先不去看它是如何存储的，就先选用Redis来存储任务执行结果。

            一般通过启动一个或多个worker进程来部署Celery。
这些worker进程连接上消息代理（以下称之为broker）来获取任务请求。
broker随机将任务请求分发给worker。
通过调用Celery的API，用户生成一个任务请求，并且将这个请求发布给broker。
在worker完成任务后，将完成的任务信息发送给result store(设置的backend)，从中获取信息。

        
            通过启动新的worker进程并让这些进程连上broker，可以很方便的扩展worker池。
每个worker可以和其他的worker同步执行任务。

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

安装：

pip3 install celery

二：基本使用（windows下即可）

（一）创建一个任务文件cel.py

            from
             celery import Celery

app 
            = Celery(‘tasks‘,
             broker=‘redis://127.0.0.1‘,　　#这里面存放任务，worker去里面获取任务，将执行结果放入backend中      注意：由于我们安装的redis配置为本机监听，所以使用127.0.0.1才可，若是使用localhost可能无法连接
             backend=‘redis://127.0.0.1‘
            
                )　　#从这里面获取我们任务执行的结果

@app.task
def add(x, y):
    print(
            "
            running...
            "
            , x, y)
    
            return x + y

@app.task
def cmd(comm):
    print(comm)
    return comm

（二）启动Celery Worker来开始监听并执行任务

注意：在windows下可能使用会报错

技术分享图片

解决方案：

1.安装eventlet

pip install eventlet

2.启动时加上一个参数

celery -A <任务文件> worker -l info -P eventlet

开始使用

1.启动Celery Worker来开始监听并执行任务

 

celery -A cel worker -l info -P eventlet

技术分享图片

2.在python命令行中连接celery，调用任务

D:\MyPython\day25\twisted_test>python
Python 3.5.4 (v3.5.4:3f56838, Aug  82017, 02:17:05) [MSC v.190064 bit (AMD64
 on win32
Type "help", "copyright", "credits" or "license"for more information.
>>> from cel import add,cmd
>>> t = add.delay(45,1)
>>> t.get()
46

 （三）设置超时处理

            from
             celery import Celery
import time

app = Celery(‘tasks‘,
             broker=‘redis://127.0.0.1‘,
             backend=‘redis://127.0.0.1‘)


@app.task
def add(x, y):
    print("running...", x, y)
    return x + y

@app.task
def cmd(comm):
    time.sleep(10)
    return comm

再次启用：

>>> c = cmd.delay("ccc")　　
>>> c.get()　　#会等待到10秒才会获取到值
‘ccc‘
[2018-06-3015:21:11,836: INFO/MainProcess] Task cel.cmd[ff9379e7-520e-41c2-ac1d
-79400e042fb8] succeeded in10.014999999999418s: ‘ccc‘　　#会一直等待10秒才会返回给get

我们需要设置超时时间：

>>> c.get(timeout=1)　　#我们将任务delay交给远程后，远程已经开始执行了，不过当我们调用get时远程还是没有执行完毕而已
Traceback (most recent call last):
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python35\lib\site-p
ackages\celery\backends\async.py", line 255, in _wait_for_pending
    on_interval=on_interval):
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python35\lib\site-p
ackages\celery\backends\async.py", line 54, in drain_events_until    raise socket.timeout()
socket.timeout

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python35\lib\site-p
ackages\celery\result.py", line 224, in get
    on_message=on_message,
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python35\lib\site-p
ackages\celery\backends\async.py", line 188, in wait_for_pendingfor _ in self._wait_for_pending(result, **kwargs):
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python35\lib\site-p
ackages\celery\backends\async.py", line 259, in _wait_for_pending
    raise TimeoutError(‘The operation timed out.‘)
celery.exceptions.TimeoutError: The operation timed out.

