Celery分布式异步任务框架
执行celery：
python manage.py celery -A TSDRM work -l info
python manage.py celery -A TSDRM flower -l info
测试项目中的redis是否链接：
1、什么是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。专一于实时处理的异步任务队列，同时也支持定时任务python
2、Celery架构
一、Celery的架构由三部分组成：
消息中间件（message broker）：redis
任务执行单元（worker）：数据库
任务执行结果存储（task result store）：django
user是提交任务的人，user把任务提交到消息中间件broker中，好比用户提交个3+5的任务，这个程序只负责提交，另外一个程序负责执行。windows
workers负责执行代码，在消息中间件取一个一个的任务去执行，执行的结果须要存储在task result store中，用户user只须要去存储结果的task result store中看一下就知道这个任务有没有执行。架构
二、组成部分介绍
Celery自己不提供消息服务，可是能够方便的和第三方提供的消息中间件集成。包括，RabbitMQ, Redis等等并发
任务执行单元：Worker是Celery提供的任务执行的单元，worker并发的运行在分布式的系统节点中。app
任务结果存储：Task result store用来存储Worker执行的任务的结果，Celery支持以不一样方式存储任务的结果，包括AMQP, redis等异步
三、版本支持状况
Celery version 4.0 runs on Python ❨2.7, 3.4, 3.5❩ PyPy ❨5.4, 5.5❩ This is the last version to support Python 2.7, and from the next version (Celery 5.x) Python 3.5 or newer is required. If you’re running an older version of Python, you need to be running an older version of Celery: Python 2.6: Celery series 3.1 or earlier. Python 2.5: Celery series 3.0 or earlier. Python 2.4 was Celery series 2.2 or earlier. Celery is a project with minimal funding, so we don’t support Microsoft Windows.
Please don’t open any issues related to that platform.
四、场景
异步任务：将耗时操做任务提交给Celery去异步执行，好比发送短信/邮件、消息推送、音视频处理，统计某个商品近半年的销量生成折线图等等
定时任务：定时执行某件事情，好比天天数据统计
场景1：用户提交一个任务，把视频转成MP4格式。传上去以后转格式须要耗费很长时间。因此就能够把任务提交到消息中间件里，只返回一个消息告诉用户，视频正在转，你该干吗就干吗去。开启workes执行传视频的任务，视频转完以后，把结果放在结果存储store中。而后用户再发请求去结果存储中看一下视频有没有转好。async
场景2：注册发邮件。一个用户一旦注册了以后。把发邮件的任务提交到消息中间件里。异步调用发邮件发邮件。因此当用户注册成功以后，后台有邮件正在发。
场景3：秒杀商品，把秒杀的任务提交到任务队列中，起个worker去执行。
一点击抢购，显示你正在排队中。正常的逻辑是，点击抢购，会到数据库里查看是否还有此商品，有的话，数据库商品就减一，生成一个订单返回给用户，用户进行支付。可是，你有没有想过，秒杀的时候，一瞬间来了好多好多人，这时候就会考虑到程序运行效率问题，解决方法是会在秒杀商品的时候提早把数据放在redis中，不在直接操做数据库而是redis。若是程序还不行的时候，就会对任务作缓冲，来我的把任务提交上去，来我的把任务提交上去，后面开启多个workers来执行任务，这就至关于把整个任务作成异步的，任务提交完成立马返回，你正在排队。
场景4：利用Celery能够作页面静态化。首页常常被访问，每次都要查数据库很是耗时，能够把首页作成静态页面，数据是写死的，谁过来访问，就能看到首页。
3、Celery执行异步任务
安装依赖
pip3 install celery
pip3 install redis
一、基本使用
①建立celeryDemo项目
②建立任务：新建py文件：celery_task_s1.py
from celery import Celery # 指定broker(消息中间件)，指定backend(结果储存) backend = 'redis://127.0.0.1:6379/0' broker = 'redis://127.0.0.1:6379/1' # 0,1指定的是redis中的库
# 实例化产生一个Celery对象，必定要指定一个名字 app = Celery('test', broker=broker, backend=backend) # 指定任务，就是一个函数 # 须要用一个装饰器绑定任务，表示该任务是被celery管理的，而且能够用celery执行的 @app.task def add(x, y): import time time.sleep(3) return x+y
③提交任务到消息中间件中，获取任务id：新建py文件：add_task.py
# 用于提交任务的py文件 import celery_task_s1 # res = celery_task_s1.add(3, 7) # 正常同步执行任务 # print(res) # 打印结果为 10 # 提交任务到消息中间件中 res = celery_task_s1.add.delay(3, 7) # 只是把任务提交到消息中间件中，并无执行 print(res) # 6e6464e8-3b0a-49f9-ad92-824725c2a573 任务的id号
③任务提交完，启动worker执行任务
