分布式队列Celery入门

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。Celery 是语言无关的，虽然它是用 Python 实现的，但他提供了其他常见语言的接口支持。

Celery 结构

网上找到一张用得最多的图

下面针对图中的每一部分做解释:

Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。

消息中间件（broker）

一个消息传输的中间件。每当应用程序调用celery的异步任务的时候，会向broker传递消息，而后celery的worker将会取到消息，执行相应程序。也就是消费者和生产者之间的桥梁，

另外Celery 本身不提供队列服务，官方推荐使用 RabbitMQ 和 Redis 等。

连接字符串:

RabiitMQ使用amqp://localhost

Redis使用redis://localhost

任务执行结果存储（backend）

backend: 用于存储这些消息以及celery执行的一些消息和结果,以此用来确认对方是否接受了。

任务执行单元（worker)

worker: Celery类的实例，作用就是执行各种任务

Celery 安装

目前，Windows使用celery只能安装 3.1.25版,linux就可以安装4.0以上的了，这里以Windows为例。

安装

pip install celery==3.1.25

先来一个简单例子

使用官网上的例子，然后把broker的信息改好，这里我们使用redis

首先在D:\CeleryDemo新建一个文件叫task.py输入以下代码。在输入之前确保redis服务是启动的。

from celery import Celery

app = Celery('tasks',  backend='redis://localhost:6379/0', broker='redis://localhost:6379/0') #配置好celery的backend和broker

@app.task  #普通函数装饰为 celery task

def add(x, y):

    return x + y

通过上面简单的代码broker 我们有了，backend 我们有了，task 我们也有了，现在就该运行 worker 进行工作了，在 task.py 所在目录下运行：

celery -A task worker --loglevel=info

意思就是运行 task 这个任务集合的 worker 进行工作（当然此时broker中还没有任务，worker此时相当于待命状态）

最后一步，触发任务，最简单方式就是在task.py所在目录下写一个trigger.py调用被装饰成 task 的函数：

from task import add

import time

result = add.delay(4, 4) #不要直接 add(4, 4)，这里需要用 celery 提供的接口 delay 进行调用

while not result.ready():

    time.sleep(1)

print ('task done: {0}'.format(result.get()))

运行之后可以看到

好了，恭喜你已经入门了。

巴特西