Celery

Celery 是一个简单、灵活且可靠的，处理大量消息的分布式系统，并且提供维护这样一个系统的必需工具。它是一个专注于实时处理的任务队列，同时也支持任务调度

安装celery

pip install celery

创建一个celery实例

创建s1文件

from celery import Celery

#tasks:当前模块的名称,可随意写,但是必须存在
#broker:指定要使用的消息中间件,
#中间件可参考:http://docs.jinkan.org/docs/celery/getting-started/first-steps-with-celery.html#id4
app=Celery("tasks",broker="redis://10.0.0.23:6379/1")

@app.task
def add():
    return "add"
@app.task
def add1():
    return "add1"

运行celery服务

celery worker -A s1 -l info   #s1为文件名 info:日志级别

调用任务(异步任务)

创建一个新文件,使用 delay() 方法来调用任务

from s1 import add

s=add.delay()
print(s)

此时s1文件会报错,因为在celery4.0后不再执行windows系统,可以安装eventlet来解决报错,当让也可以使用4.0以前的版本

Traceback (most recent call last):
  File "c:\program files\python36\lib\site-packages\billiard\pool.py", line 358, in workloop
    result = (True, prepare_result(fun(*args, **kwargs)))
  File "c:\program files\python36\lib\site-packages\celery\app\trace.py", line 544, in _fast_trace_task
    tasks, accept, hostname = _loc
ValueError: not enough values to unpack (expected 3, got 0)

安装eventlet

pip install eventlet

指定eventlet启动

celery worker -A s1 -l info -P eventlet #windows下需要使用 -P eventlet

保存结果

from celery import Celery
#使用backend保存结果,这里使用了redis,推荐使用RabbitMQ
app=Celery("tasks",broker="redis://10.0.0.23:6379/1",backend="redis://10.0.0.23:6379/2")

@app.task
def add():
    return "add"
@app.task
def add1():
    return "add1"

查看redis数据库

[root@node1 ~]# redis-cli -h 10.0.0.23
10.0.0.23:6379> SELECT 2
10.0.0.23:6379[2]> KEYS *
 1) "celery-task-meta-908f60a1-2c23-4403-ab89-518691d76f48"
 2) "celery-task-meta-8172677a-a5ad-48ac-93e6-8473ba564766"
 3) "celery-task-meta-4e116ff9-f51f-4797-beb0-b106ce609bac"
 4) "celery-task-meta-282dafcf-1bca-4414-bbc1-87759140bcd6"
 5) "celery-task-meta-6fe880a6-e9e2-4609-9fc3-6d284169c8f7"
 6) "celery-task-meta-1ad7acd9-bdf7-4a55-a7ca-4a7157975036"
 7) "celery-task-meta-6382ea5d-e328-427b-be22-4a6cca74078a"
 8) "celery-task-meta-7a260767-6246-457f-aa91-5598007a7dc2"
 9) "celery-task-meta-8d7b6686-ed63-473b-b4c9-db3ebc807421"
10) "celery-task-meta-29acbc9d-539c-4db3-b07b-7ce6b7365825"

查看数据

10.0.0.23:6379[2]> get celery-task-meta-908f60a1-2c23-4403-ab89-518691d76f48
"{\"status\": \"SUCCESS\", \"result\": \"add\", \"traceback\": null, \"children\": [], \"task_id\": \"908f60a1-2c23-4403-ab89-518691d76f48\", \"date_done\": \"2019-04-16T12:26:04.267013\"}"

celery获取返回值

from celery.result import AsyncResult #导入AsyncResult
from s1 import add,app #导入s1文件中的app
for i in range(10):
    s = add.delay()
    r = AsyncResult(id=s.id,app=app)
    print(r.get())

带参数的返回值

s1文件

from celery import Celery
#使用backend保存结果,这里使用了redis,推荐使用RabbitMQ
app=Celery("tasks",broker="redis://10.0.0.23:6379/1",backend="redis://10.0.0.23:6379/2")

@app.task
def add(a,b):
    return ("add",a+b)
@app.task
def add1():
    return "add1"

s2文件

from celery.result import AsyncResult #导入AsyncResult
from s1 import add,app #导入s1文件中的app
for i in range(10):
    s = add.delay(3,5)
    # r = AsyncResult(id=str(s),app=app) #可以使用str
    r = AsyncResult(id=s.id,app=app) #也可以使用s.id
    print(r.get()) #返回值
    print(r.status) #获取执行状态
    print(r.successful()) # 获取执行状态

获取报错信息

from celery.result import AsyncResult #导入AsyncResult
from s1 import add,app #导入s1文件中的app

s = add.delay(3,5)
print(s.id)
r = AsyncResult(id=s.id,app=app) #也可以使用s.id

#只获取报错信息
print(r.get(propagate=False))
#获取源文件的报错信息内容
print(r.traceback)

执行延时任务

apply_async

t=add.apply_async((1,2),countdown=5) #表示延迟5秒钟执行任务
print(t)
print(t.get())
问题:是延迟5秒发送还是立即发送,消费者延迟5秒在执行那?