我们要么捕获错误，要么使用其他方法ready,去查看远程执行状态，False未完成，True已完成

>>> c = cmd.delay("cccde")
>>> c.ready()
False
>>> c.ready()
False
>>> c.ready()
False
>>> c.ready()
True
>>> c.get()
‘cccde‘

（四）其他命令

1.开启多个worker在后台

celery multi start w1 -A proj -l info

2.重启

celery  multi restart w1 -A proj -l info

3.停止

celery multi stop w1 -A proj -l info

4.等待任务执行完毕后停止

celery multi stopwait w1 -A proj -l info

三：项目中使用celery（常与Django一起）

项目目录：

            celProject　　目录
---celery.py　　#这个文件必须这样命名
---tasks.py
---tasks2.py
技术分享图片 技术分享图片 
                from
                 __future__ import absolute_import, unicode_literals    #是说下面的celery是python安装包决定路径引入，而不是当前项目

                from
                 celery import Celery   #celery是指python安装包决定路径引入，.celery是当前目录引入

app = Celery(‘proj‘,    #celery APP名称
             broker=‘redis://127.0.0.1‘,
             backend=‘redis://127.0.0.1‘,
             include=[‘celProject.tasks‘,‘celProject.tasks2‘])    #include引入的是当前项目下的任务，为列表，可以引入多个

# Optional configuration, see the application user guide.
app.conf.update(    #设置配置
    result_expires=3600,    #设置结果缓存时间
)

if __name__ == ‘__main__‘:
    app.start()
celery.py
技术分享图片 技术分享图片 
                from
                 __future__ import absolute_import, unicode_literals

                from
                 .celery import app ##用到他的装饰器

@app.task
def add(x, y):
    
                return x + y


@app.task
def mul(x, y):
    return x * y


@app.task
def xsum(numbers):
    return sum(numbers)
tasks.py
技术分享图片 技术分享图片 
                from
                 __future__ import absolute_import, unicode_literals

                from
                 .celery import app #用到他的装饰器

@app.task
def cmd(comm):
    print(
                "
                running cmd...
                "
                )
    
                return
                 comm

@app.task
def file_transfer(filename):
    print(
                "
                send file
                ")
tasks2.py

命令执行：启动Celery Worker和python解释器都是在项目同级下进行的

celery -A celProject worker -l info -P eventlet

技术分享图片 

>>> from celProject import tasks,tasks2
>>> t2 = tasks2.cmd.delay(‘ff‘)
>>> t2.get()
‘ff‘
>>> t2 = tasks.xsum.delay([1,3,5,44])
>>> t2.get()
53

 四：设置定时器（定时执行任务）流程图中celery beat（任务调度器）

我们另起一个进程，执行任务调度器

            celery -A 项目.具体任务 beat　　#启动任务调度器

任务调度器，内部相当于，一直循环计时，每当时间一到，将放置一个任务到broker中间件中，任务就可以由worker执行

接着在上面的项目目录下创建一个任务：ontime_task.py

            celProject　　目录
---celery.py　　#这个文件必须这样命名
---tasks.py
---tasks2.py
---ontime_task.py    #任务调度器
            from
             __future__ import absolute_import, unicode_literals

            from
             celery.schedules import crontab

            from
             .celery import app


@app.on_after_configure.connect
def setup_periodic_tasks(sender, **kwargs):
    # Calls test(‘hello‘) every 10 seconds.
    sender.add_periodic_task(10.0, test.s(‘hello‘), name=‘add every 10‘)　　#.s就是相当于delay，发送到worker执行

    # Calls test(‘world‘) every 30 seconds
    sender.add_periodic_task(30.0, test.s(‘world‘), expires=10)　　#默认是秒单位

    # Executes every Monday morning at 7:30 a.m.
    sender.add_periodic_task(
        crontab(hour=7, minute=30, day_of_week=1),　　#可以通过crontab设置其他格式时间
        test.s(‘Happy Mondays!‘),
    )


@app.task
def test(arg):　　#定时执行的任务
    print(arg)

正常启动Celery Worker，然后开启任务调度器

celery -A celProject worker -l info -P eventlet　　#开启一个worker，一会任务调度器中任务由他执行
celery -A celProject.ontime_task beat -l debug　　#开启任务调度器，由于我们是同项目中app,所以我们需要在项目同级下启动该任务

测试效果：每隔10秒一个hello，30秒一个world...

