Python 并行分布式框架之 Celery

Celery （芹菜）是基于Python开发的分布式任务队列。它支持使用任务队列的方式在分布的机器／进程／线程上执行任务调度。

架构设计

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

  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, MongoDB (experimental), Amazon SQS (experimental),CouchDB (experimental), SQLAlchemy (experimental),Django ORM (experimental), IronMQ

• 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。

• 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，memcached, MongoDB，SQLAlchemy, Django ORM，Apache Cassandra, IronCache

另外， Celery还支持不一样的并发和序列化的手段

• 并发

  Prefork, Eventlet, gevent, threads/single threaded

• 序列化

  pickle, json, yaml, msgpack. zlib, bzip2 compression， Cryptographic message signing 等等

安装和运行

Celery的安装过程略为复杂，下面的安装过程是基于个人AWS EC2的Linux版本的安装过程，不一样的系统安装过程可能会有差别。你们能够参考官方文档。

首先我选择RabbitMQ做为消息中间件，因此要先安装RabbitMQ。做为安装准备，先更新YUM。

sudo yum -y update

RabbitMQ是基于erlang的，因此先安装erlang

# Add and enable relevant application repositories:
# Note: We are also enabling third party remi package repositories.
wget http://dl.fedoraproject.org/pub/epel/6/x86_64/epel-release-6-8.noarch.rpm
wget http://rpms.famillecollet.com/enterprise/remi-release-6.rpm
sudo rpm -Uvh remi-release-6*.rpm epel-release-6*.rpm

# Finally, download and install Erlang:
yum install -y erlang

而后安装RabbitMQ

# Download the latest RabbitMQ package using wget:
wget  
# Add the necessary keys for verification:
rpm --import  
# Install the .RPM package using YUM:
yum install rabbitmq-server-3.2.2-1.noarch.rpm

启动RabbitMQ服务

rabbitmq-server start

RabbitMQ服务已经准备好了，而后安装Celery， 假定你使用pip来管理你的python安装包

pip install Celery

为了测试Celery是否工做，咱们运行一个最简单的任务，编写tasks.py

from celery import Celery

app = Celery('tasks', backend='amqp', broker='amqp://guest@localhost//')
app.conf.CELERY_RESULT_BACKEND = 'db+sqlite:///results.sqlite'

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

在当前目录运行一个worker，用来执行这个加法的task

celery -A tasks worker --loglevel=info

其中－A参数表示的是Celery App的名字。注意这里我使用的是SQLAlchemy做为结果存储。对应的python包要事先安装好。

worker日志中咱们会看到这样的信息

- ** ---------- [config]
- ** ---------- .> app:         tasks:0x1e68d50
- ** ---------- .> transport:   amqp://guest:**@localhost:5672//
- ** ---------- .> results:     db+sqlite:///results.sqlite
- *** --- * --- .> concurrency: 8 (prefork)

其中，咱们能够看到worker缺省使用prefork来执行并发，并设置并发数为8

下面的任务执行的客户端代码：

from tasks import add
import time
result = add.delay(4,4)

while not result.ready():
  print "not ready yet"
  time.sleep(5)

print result.get()

用python执行这段客户端代码，在客户端，结果以下

not ready   
8

Work日志显示

[2015-03-12 02:54:07,973: INFO/MainProcess] Received task: tasks.add[34c4210f-1bc5-420f-a421-1500361b914f]
[2015-03-12 02:54:08,006: INFO/MainProcess] Task tasks.add[34c4210f-1bc5-420f-a421-1500361b914f] succeeded in 0.0309705100954s: 8

这里咱们能够发现，每个task有一个惟一的ID，task异步执行在worker上。

这里要注意的是，若是你运行官方文档中的例子，你是没法在客户端获得结果的，这也是我为何要使用SQLAlchemy来存储任务执行结果的缘由。官方的例子使用AMPQ，有可能Worker在打印日志的时候取出了task的运行结果显示在worker日志中，然而AMPQ做为一个消息队列，当消息被取走后，队列中就没有了，因而客户端老是没法获得任务的执行结果。不知道为何官方文档对这样的错误视而不见。

若是你们想要对Celery作更进一步的了解，请参考官方文档