注意：windows下启动须要安装依赖
pip3 install eventlet
命令执行：celery worker -A celery_task_s1 -l info
windows下：celery worker -A celery_task_s1 -l info -P eventlet
④获取任务执行结果：新建py文件：celery_result.py
from celery.result import AsyncResult from celery_task_s1 import app async = AsyncResult(id="6e6464e8-3b0a-49f9-ad92-824725c2a573", app=app) # id是worker执行任务后拿到的id if async.successful(): # 取出它return的值 result = async.get() print(result) # 执行成功，打印的结果为10 # result.forget() # 将结果删除 elif async.failed(): print('执行失败') elif async.status == 'PENDING': print('任务等待中被执行') elif async.status == 'RETRY': print('任务异常后正在重试') elif async.status == 'STARTED': print('任务已经开始被执行')
二、多任务结构
celery_mul_Demo ├── celery_task # celery相关文件夹 │ ├── celery.py # celery链接和配置相关文件,必须叫这个名字 │ └── order_task.py # 全部任务函数 │ └── user_task.py # 全部任务函数 ├── add_task.py # 提交任务 └── celery_result.py # 查看结果
①建立任务：
新建py文件：celery.py(必须叫这个名字)
# 这个文件必须叫celery，生成celery对象 from celery import Celery broker = 'redis://127.0.0.1:6379/0' backend = 'redis://127.0.0.1:6379/1' app = Celery('test', broker=broker, backend=backend, # 包含如下两个任务文件，去相应的py文件中找任务，对多个任务作分类 include=['celery_task.order_task', 'celery_task.user_task', ] )
新建py文件：order_task.py
from celery_task.celery import app @app.task def order_add(x, y): import time time.sleep(3) return x+y
新建py文件：user_task.py
from celery_task.celery import app @app.task def user_add(x, y): import time time.sleep(3) return x+y
②提交任务：新建py文件：add_task.py
from celery_task.order_task import order_add from celery_task.user_task import user_add # res = order_add.delay(10, 20) # 打印结果为 26a025a6-f910-4e71-8173-c119c665df84 res = user_add.delay(100, 200) # 打印结果为 c67e5176-3972-49c2-9e13-13f7d6eea4af print(res)
③任务提交完，启动worker执行任务
windows下：celery worker -A celery_task -l info -P eventlet
等待提交任务
提交任务order_task
提交任务user_task
④获取任务执行结果：新建py文件：celery_result.py
from celery.result import AsyncResult from celery_task.celery import app async = AsyncResult(id="c67e5176-3972-49c2-9e13-13f7d6eea4af", app=app) # id是worker执行user_task任务后拿到的id if async.successful(): # 取出它return的值 result = async.get() print(result) # 执行成功，打印的结果为300 # result.forget() # 将结果删除 elif async.failed(): print('执行失败') elif async.status == 'PENDING': print('任务等待中被执行') elif async.status == 'RETRY': print('任务异常后正在重试') elif async.status == 'STARTED': print('任务已经开始被执行')
4、celery执行定时任务
一、指定的几时几点几分执行任务
①建立celeryDemo项目
②建立任务：新建py文件：celery_task_s1.py
from celery import Celery # 指定broker(消息中间件)，指定backend(结果储存) backend = 'redis://127.0.0.1:6379/0' broker = 'redis://127.0.0.1:6379/1' # 0,1指定的是redis中的库 # 实例化产生一个Celery对象，必定要指定一个名字 app = Celery('test', broker=broker, backend=backend) # 指定任务，就是一个函数 # 须要用一个装饰器绑定任务，表示该任务是被celery管理的，而且能够用celery执行的 @app.task def add(x, y): import time time.sleep(3) return x+y
