celery是Python開發的分佈式異步任務調度系統，Celery支持的消息服務有rmq、redis等

Celery 是一個強大的分佈式任務隊列，它可以讓任務的執行完全脫離主程序，甚至可以被分配到其他主機上運行。我們通常使用它來實現異步任務（async task）和定時任務（crontab）。它的架構組成如下圖：

celery由5個主要組件組成:
producer: 任務發佈者, 通過調用API向celery發佈任務的程序
celery beat: 任務調度, 根據配置文件發佈定時任務
worker: 實際執行任務的程序
broker: 接受任務消息,存入隊列再按順序分發給worker執行
backend: 存儲結果的服務器

Celery 主要包含以下幾個模塊：

任務模塊
包含異步任務和定時任務。其中，異步任務通常在業務邏輯中被觸發併發往任務隊列，而定時任務由 Celery Beat 進程週期性地將任務發往任務隊列。

消息中間件 Broker
Broker，即爲任務調度隊列，接收任務生產者發來的消息（即任務），將任務存入隊列。Celery 本身不提供隊列服務，官方推薦使用 RabbitMQ 和 Redis 等。

任務執行單元 Worker
Worker 是執行任務的處理單元，它實時監控消息隊列，獲取隊列中調度的任務，並執行它。

任務結果存儲 Backend
Backend 用於存儲任務的執行結果，以供查詢。同消息中間件一樣，存儲也可使用 RabbitMQ, Redis 和 MongoDB 等。

異步任務：

使用 Celery 實現異步任務主要包含三個步驟：

創建一個 Celery 實例
啓動 Celery Worker
應用程序調用異步任務

在運行下面的例子之前，請確保 redis 已正確安裝，並開啓 redis 服務，當然，celery 也是要安裝的。可以使用下面的命令來安裝 celery 及相關依賴：

$ pip install 'celery[redis]'

# -*- coding: utf-8 -*-

import time
from celery import Celery

broker = 'redis://127.0.0.1:6379'
backend = 'redis://127.0.0.1:6379/0'

app = Celery('my_task', broker=broker, backend=backend)

@app.task
def add(x, y):
    time.sleep(5)     # 模擬耗時操作
    return x + y

將上面的代碼保存爲文件 tasks.py，做了幾件事：

創建了一個 Celery 實例 app，名稱爲 my_task；
指定消息中間件用 redis，URL 爲 redis://127.0.0.1:6379；
指定存儲用 redis，URL 爲 redis://127.0.0.1:6379/0；
創建了一個 Celery 任務 add，當函數被 @app.task 裝飾後，就成爲可被 Celery 調度的任務；

啓動 Celery Worker

在當前目錄，使用如下方式啓動 Celery Worker：

$ celery worker -A tasks --loglevel=info

其中：

參數 -A 指定了 Celery 實例的位置，本例是在 tasks.py 中，Celery 會自動在該文件中尋找 Celery 對象實例，當然，我們也可以自己指定，在本例，使用 -A tasks.app；
參數 --loglevel 指定了日誌級別，默認爲 warning，也可以使用 -l info 來表示；

在生產環境中，我們通常會使用 Supervisor 來控制 Celery Worker 進程。

調用任務

現在，我們可以在應用程序中使用 delay() 或 apply_async() 方法來調用任務。

在當前目錄打開 Python 控制檯，輸入以下代碼：

>>> from tasks import add
>>> add.delay(2, 8)
<AsyncResult: 2272ddce-8be5-493f-b5ff-35a0d9fe600f>

我們從 tasks.py 文件中導入了 add 任務對象，然後使用 delay() 方法將任務發送到消息中間件（Broker），Celery Worker 進程監控到該任務後，就會進行執行。我們將窗口切換到 Worker 的啓動窗口，會看到多了兩條日誌

INFO/MainProcess] Received task: tasks.add[2272ddce-8be5-493f-b5ff-35a0d9fe600f]

 INFO/PoolWorker-4] Task tasks.add[2272ddce-8be5-493f-b5ff-35a0d9fe600f] succeeded in 5.00642602402s: 10

這說明任務已經被調度並執行成功。

另外，我們如果想獲取執行後的結果，可以這樣做：

>>> result = add.delay(2, 6)
>>> result.ready()   # 使用 ready() 判斷任務是否執行完畢
False
>>> result.ready()
False
>>> result.ready()
True
>>> result.get()     # 使用 get() 獲取任務結果
8

