Python Celery初研究

Posted 2020-09-08

最近，换了一个工作环境去做研究，当然啦，新公司新作风，需要研究python并行分布式框架：Celery，不用多说，干呗。

然后就抽空看了一下，果然接口简单，开发容易，5分钟就写出了一个异步发送邮件的服务。

Celery本身不含消息服务，它使用第三方消息服务来传递任务，目前，Celery支持的消息服务有RabbitMQ、Redis甚至是数据库，当然Redis应该是最佳选择。

• 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AMQP, Redis，memcached, MongoDB，SQLAlchemy, Django ORM，Apache Cassandra, IronCache

另外， Celery还支持不同的并发和序列化的手段

• 并发

  Prefork, Eventlet, gevent, threads/single threaded

• 序列化

  pickle, json, yaml, msgpack. zlib, bzip2 compression， Cryptographic message signing 等等

不废话，上初步研究的代码：

import sys
reload(sys)

import time

from celery import Celery

app = Celery(‘tasks‘, broker = ‘redis://localhost:6379/0‘)

@app.task()
def sendmail(mail):
    print(‘sending mail to %s...‘ % mail[‘to‘])
    time.sleep(2.0)
    print(‘mail sent.‘)

我是直接连的redis。

然后启动Celery处理任务：

celery -A tasks worker --loglevel=info

上面的命令行实际上启动的是Worker，如果要放到后台运行，可以扔给supervisor。

如何发送任务？非常简单：

可以看到，Celery的API设计真的非常简单。

然后，在Worker里就可以看到任务处理的消息：

这里我们可以发现，每一个task有一个唯一的ID，task异步执行在worker上。

Celery默认设置就能满足基本要求。Worker以Pool模式启动，默认大小为CPU核心数量，缺省序列化机制是pickle，但可以指定为json。由于Python调用UNIX/Linux程序实在太容易，所以，用Celery作为异步任务框架非常合适。

Celery还有一些高级用法，比如把多个任务组合成一个原子任务等，还有一个完善的监控接口，以后有空再继续研究。

本文出自 “Microsoft” 博客，请务必保留此出处http://1238306.blog.51cto.com/1228306/1912637