Python开发模块：Celery 分布式异步消息任务队列

Posted 2020-09-27

Celery

前言：

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:

• 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。 
• 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

Celery基本工作流程图：

 

1、 Celery安装使用

Celery需要在linux的环境下运行：

# 安装
[[email protected] celerys]# pip3 install celery

# 进入python import无异常表示安装成功
[[email protected] celerys]# python3
>>> import celery

Celery的默认broker是RabbitMQ, 仅需配置一行就可以

broker_url = ‘amqp://guest:[email protected]:5672//‘

使用Redis做broker也可以

broker_url = ‘redis://localhost:6379/0‘
#redis://:[email protected]:port/db_number

 

2、简单使用

创建一个任务文件就叫tasks.py:

from celery import Celery
import time 

app = Celery(‘cly‘,                                        # 任意
             broker=‘redis://192.168.1.166:6379/0‘,        # 中间件
             backend=‘redis://localhost‘)                  # 数据存储
 
@app.task
def add(x,y):
    time.sleep(10)
    print("running...",x,y)
    return x+y

启动Celery Worker来开始监听并执行任务：

# 加入环境变量
[[email protected] ~]# PATH=$PATH:/usr/local/python3.5/bin/

# 启动一个worker
[[email protected] celerys]# celery -A tasks worker --loglevel=info

调用任务：

[[email protected] celerys]# python3 
Python 3.5.2 (default, Jul  7 2017, 23:36:01) 
[GCC 4.8.5 20150623 (Red Hat 4.8.5-11)] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from tasks import add                   # import add
>>> add.delay(4,6)                          # 执行函数
<AsyncResult: 4b5a8ab6-693c-4ce5-b779-305cfcdf70cd>   # 返回taskid
>>> result = add.delay(4,6)                 # 执行函数
>>> result.get()                            # 同步获取结果,一直等待
10

>>> result.get(timeout=1)                   # 设置超时时间，过期错误异常
Traceback (most recent call last):
    --strip--
celery.exceptions.TimeoutError: The operation timed out.

>>> result = add.delay(4,‘a‘)               # 执行错误命令
>>> result.get()                            # get后获取到错误信息，触发异常
Traceback (most recent call last):
     --strip--
celery.backends.base.TypeError: unsupported operand type(s) for +: ‘int‘ and ‘str‘
>>> result = add.delay(4,‘a‘)
>>> result.get(propagate=False)             # propagate=False 不触发异常，获取错误信息
TypeError("unsupported operand type(s) for +: ‘int‘ and ‘str‘",)
>>> result.traceback                        # 获取具体错误信息 log打印用
‘Traceback (most recent call last):\\n  File "/usr/local/python3.5/lib/python3.5/site-packages/celery/app/trace.py", line 367, in trace_task\\n    R = retval = fun(*args, **kwargs)\\n  File "/usr/local/python3.5/lib/python3.5/site-packages/celery/app/trace.py", line 622, in __protected_call__\\n    return self.run(*args, **kwargs)\\n  File "/data/celerys/tasks.py", line 12, in add\\n    return x+y\\nTypeError: unsupported operand type(s) for +: \\‘int\\‘ and \\‘str\\‘\\n‘

此时worker端收到的信息：

[2017-07-08 03:12:22,565: WARNING/PoolWorker-1] running...     # 获取到任务
[2017-07-08 03:12:22,565: WARNING/PoolWorker-1] 4
[2017-07-08 03:12:22,565: WARNING/PoolWorker-1] 6              # 任务执行完毕数据存储到backend端
[2017-07-08 03:12:22,567: INFO/PoolWorker-1] Task tasks.add[683e395e-48b9-4d32-b3bb-1492c62af393] succeeded in 10.01260852499945s: 10

查看worker(即192.168.1.166)端数据：

[[email protected] redis-3.0.6]# src/redis-cli 
127.0.0.1:6379> keys *
1) "_kombu.binding.celeryev"
2) "unacked_mutex"
3) "_kombu.binding.celery.pidbox"
4) "_kombu.binding.celery"

执行完后，backend端的数据：

[[email protected] redis-3.0.6]# src/redis-cli   # 程序get后,数据未被删除
127.0.0.1:6379> keys *
1) "celery-task-meta-683e395e-48b9-4d32-b3bb-1492c62af393"