celery --分布式任务队列
Posted haiyan123
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了celery --分布式任务队列相关的知识,希望对你有一定的参考价值。
一、介绍
celery是一个基于python开发的分布式异步消息任务队列,用于处理大量消息,同时为操作提供维护此类系统所需的工具。
它是一个任务队列,专注于实时处理,同时还支持任务调度。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
二、实例场景
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
三、优点
- 1、简单:一但熟悉了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
四、入门
celery 需要一个解决方案来发送和接受消息,通常,这是以称为消息代理的单独服务的形式出现的
有以下几种解决方案,包括:
一:RabbitMQ(消息队列,一种程序之间的通信方式)
rabbitmq 功能齐全,稳定,耐用且易于安装。它是生产环境的绝佳选择。
如果您正在使用Ubuntu或Debian,请执行以下命令安装RabbitMQ:
$ sudo apt-get install rabbitmq-server
命令完成后,代理已经在后台运行,准备为您移动消息:。Starting rabbitmq-server: SUCCESS
二、redis
redis功能齐全,但在突然中止或者电源故障时更容易丢失数据
五、安装
$ pip install celery
六、应用
创建一个tasks.py文件
from celery import Celery app = Celery(‘tasks‘, broker=‘pyamqp://[email protected]//‘) @app.task def add(x, y): return x + y
第一个参数Celery是当前模块的名称。只有在__main__模块中定义任务时才能自动生成名称。
第二个参数是broker关键字参数,指定要使用的消息代理的URL。这里使用RabbitMQ(也是默认选项)。
您可以使用RabbitMQ amqp://localhost,或者您可以使用Redis redis://localhost。
您定义了一个名为add的任务,返回两个数字的总和。
1 from __future__ import absolute_import 2 import os 3 from celery import Celery 4 from django.conf import settings 5 # set the default Django settings module for the ‘celery‘ program. 6 os.environ.setdefault(‘DJANGO_SETTINGS_MODULE‘, ‘saruman_server.settings‘) 7 app = Celery(‘saruman_server‘) 8 9 # Using a string here means the worker will not have to 10 # pickle the object when using Windows. 11 app.config_from_object(‘django.conf:settings‘) 12 app.autodiscover_tasks(lambda: settings.INSTALLED_APPS) 13 14 @app.task(bind=True) 15 def debug_task(self): 16 print(‘Request: {0!r}‘.format(self.request))
七、运行celery工作服务器
您现在可以通过使用worker 参数执行我们的程序来运行worker :
celery -A tasks worker --loglevel=info
有关可用命令行选项的完整列表,请执行以下操作:
$ celery worker --help
还有其他几个可用的命令,也可以提供帮助:
$ celery help
八、调用任务
要调用我们的任务,您可以使用该delay()方法。
apply_async() 可以更好地控制任务执行
>>> from tasks import add >>> add.delay(4, 4)
调用任务会返回一个AsyncResult实例。这可用于检查任务的状态,等待任务完成,或获取其返回值(或者如果任务失败,则获取异常和回溯)。
九、保持结果
如果您想跟踪任务的状态,Celery需要在某处存储或发送状态。有几个内置的结果后端可供选择:SQLAlchemy / Django ORM, Memcached,Redis,RPC(RabbitMQ / AMQP),以及 - 或者您可以定义自己的。
在本例中,我们使用rpc结果后端,它将状态作为瞬态消息发回。后端通过backend参数 指定Celery
app = Celery(‘tasks‘, backend=‘rpc://‘, broker=‘pyamqp://‘)
或者,如果您想使用Redis作为结果后端,但仍然使用RabbitMQ作为消息代理(一种流行的组合):
app = Celery(‘tasks‘, backend=‘redis://localhost‘, broker=‘pyamqp://‘)
现在配置了结果后端,让我们再次调用该任务。这次你将保持AsyncResult调用任务时返回的实例:
>>> result = add.delay(4, 4)
该ready()方法返回任务是否已完成处理:
>>> result.ready()
False
十、配置
与消费类电器一样,celery不需要太多配置即可运行。它有一个输入和一个输出。输入必须连接代理,输出可以
选择到结果后端。
可以直接在应用程序上或使用专用配置模块设置配置。例如,您可以通过更改task_serializer设置来配置用于序列化任务有效负载的默认序列化程序:
app.conf.task_serializer = ‘json‘
如果您一次配置了许多设置,则可以使用update:
app.conf.update( task_serializer=‘json‘, accept_content=[‘json‘], # Ignore other content result_serializer=‘json‘, timezone=‘Europe/Oslo‘, enable_utc=True, )
对于大型项目,建议使用专用配置模块。不鼓励硬编码周期性任务间隔和任务路由选项。将它们保存在集中位置要好得多。对于库来说尤其如此,因为它使用户能够控制其任务的行为方式。集中配置还允许您的SysAdmin在发生系统故障时进行简单的更改。
您可以通过调用app.config_from_object()方法告诉Celery实例使用配置模块:
app.config_from_object(‘celeryconfig‘)
此模块通常称为“ celeryconfig”,但您可以使用任何模块名称。
在上面的例子中,一个名为的模块celeryconfig.py必须可以从当前目录或Python路径加载。它可能看起来像这样:
celeryconfig.py:
broker_url = ‘pyamqp://‘ result_backend = ‘rpc://‘ task_serializer = ‘json‘ result_serializer = ‘json‘ accept_content = [‘json‘] timezone = ‘Europe/Oslo‘ enable_utc = True
要验证配置文件是否正常工作且不包含任何语法错误,您可以尝试导入它:
####################################################
python -m celeryconfig
为了演示配置文件的强大功能,您可以将行为不当的任务路由到专用队列:
celeryconfig.py:
task_routes = {
‘tasks.add‘: ‘low-priority‘,
}
或者不是路由它,而是可以对任务进行速率限制,这样在一分钟(10 / m)内只能处理10种此类任务:
celeryconfig.py:
task_annotations = {
‘tasks.add‘: {‘rate_limit‘: ‘10/m‘}
}
如果您使用RabbitMQ或Redis作为代理,那么您还可以指示工作人员在运行时为任务设置新的速率限制:
$ celery -A tasks control rate_limit tasks.add 10/m
[email protected]: OK
new rate limit set successfully
十一、在项目中如何使用celery
1、可以把celery配置成一个应用
2、目录结构如下:
proj/__init__.py /celery.py /tasks.py
3、proj/celery.py内容
from __future__ import absolute_import, unicode_literals from celery import Celery app = Celery(‘proj‘, broker=‘amqp://‘, backend=‘amqp://‘, include=[‘proj.tasks‘]) # Optional configuration, see the application user guide. app.conf.update( result_expires=3600, ) if __name__ == ‘__main__‘: app.start()
4、proj/tasks.py中的内容
from __future__ import absolute_import, unicode_literals from .celery import app @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)
5、启动worker
$ celery -A proj worker -l info
输出
-------------- [email protected] v4.0.2 (latentcall) ---- **** ----- --- * *** * -- Darwin-15.6.0-x86_64-i386-64bit 2017-01-26 21:50:24 -- * - **** --- - ** ---------- [config] - ** ---------- .> app: proj:0x103a020f0 - ** ---------- .> transport: redis://localhost:6379// - ** ---------- .> results: redis://localhost/ - *** --- * --- .> concurrency: 8 (prefork) -- ******* ---- .> task events: OFF (enable -E to monitor tasks in this worker) --- ***** ----- -------------- [queues] .> celery exchange=celery(direct) key=celery
以上是关于celery --分布式任务队列的主要内容,如果未能解决你的问题,请参考以下文章