在上面，我們是在 Python 的環境中調用任務。事實上，我們通常在應用程序中調用任務。比如，將下面的代碼保存爲 client.py:

from tasks import add

# 異步任務
add.delay(2, 8)

print 'hello world'

運行命令 $ python client.py，可以看到，雖然任務函數 add 需要等待 5 秒才返回執行結果，但由於它是一個異步任務，不會阻塞當前的主程序，因此主程序會往下執行 print 語句，打印出結果。

使用配置

在上面的例子中，我們直接把 Broker 和 Backend 的配置寫在了程序當中，更好的做法是將配置項統一寫入到一個配置文件中，通常我們將該文件命名爲 celeryconfig.py。Celery 的配置比較多，可以在官方文檔查詢每個配置項的含義。

下面，我們再看一個例子。項目結構如下：

celery_demo                    # 項目根目錄
    ├── celery_app             # 存放 celery 相關文件
    │   ├── __init__.py
    │   ├── celeryconfig.py    # 配置文件
    │   ├── task1.py           # 任務文件 1
    │   └── task2.py           # 任務文件 2
    └── client.py              # 應用程序

__init__.py 代碼如下：

# -*- coding: utf-8 -*-

from celery import Celery

app = Celery('demo')                                # 創建 Celery 實例
app.config_from_object('celery_app.celeryconfig')   # 通過 Celery 實例加載配置模塊

celeryconfig.py 代碼如下：

BROKER_URL = 'redis://127.0.0.1:6379'               # 指定 Broker
CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/0'  # 指定 Backend

CELERY_TIMEZONE='Asia/Shanghai'                     # 指定時區，默認是 UTC
# CELERY_TIMEZONE='UTC'                             

CELERY_IMPORTS = (                                  # 指定導入的任務模塊
    'celery_app.task1',
    'celery_app.task2'
)

task1.py 代碼如下：

import time
from celery_app import app

@app.task
def add(x, y):
    time.sleep(2)
    return x + y

task2.py 代碼如下：

import time
from celery_app import app

@app.task
def multiply(x, y):
    time.sleep(2)
    return x * y

client.py 代碼如下：

# -*- coding: utf-8 -*-

from celery_app import task1
from celery_app import task2

task1.add.apply_async(args=[2, 8])        # 也可用 task1.add.delay(2, 8)
task2.multiply.apply_async(args=[3, 7])   # 也可用 task2.multiply.delay(3, 7)

print 'hello world'

現在，讓我們啓動 Celery Worker 進程，在項目的根目錄下執行下面命令：

celery_demo $ celery -A celery_app worker --loglevel=info

接着，運行 $ python client.py，它會發送兩個異步任務到 Broker，在 Worker 的窗口我們可以看到如下輸出：

INFO/MainProcess] Received task: celery_app.task1.add[9ccffad0-aca4-4875-84ce-0ccfce5a83aa]
[INFO/MainProcess] Received task: celery_app.task2.multiply[64b1f889-c892-4333-bd1d-ac667e677a8a]
[INFO/PoolWorker-3] Task celery_app.task1.add[9ccffad0-aca4-4875-84ce-0ccfce5a83aa] succeeded in 2.00600231002s: 10
[INFO/PoolWorker-4] Task celery_app.task2.multiply[64b1f889-c892-4333-bd1d-ac667e677a8a] succeeded in 2.00601326401s: 21

delay 和 apply_async

在前面的例子中，我們使用 delay() 或 apply_async() 方法來調用任務。事實上，delay 方法封裝了 apply_async，如下：

def delay(self, *partial_args, **partial_kwargs):
    """Shortcut to :meth:`apply_async` using star arguments."""
    return self.apply_async(partial_args, partial_kwargs)

也就是說，delay 是使用 apply_async 的快捷方式。apply_async 支持更多的參數，它的一般形式如下：

apply_async(args=(), kwargs={}, route_name=None, **options)

apply_async 常用的參數如下：

countdown：指定多少秒後執行任務

task1.apply_async(args=(2, 3), countdown=5) # 5 秒後執行任務

eta (estimated time of arrival)：指定任務被調度的具體時間，參數類型是 datetime

from datetime import datetime, timedelta

# 當前 UTC 時間再加 10 秒後執行任務
task1.multiply.apply_async(args=[3, 7], eta=datetime.utcnow() + timedelta(seconds=10))

expires：任務過期時間，參數類型可以是 int，也可以是 datetime

task1.multiply.apply_async(args=[3, 7], expires=10) # 10 秒後過期

更多的參數列表可以在官方文檔中查看。

定時任務

Celery 除了可以執行異步任務，也支持執行週期性任務（Periodic Tasks），或者說定時任務。Celery Beat 進程通過讀取配置文件的內容，週期性地將定時任務發往任務隊列。

