分布式定时任务-Celery：一个专注于实时处理和任务调度的分布式任务队列

一、celery简介

Celery 是一个专注于实时处理和任务调度的分布式任务队列, 同时提供操作和维护分布式系统所需的工具，任务就是消息, 消息中的有效载荷中包含要执行任务需要的全部数据.它是一个分布式队列的管理工具, 可以用 Celery 提供的接口快速实现并管理一个分布式的任务队列.

二、celery特性：

1.方便查看定时任务的执行情况, 如 是否成功, 当前状态, 执行任务花费的时间等.
2.使用功能齐备的管理后台或命令行添加,更新,删除任务.
3.方便把任务和配置管理相关联.
4.多进程, Eventlet 和 Gevent 三种模型并发执行.
5.提供错误处理机制.
6.提供多种任务原语, 方便实现任务分组,拆分,和调用链.
7.支持多种消息代理和存储后端.
8.Celery 是语言无关的.它提供了python 等常见语言的接口支持.

三、celery相关组件：

Celery Beat : 任务调度器. Beat 进程会读取配置文件的内容, 周期性的将配置中到期需要执行的任务发送给任务队列.
Celery Worker : 执行任务的消费者, 通常会在多台服务器运行多个消费者, 提高运行效率.
Broker : 消息代理, 队列本身. 也称为消息中间件. 接受任务生产者发送过来的任务消息, 存进队列再按序分发给任务消费方(通常是消息队列或者数据库).
Producer : 任务生产者. 调用 Celery API , 函数或者装饰器, 而产生任务并交给任务队列处理的都是任务生产者.
Result Backend : 任务处理完成之后保存状态信息和结果, 以供查询.

celery的架构图如下：

四、celery支持的序列化

在客户端和消费者之间传输数据需要 序列化和反序列化. Celery支持的序列化如下：

1.pickle：python标准库的一个模块，支持python内置的数据结构，celery官方不推荐
2.json：支持多种语言，可用于跨语言方案
3.yaml：表达能力更强，支持的数据类型也比较多，但是性能方面稍逊json
4.msgpack：二进制的类json序列化方案，比json数据结构更小更快

五、celery的简单使用

1.使用redis作为broker和backend来演示一下celery的使用，首先启动redis，使用db1作为broker和backend：

2.使用下面命令安装celery的模块和redis模块：

pip install celery==4.1
pip install redis==3.3.11

3.编写tasks文件：

# -*- coding: utf-8 -*-
# @File : tasks.py
from __future__ import absolute_import, unicode_literals
from celery_tasks import celeryconfig
from celery import Celery
app = Celery('tasks', config_source=celeryconfig)
@app.task
def add(x, y):
 return x + y

配置文件celeryconfig内容是：

# -*- coding: utf-8 -*-
BROKER_URL = 'redis://:12345678@127.0.0.1:6379/1'
CELERY_RESULT_BACKEND = 'rpc'
CELERY_TASK_SERIALIZER = 'json'
CELERY_RESULT_SERIALIZER = 'json'
CELERY_TASK_RESULT_EXPIRES = 60*30
CELERY_ACCEPT_CONTENT = ['json']
CELERY_TIMEZONE = 'Asia/Shanghai'
CELERY_TASK_PUBLISH_RETRY_POLICY = {
 'max_retries': 3,
 'interval_start': 0,
 'interval_step': 0.2,
 'interval_max': 0.2
}
# 队列
CELERY_QUEUES = {
 'add': {
 'routing_key': 'add'
 }
}
CELERY_ROUTES = {
 'tasks.add': {
 'queue': 'add',
 'routing_key': 'add'
 }
}

4.启动celery：

使用命令celery -A celery_tasks.tasks worker –concurrency=2 –loglevel=debug进行启动，concurrency是启动work的数量，loglevel是日志的级别：

redis中也有了值：

查看一下启动的worker：

看到会有三个进程分布式定时任务，这时由于celery是master-worker的架构模式，一个主进程负责调度，然后多个从进程负责消费具体的任务分布式定时任务，也就是调度器和工作进程。

5.对于 celery任务的使用

redis中也存储了相关计算值：

六、配置文件说明

1.BROKER_URL：broker地址
2.CELERY_RESULT_BACKEND：结果存储地址
3.CELERY_TASK_SERIALIZER：任务序列化方式
4.CELERY_RESULT_SERIALIZER：结果序列化方式
5.CELERY_TASK_RESULT_EXPIRES：任务过期时间
6.CELERY_ACCEPT_CONTENT：指定任务接受的内容类型
7.CELERY_TASK_PUBLISH_RETRY_POLICY：任务发布策略
8.CELERY_QUEUES：队列配置
9.CELERY_ROUTES：路由设置

七、任务状态回调：

1.PENDING:任务等待中
2.STARTED:任务已开始
3.SUCCESS:任务成功
4.FAILURE：任务失败
5.RETRY：任务重试
6.REVOKED:任务取消
7.PROGRESS:任务进行中

限时特惠：本站每日持续更新海量设计资源，一年会员只需29.9元，全站资源免费下载
站长微信：ziyuanshu688

htebazile永久VIP

收藏 海报 链接