技术分享图片

补充：上面是函数形式执行的定时任务，下面使用配置文件模式

修改ontime_task.py

            from
             __future__ import absolute_import, unicode_literals

            from
             celery.schedules import crontab

            from
             .celery import app

app.conf.beat_schedule = {
    ‘add-every-monday-morning‘: {
        ‘task‘: ‘celProject.tasks.add‘,    #这里的任务名，我们需要和启动的worker显示的任务列表中任务一致
        ‘schedule‘: crontab(hour=7, minute=30, day_of_week=1),
        ‘args‘: (16, 16),
    },
    ‘add-every-5-seconds‘: {
        ‘task‘: ‘celProject.tasks.add‘,  # 这里的任务名，我们需要和启动的worker显示的任务列表中任务一致
        ‘schedule‘: 5,
        ‘args‘: (13, 26),
    },
    ‘add-every-10-seconds‘: {
        ‘task‘: ‘celProject.tasks.mul‘,  # 这里的任务名，我们需要和启动的worker显示的任务列表中任务一致
        ‘schedule‘: 10,
        ‘args‘: (13, 26),
    },
}

app.conf.timezone = "UTC"

@app.task
def test(arg):
    print(arg)

重新启动任务调度器，测试结果

技术分享图片

 五：与Django联合使用

（一）在Django项目中创建任务

1.在项目配置文件同级下设置celery.py文件，功能和上面一样，负责收集任务，进行调度

技术分享图片 

            from
             __future__ import absolute_import, unicode_literals
import os

            from
             celery import Celery

# 
            set the default Django settings module for the ‘celery‘ program.
os.environ.setdefault(‘DJANGO_SETTINGS_MODULE‘, ‘CRM.settings‘)　　#需要和项目名一致

app = Celery(‘CRM‘)　　#这个是设置worker名称，随便写，与项目一致吧

# Using a string here means the worker don‘t have to serialize
# the configuration object to child processes.
# - namespace=‘CELERY‘ means all celery-related configuration keys
#   should have a `CELERY_` prefix.
app.config_from_object(‘django.conf:settings‘, namespace=‘CELERY‘)

# Load task modules from all registered Django app configs.
app.autodiscover_tasks()


@app.task(bind=True)
def debug_task(self):　　#测试任务，可以不要
    print(‘Request: {0!r}‘.format(self.request))

2.在各个所需要定时任务的APP下添加tasks.py文件

技术分享图片 技术分享图片

技术分享图片 技术分享图片 
                from
                 __future__ import absolute_import, unicode_literals

                from
                 celery import shared_task

@shared_task
def add(x, y):
    
                return x + y


@shared_task
def mul(x, y):
    return x * y


@shared_task
def xsum(numbers):
    return sum(numbers)
sale下的tasks.py
技术分享图片 技术分享图片 
                from
                 __future__ import absolute_import, unicode_literals

                from
                 celery import shared_task

@shared_task
def cmd(comm):
    print(
                "
                running cmd...
                "
                )
    
                return
                 comm

@shared_task
def file_transfer(filename):
    print(
                "
                send file
                ")
student下的tasks.py

任务创建完毕。

3.可以先在项目下开启worker

celery -A CRM worker -l info -P eventlet　　#是在settings.py文件的上级目录的同级去执行的启动命令，因为celery放在这个目录下面

技术分享图片

（二）开始配置Django

1. 由于需要使用到django-celery-beat模块，所以需要先安装

pip install django-celery-beat

2.添加django-celery-beat模块到INSTALLED_APPS中，便于操作数据库

    INSTALLED_APPS = (
        ...,
        ‘django_celery_beat‘,
    )

3.配置数据库

python manage.py migrate

4.启动项目，在管理员页面生成任务

（1）查看表

技术分享图片

（2）设置周期：固定时间和间隔时间两种

技术分享图片

技术分享图片

 

 （3）创建任务

技术分享图片

技术分享图片

 

 技术分享图片

技术分享图片

5.启动任务调度器，会去数据库中获取我们设置的任务，按照我们设置的时间间隔执行任务

celery -A CRM beat -l info -S django　　#也是需要在settings的上级目录下执行

技术分享图片

（三）结果查看

 技术分享图片

 

原文：https://www.cnblogs.com/ssyfj/p/9247254.html

内容总结

以上是互联网集市为您收集整理的python---Celery分布式任务队列了解全部内容，希望文章能够帮你解决python---Celery分布式任务队列了解所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1275147.html

来源：【匿名】