讓我們看看例子，項目結構如下：

celery_demo                    # 項目根目錄
    ├── celery_app             # 存放 celery 相關文件
        ├── __init__.py
        ├── celeryconfig.py    # 配置文件
        ├── task1.py           # 任務文件
        └── task2.py           # 任務文件

__init__.py 代碼如下：

# -*- coding: utf-8 -*-

from celery import Celery

app = Celery('demo')
app.config_from_object('celery_app.celeryconfig')

celeryconfig.py 代碼如下：

# -*- coding: utf-8 -*-

from datetime import timedelta
from celery.schedules import crontab

# Broker and Backend
BROKER_URL = 'redis://127.0.0.1:6379'
CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/0'

# Timezone
CELERY_TIMEZONE='Asia/Shanghai'    # 指定時區，不指定默認爲 'UTC'
# CELERY_TIMEZONE='UTC'

# import
CELERY_IMPORTS = (
    'celery_app.task1',
    'celery_app.task2'
)

# schedules
CELERYBEAT_SCHEDULE = {
    'add-every-30-seconds': {
         'task': 'celery_app.task1.add',
         'schedule': timedelta(seconds=30),       # 每 30 秒執行一次
         'args': (5, 8)                           # 任務函數參數
    },
    'multiply-at-some-time': {
        'task': 'celery_app.task2.multiply',
        'schedule': crontab(hour=9, minute=50),   # 每天早上 9 點 50 分執行一次
        'args': (3, 7)                            # 任務函數參數
    }
}

task1.py 代碼如下：

import time
from celery_app import app

@app.task
def add(x, y):
    time.sleep(2)
    return x + y

task2.py 代碼如下：

import time
from celery_app import app

@app.task
def multiply(x, y):
    time.sleep(2)
    return x * y

現在，讓我們啓動 Celery Worker 進程，在項目的根目錄下執行下面命令：

celery_demo $ celery -A celery_app worker --loglevel=info

接着，啓動 Celery Beat 進程，定時將任務發送到 Broker，在項目根目錄下執行下面命令：

celery_demo $ celery beat -A celery_app
celery beat v4.0.1 (latentcall) is starting.
__    -    ... __   -        _
LocalTime -> 2016-12-11 09:48:16
Configuration ->
    . broker -> redis://127.0.0.1:6379//
    . loader -> celery.loaders.app.AppLoader
    . scheduler -> celery.beat.PersistentScheduler
    . db -> celerybeat-schedule
    . logfile -> [stderr]@%WARNING
    . maxinterval -> 5.00 minutes (300s)

之後，在 Worker 窗口我們可以看到，任務 task1 每 30 秒執行一次，而 task2 每天早上 9 點 50 分執行一次。

在上面，我們用兩個命令啓動了 Worker 進程和 Beat 進程，我們也可以將它們放在一個命令中：

$ celery -B -A celery_app worker --loglevel=info

Celery 週期性任務也有多個配置項，可參考官方文檔。

本文由 funhacks 發表於個人博客，採用 Creative Commons BY-NC-ND 4.0（自由轉載-保持署名-非商用-禁止演繹）協議發佈。
非商業轉載請註明作者及出處。商業轉載請聯繫作者本人。
本文標題爲: 異步任務神器 Celery 簡明筆記
本文鏈接爲: https://funhacks.net/2016/12/...

Celery 異步分佈式 171219

啓動 Celery Worker

調用任務

使用配置

delay 和 apply_async

定時任務

參考資料

.Net 8.0 下的新RPC，IceRPC之試試的新玩法"打洞"

關於遊戲付費的一點想法

我通過CKA和CKS啦！

《最新出爐》系列入門篇-Python+Playwright自動化測試-42-強大的可視化追蹤利器Trace Viewer

大數據怎麼學？對大數據開發領域及崗位的詳細解讀，完整理解大數據開發領域技術體系

2018-01-08 python 內置函數

Celery 異步分佈式 171219

Python-正則對象的方法

2018-01-09 map 函數

Python的mysql操作（安裝、鏈接）

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結