支持的参数 :

countdown : 等待一段时间再执行.
```
add.apply_async((2,3), countdown=5)
```
eta : 定义任务的开始时间.这里的时间是UTC时间,这里有坑
```
add.apply_async((2,3), eta=now+tiedelta(second=10))
```
expires : 设置超时时间.
```
add.apply_async((2,3), expires=60)
```
retry : 定时如果任务失败后, 是否重试.
```
add.apply_async((2,3), retry=False)
```
retry_policy : 重试策略.

max_retries : 最大重试次数, 默认为 3 次.
interval_start : 重试等待的时间间隔秒数, 默认为 0 , 表示直接重试不等待.
interval_step : 每次重试让重试间隔增加的秒数, 可以是数字或浮点数, 默认为 0.2
interval_max : 重试间隔最大的秒数, 即 通过 interval_step 增大到多少秒之后, 就不在增加了, 可以是数字或者浮点数, 默认为 0.2 .

周期任务

from c import task
task.conf.beat_schedule={
    timezone='Asia/Shanghai',
    "each10s_task":{
        "task":"c.add",
        "schedule":3, # 每3秒钟执行一次
        "args":(10,10)
    },

}

其实celery也支持linux里面的crontab格式的书写的

from celery.schedules import crontab
task.conf.beat_schedule={
     timezone='Asia/Shanghai',
    "each3m_task":{
        "task":"c.add",
        "schedule":crontab(minute=3), #每小时的第3分钟执行
        "args":(10,10)
    },
     "each3m_task":{
        "task":"c.add",
        "schedule":crontab(minute=*/3), #每小时的第3分钟执行
        "args":(10,10)
    },
}

启动

celery best -A s2 -l info

与django结合

执行异步任务

在项目目录下,与settings统计的目录中创建一个名为celery的文件 ,在生成的目录文件中添加celery文件,内容如下

from __future__ import absolute_import, unicode_literals
import os
from celery import Celery

# set the default Django settings module for the 'celery' program.
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'tests.settings') #与项目关联 tests为项目名称

app = Celery('tests',backend='redis://10.211.55.19/3',broker='redis://10.211.55.19/4')
# app = Celery('tests',backend='redis://:password@10.211.55.19/3',broker='redis://:password@10.211.55.19/4') #如果redis存在密码,password为密码
#创建celery对象
# Using a string here means the worker doesn't have to serialize
# the configuration object to child processes.
# - namespace='CELERY' means all celery-related configuration keys
#   should have a `CELERY_` prefix.
app.config_from_object('django.conf:settings', namespace='CELERY')
#在django中创建celery的命名空间
# Load task modules from all registered Django app configs.
app.autodiscover_tasks()
#自动加载任务

编辑settings.py同级目录的init.py

from __future__ import absolute_import, unicode_literals
from .celery import app as celery_app

__all__ = ['celery_app']

在项目中添加tasks文件,用来保存tasks的文件　　

from celery import shared_task

@shared_task
def add(x, y):
    return x + y

@shared_task
def mul(x, y):
    return x * y

@shared_task
def xsum(numbers):
    return sum(numbers)

添加views文件内容

from .tasks import add

def index(request):
    result = add.delay(2, 3)
    return HttpResponse('返回数据{}'.format(result.get()))

启动worker

celery -A tests  worker -l info

添加url并调用

执行周期性任务

需要安装一个django的组件来完成这个事情

pip install django-celery-beat

将django-celery-beat添加到INSTALLED_APPS里面

INSTALLED_APPS = (
    ...,
    'django_celery_beat',
)

刷新到数据库

python3 manage.py makemigrations #不执行这个会有问题
python3 manage.py migrate

admin配置

启动beat

celery -A tests beat -l info --scheduler django_celery_beat.schedulers:DatabaseScheduler

启动worker

celery -A tests worker -l info

posted @ 2019-04-16 22:50 答&案阅读(566) 评论(1) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

Celery

安装celery

创建一个celery实例

调用任务(异步任务)

安装eventlet

保存结果

celery获取返回值

带参数的返回值

获取报错信息

执行延时任务

apply_async

周期任务

与django结合

执行异步任务

在项目目录下,与settings统计的目录中创建一个名为celery的文件 ,在生成的目录文件中添加celery文件,内容如下

编辑settings.py同级目录的init.py

在项目中添加tasks文件,用来保存tasks的文件

添加views文件内容

启动worker

添加url并调用

执行周期性任务

公告

在项目中添加tasks文件,用来保存tasks的文件　　