参考博客：http://www.cnblogs.com/alex3714/p/6351797.html
参考博客: https://www.jianshu.com/p/027538ffb8c1
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
2、Celery有以下优点
1、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
2、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
3、快速：一个单进程的celery每分钟可处理上百万个任务
4、灵活： 几乎celery的各个组件都可以被扩展及自定制
3、Celery基本工作流程图
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
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.
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
2. 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)
3. 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.
1、安装相关软件包
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 find ./ -type f | xargs sed -i ‘s/\r$//g‘ # 批量将当前文件夹下所有文件装换成unix格式
2、celery管理
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
3、django_celery_beat管理
celery -A celery_test beat -l info -S django #启动心跳任务 ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk ‘{print $2}‘ | xargs kill -TERM &> /dev/null # 杀死心跳所有进程
1、在Django中使用celery介绍（celery无法再windows下运行）
1）在Django中使用celery时，celery文件必须以tasks.py
2）Django会自动到每个APP中找tasks.py文件
2、创建一个Django项目celery_test，和app01
3、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()
4、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‘]
5、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
6、将celery_test这个Django项目拷贝到centos7.3的django_test文件夹中
7、保证启动了redis-server
8、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
9、测试celery
./manage.py shell import tasks t1 = tasks.minus.delay(5,3) t2 = tasks.add.delay(3,4) t1.get() t2.get()
1、在Django中使用celery的定时任务需要安装django-celery-beat
pip3 install django-celery-beat
2、在Django的settings中注册django_celery_beat
INSTALLED_APPS = ( ..., ‘django_celery_beat‘, )
3、执行创建表命令
python3 manage.py makemigrations
python3 manage.py migrate
4、在与项目同名的目录下的celery.py中添加定时任务
# -*- coding: utf-8 -*- from __future__ import absolute_import import os from celery import Celery from celery.schedules import crontab from datetime import timedelta from kombu import Queue # 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‘ # broker CELERY_RESULT_BACKEND = ‘redis://192.168.56.11:6379‘ # backend CELERY_ACCEPT_CONTENT = [‘application/json‘] # 指定任务接受的内容类型(序列化) CELERY_TASK_SERIALIZER = ‘json‘ # 任务的序列化方式 CELERY_RESULT_SERIALIZER = ‘json‘ # 任务执行结果的序列化方式 CELERY_TIMEZONE = ‘Asia/Shanghai‘ # 时区设置，计划任务需要，推荐 Asia/Shanghai ENABLE_UTC = False # 不使用UTC时区 CELERY_TASK_RESULT_EXPIRES = 60 * 60 # celery任务执行结果的超时时间 CELERY_ANNOTATIONS = {‘*‘: {‘rate_limit‘: ‘500/s‘}} # CELERYD_PREFETCH_MULTIPLIER = 10 # 每次取任务的数量 CELERYD_MAX_TASKS_PER_CHILD = 16 # 每个worker执行了多少任务就会死掉，防止内存泄漏 app.config_from_object(Config) app.autodiscover_tasks() #crontab config app.conf.update( CELERYBEAT_SCHEDULE = { # 每隔3s执行一次add函数 ‘every-3-min-add‘: { ‘task‘: ‘app01.tasks.add‘, ‘schedule‘: timedelta(seconds=10) }, # 每天下午15:420执行 ‘add-every-day-morning@14:50‘: { ‘task‘: ‘app01.tasks.minus‘, ‘schedule‘: crontab(hour=19, minute=50, day_of_week=‘*/1‘), }, }, ) # 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 协议的高级接口 Queue(‘transient‘, routing_key=‘transient‘,delivery_mode=1)
5、app01/tasks.py
# -*- 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(): print(‘########## running add #####################‘) return ‘add‘ @shared_task def minus(): time.sleep(30) print(‘########## running minus #####################‘) return ‘minus‘
6、管理命令
‘‘‘1、celery管理 ‘‘‘ 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 ‘‘‘2、django-celery-beat心跳服务管理 ‘‘‘ celery -A celery_test beat -l info -S django #启动心跳任务 ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk ‘{print $2}‘ | xargs kill -TERM &> /dev/null # 杀死心跳所有进程
原文：https://www.cnblogs.com/xiaonq/p/11166235.html
