Celery分布式任务队列的认识和基本操作

一、简单认识

　　Celery是由Python开发、简单、灵活、可靠的分布式任务队列，其本质是生产者消费者模型，生产者发送任务到消息队列，消费者负责处理任务。Celery侧重于实时操作，但对调度支持也很好，其每天可以处理数以百万计的任务。

它的特点有：

简单：熟悉了它的流程后，配置使用简单；
高可用：任务执行失败或执行过程中发生连接中断，Celery会自动重新执行任务；
快速：一个单进程的Celery每分钟可处理上百万个任务；
灵活：Celery的各个组件都可以被扩展及自定制；

应用场景举例：

1.web应用：用户在网站进行某个操作需要很长时间完成时，我们可以将这种操作交给Celery执行，直接返回给用户，等到Celery执行完成以后通知用户，大大提好网站并发及用户体验感。

2.任务场景：需要批量在几百台机器执行某些命令或者任务，Celery可以轻松搞定。

3.定时任务：向定时导数据报表、定时发送通知类似场景，Celery可以提供管理接口和丰富的API。

二、架构和工作原理

Celery由以下三部分构成：消息中间件(Broker)、任务执行单元(Worker)、结果存储(Backend):来个图

Celery分布式任务队列的认识和基本操作

消息中间件(Broker):

　　消息中间件Broker支持RabbitMQ、Redis、MongoDB、Memcached 等，官方推荐RabbitMQ。

任务执行单元(Worker)

　　Worker是任务执行单元，负责从消息队列中取出任务执行，它可以启动一个或者多个，也可以启动在不同的机器节点，这就是其实现分布式的核心。

结果存储(Backend)

　　Backend结果存储官方也提供了诸多的存储方式支持：RabbitMQ、 Redis、Memcached,SQLAlchemy, Django ORM、Apache Cassandra、Elasticsearch。

工作原理：

任务模块Task包含异步任务和定时任务。其中，异步任务通常在业务逻辑中被触发并发往消息队列，而定时任务由Celery Beat进程周期性地将任务发往消息队列；

任务执行单元Worker实时监视消息队列获取队列中的任务执行；

Woker执行完任务后将结果保存在Backend中;

三、安装使用

Redis的安装：

　　参考我的另外一篇：https://www.cnblogs.com/Utopia-Clint/p/10868258.html

Celery的安装：

一个简单的应用（Linux环境下）

注意：此时并没有将配置文件、任务文件及初始化文件分开，真的到应用环境中是要分开的，后面会提到；

创建一个文件目录：

mkdir /root/celery_study

Celery分布式任务队列的认识和基本操作

在celery_study创建文件task.py

Celery分布式任务队列的认识和基本操作

task.py：任务定义文件

# -*- coding:utf-8 -*-
# @Author  : Clint
from celery import Celery
app = Celery('task',
             broker='redis://:123456@localhost:6379',
             backend='redis://:123456@localhost:6379',
             )


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

启动Worker