③提交任务到消息中间件中，获取任务id：新建py文件：add_task.py
# 用于提交任务的py文件 import celery_task_s1 # 执行定时任务:指定时间执行add_task任务 from datetime import datetime v1 = datetime(2019, 7, 12, 20, 59, 56) # 指定的几时几点几分执行任务 print(v1) # 2019-07-12 20:59:56 v2 = datetime.utcfromtimestamp(v1.timestamp()) print(v2) # 2019-07-12 12:59:56 # 取出要执行任务的时间对象，调用apply_async方法，args是参数，eta是执行的时间 result = celery_task_s1.add.apply_async(args=[1, 3], eta=v2) print(result.id) # e28be60b-1546-4b92-987f-dfbf357e623f
③任务提交完，启动worker执行任务
windows下：celery worker -A celery_task_s1 -l info -P eventlet
指定的时间就会执行任务获得结果
二、天天的何时执行任务，天天到这个时间点都会执行，循环执行的
①建立项目celery_mul_Demo
②建立任务：新建py文件：celery.py(必须叫这个名字)
# 这个文件必须叫celery，生成celery对象 from celery import Celery broker = 'redis://127.0.0.1:6379/0' backend = 'redis://127.0.0.1:6379/1' app = Celery('test', broker=broker, backend=backend, include=['celery_task.order_task', ] ) from datetime import timedelta app.conf.beat_schedule = { # 名字随意命名 'add-every-10-seconds': { # 执行tasks1下的test_celery函数 'task': 'celery_task.order_task.order_add', # 每隔3秒执行一次 # 'schedule': 1.0, # 'schedule': crontab(minute="*/1"), 'schedule': timedelta(seconds=3), # 传递参数 'args': (5, 6) }, # 每一年什么时间执行什么 # 'add-every-12-seconds': { # 'task': 'celery_task.order_task.order_add', # # 每一年4月11号，8点42分执行 # 'schedule': crontab(minute=42, hour=8, day_of_month=11, month_of_year=4), # # 'schedule': crontab(minute=42, hour=8, day_of_month=11, month_of_year=4), # 'args': (16, 16) # }, }
新建py文件：order_task.py
from celery_task.celery import app @app.task def order_add(x, y): import time time.sleep(3) return x+y
③这里必须启动一个beat：celery beat -A celery_task -l info
再启动work执行：celery worker -A celery_task -l info -P eventlet
5、在django中使用celery
①建立项目：django_celery_Demo
②把多任务结构写的文件夹celery_task直接拷贝到项目中
③views.py
from celery_task.user_task import user_add def index(request): res = user_add.delay(3, 7) return HttpResponse(res.id) def check_result(request): res = request.GET.get('id') from celery.result import AsyncResult from celery_task.celery import app async = AsyncResult(id=res, app=app) # id是worker执行任务后拿到的id if async.successful(): # 取出它return的值 res = async.get() print(res) return HttpResponse('ok')
④url.py
url(r'^index/', views.index), url(r'^check/', views.check_result),
⑤在命令行中先启动worker：celery worker -A celery_task -l info -P eventlet
⑥启动项目
注意：在celery的任务函数中不能直接调用django的环境，须要手动添加
import os if __name__ == '__main__': os.environ.setdefault("DJANGO_SETTINGS_MODULE", "untitled15.settings") import django django.setup() from app01 import models books = models.Book.objects.all() print(books)