celery的简介
celery是一个基于分布式消息传输的异步任务队列，它专注于实时处理，同时也支持任务调度。它的执行单元为任务（task），利用多线程，如Eventlet，gevent等，它们能被并发地执行在单个或多个职程服务器（worker servers）上。任务能异步执行（后台运行）或同步执行（等待任务完成）。
在生产系统中，celery能够一天处理上百万的任务。它的完整架构图如下：
celery架构图
组件介绍：
- Producer：调用了Celery提供的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。
- Celery Beat：任务调度器，Beat进程会读取配置文件的内容，周期性地将配置中到期需要执行的任务发送给任务队列。
- Broker：消息代理，又称消息中间件，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）。Celery目前支持RabbitMQ、Redis、MongoDB、Beanstalk、SQLAlchemy、Zookeeper等作为消息代理，但适用于生产环境的只有RabbitMQ和Redis, 官方推荐 RabbitMQ。
- 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来提高执行效率。
- Result Backend：任务处理完后保存状态信息和结果，以供查询。Celery默认已支持Redis、RabbitMQ、MongoDB、Django ORM、SQLAlchemy等方式。
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 支出的序列化方案如下所示:
celery序列化
准备工作
在本文中，我们使用的celery的消息代理和后端存储数据库都使用redis，序列化和反序列化选择msgpack。
首先，我们需要安装redis数据库，具体的安装方法可参考：http://www.runoob.com/redis/redis-install.html 。启动redis，我们会看到如下界面：
redis启动
在redis可视化软件rdm中，我们看到的数据库如下：
rdm
里面没有任何数据。
接着，为了能够在python中使用celery，我们需要安装以下模块：
- celery
- redis
- msgpack
这样，我们的准备工作就完毕了。
一个简单的例子
我们创建的工程名称为proj，结构如下图：
首先是主程序app_test.py，代码如下：
from celery import Celery
app = Celery('proj', include=['proj.tasks'])
app.config_from_object('proj.celeryconfig')
if __name__ == '__main__':
app.start()
分析一下这个程序：
- "from celery import Celery"是导入celery中的Celery类。
- app是Celery类的实例，创建的时候添加了proj.tasks这个模块，也就是包含了proj/tasks.py这个文件。
- 把Celery配置存放进proj/celeryconfig.py文件，使用app.config_from_object加载配置。
接着是任务函数文件tasks.py，代码如下：
import time
from proj.app_test import app
@app.task
def add(x, y):
time.sleep(1)
return x + y
tasks.py只有一个任务函数add，让它生效的最直接的方法就是添加app.task这个装饰器。add的功能是先休眠一秒，然后返回两个数的和。
接着是配置文件celeryconfig.py，代码如下：
BROKER_URL = 'redis://localhost' # 使用Redis作为消息代理
CELERY_RESULT_BACKEND = 'redis://localhost:6379/0' # 把任务结果存在了Redis
CELERY_TASK_SERIALIZER = 'msgpack' # 任务序列化和反序列化使用msgpack方案
CELERY_RESULT_SERIALIZER = 'json' # 读取任务结果一般性能要求不高，所以使用了可读性更好的JSON
CELERY_TASK_RESULT_EXPIRES = 60 * 60 * 24 # 任务过期时间
CELERY_ACCEPT_CONTENT = ['json', 'msgpack'] # 指定接受的内容类型
最后是调用文件diaoyong.py，代码如下：
from proj.tasks import add
import time
t1 = time.time()
r1 = add.delay(1, 2)
r2 = add.delay(2, 4)
r3 = add.delay(3, 6)
r4 = add.delay(4, 8)
r5 = add.delay(5, 10)
r_list = [r1, r2, r3, r4, r5]
for r in r_list:
while not r.ready():
pass
print(r.result)
t2 = time.time()
print('共耗时：%s' % str(t2-t1))
在这个程序中，我们调用了add函数五次，delay()用来调用任务。
例子的运行
到此为止，我们已经理解了整个项目的结构与代码。
接下来，我们尝试着把这个项目运行起来。
首先，我们需要启动redis。接着，切换至proj项目所在目录，并运行命令：
celery -A proj.app_test worker -l info
界面如下：
celery启动
然后，我们运行diaoyong.py，输出的结果如下：
3
6
9
12
15
共耗时：1.1370790004730225
后台输出如下：
celery后台运行
接着，我们看一下rdm中的数据：
rdm中的数据
至此，我们已经成功运行了这个项目。
下面，我们尝试着对这个运行结果做些分析。首先，我们一次性调用了五次add函数，但是运行的总时间才1秒多。这是celery异步运行的结果，如果是同步运行，那么，至少需要5秒多，因为每调用add函数一次，就会休眠一秒。这就是celery的强大之处。
从后台输出可以看到，程序会先将任务分发出来，每个任务一个ID，在后台统一处理，处理完后会有相应的结果返回，同时该结果也会储存之后台数据库。可以利用ready()判断任务是否执行完毕，再用result获取任务的结果。
本文项目的github地址为：https://github.com/percent4/celery_example 。
本次分享到此结束，感谢阅读~
注意：本人现已开通微信公众号： Python爬虫与算法（微信号为：easy_web_scrape）， 欢迎大家关注哦~~
网友评论