189 8069 5689
这期内容当中小编将会给大家带来有关怎么在Django中使用Celery异步任务队列，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
Celery是异步任务队列，可以独立于主进程运行，在主进程退出后，也不影响队列中的任务执行。
任务执行异常退出，重新启动后，会继续执行队列中的其他任务，同时可以缓存停止期间接收的工作任务，这个功能依赖于消息队列（MQ、Redis）。
1.1 Celery原理
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本身不提供消息服务，但是可以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。推荐使用：RabbitMQ、Redis作为消息队列。
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支持以不同方式存储任务的结果，包括AMQP, Redis，memcached, MongoDB，SQLAlchemy, Django ORM，Apache Cassandra, IronCache
1.2Celery适用场景异步任务处理：例如给注册用户发送短消息或者确认邮件任务。 大型任务：执行时间较长的任务，例如视频和图片处理，添加水印和转码等，需要执行任务时间长。 定时执行的任务：支持任务的定时执行和设定时间执行。例如性能压测定时执行。
2Celery开发环境准备 2.1 环境准备软件名称 | 版本号 | 说明 |
Linux | Centos 6.5（64bit） | 操作系统 |
Python | 3.5.2 | |
Django | 1.10 | Web框架 |
Celery | 4.0.2 | 异步任务队列 |
Redis | 2.4 | 消息队列 |
使用方法介绍：
Celery的运行依赖消息队列，使用时需要安装redis或者rabbit。
这里我们使用Redis。安装redis库:
sudo yum install redis
启动redis:
sudo service redis start
安装celery库
sudo pip install celery==4.0.23Celery单独执行任务 3.1编写任务
创建task.py文件
说明：这里初始Celery实例时就加载了配置，使用的redis作为消息队列和存储任务结果。
运行celery：
$ celery -A task worker --loglevel=info
看到下面的打印，说明celery成功运行。
直接打开python交互命令行
执行下面代码：
可以celery的窗口看到任务的执行信息
任务执行状态监控和获取结果：
有两种方法：
delay和apply_async ，delay方法是apply_async简化版。
add.delay(2, 2) add.apply_async((2, 2)) add.apply_async((2, 2), queue='lopri')
delay方法是apply_async简化版本。
apply_async方法是可以带非常多的配置参数，包括指定队列等
Queue 指定队列名称，可以把不同任务分配到不同的队列 3.4 任务状态
每个任务有三种状态：PENDING -> STARTED -> SUCCESS
任务查询状态：res.state
来查询任务的状态
上面简单介绍了celery异步任务的基本方法，结合我们实际的应用，我们需要与Django一起使用，下面介绍如何与Django结合。
4.1与Django集成方法与Django集成有两种方法：
Django 1.8 以上版本：与Celery 4.0版本集成
Django 1.8 以下版本：与Celery3.1版本集成，使用django-celery库
今天我们介绍celery4.0 和django 1.8以上版本集成方法。
4.2 创建项目文件创建一个项目：名字叫做proj
- proj/ - proj/__init__.py - proj/settings.py - proj/urls.py - proj/wsgi.py - manage.py
创建一个新的文件：proj/proj/mycelery.py
from __future__ import absolute_import, unicode_literals
import os
from celery import Celery
# set the default Django settings module for the 'celery' program.
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'proj.settings')
app = Celery('proj')
# Using a string here means the worker don't have to serialize
# the configuration object to child processes.
# - namespace='CELERY' means all celery-related configuration keys
# should have a `CELERY_` prefix.
app.config_from_object('django.conf:settings', namespace='CELERY')
# Load task modules from all registered Django app configs.
app.autodiscover_tasks()在proj/proj/__init__.py:添加
from __future__ import absolute_import, unicode_literals # This will make sure the app is always imported when # Django starts so that shared_task will use this app. from .mycelery import app as celery_app __all__ = ['celery_app']4.3 配置Celery
我们在mycelery.py文件中说明celery的配置文件在settings.py中，并且是以CELERY开头。
app.config_from_object('django.conf:settings', namespace='CELERY')在settings.py文件中添加celery配置：
我们的配置是使用redis作为消息队列，消息的代理和结果都是用redis，任务的序列化使用json格式。
重要：redis：//127.0.0.1:6379/0这个说明使用的redis的0号队列，如果有多个celery任务都使用同一个队列，则会造成任务混乱。最好是celery实例单独使用一个队列。
4.4创建APP创建Django的App，名称为celery_task，在app目录下创建tasks.py文件。
完成后目录结构为：
├── celery_task │ ├── admin.py │ ├── apps.py │ ├── __init__.py │ ├── migrations │ │ └── __init__.py │ ├── models.py │ ├── tasks.py │ ├── tests.py │ └── views.py ├── db.sqlite3 ├── manage.py ├── proj │ ├── celery.py │ ├── __init__.py │ ├── settings.py │ ├── urls.py │ └── wsgi.py └── templates4.5编写task任务
编辑任务文件
tasks.py
在tasks.py文件中添加下面代码
# Create your tasks here from __future__ import absolute_import, unicode_literals from celery import shared_task @shared_task def add(x, y): return x + y @shared_task def mul(x, y): return x * y @shared_task def xsum(numbers): return sum(numbers)
启动celery:celery -A proj.mycelery worker -l info
说明：proj 为模块名称，mycelery 为celery 的实例所在的文件。
启动成功打印：
在views中编写接口，实现两个功能：
触发任务，然后返回任务的结果和任务ID
根据任务ID查询任务状态
代码如下：
启动django。
新开一个会话启动celery；启动命令为：celery –A proj.mycelery worker –l info
访问 http://127.0.0.1:8000/add ，可以看到返回的结果。
在celery运行的页面，可以看到下面输出：
有的时候任务执行时间较长，需要查询任务是否执行完成，可以根据任务的id来查询任务状态，根据状态进行下一步操作。
可以看到任务的状态为：SUCCESS
Celery作为异步任务队列，我们可以按照我们设置的时间，定时的执行一些任务，例如每日数据库备份，日志转存等。
Celery的定时任务配置非常简单：
定时任务的配置依然在setting.py文件中。
说明：如果觉得celery 的数据配置文件和Django 的都在setting.py 一个文件中不方便，可以分拆出来，只需要在mycelery.py 的文件中指明即可。
app.config_from_object('django.conf:yoursettingsfile', namespace='CELERY')5.1任务间隔运行#每30秒调用task.add
from datetime import timedelta
CELERY_BEAT_SCHEDULE = {
'add-every-30-seconds': {
'task': 'tasks.add',
'schedule': timedelta(seconds=30),
'args': (16, 16)
},
}5.2定时执行定时每天早上7：30分运行。
注意：设置任务时间时注意时间格式，UTC时间或者本地时间。
#crontab任务
#每天7:30调用task.add
from celery.schedules import crontab
CELERY_BEAT_SCHEDULE = {
# Executes every Monday morning at 7:30 A.M
'add-every-monday-morning': {
'task': 'tasks.add',
'schedule': crontab(hour=7, minute=30),
'args': (16, 16),
},
}5.3定时任务启动配置了定时任务，除了worker进程外，还需要启动一个beat进程。
Beat进程的作用就相当于一个定时任务，根据配置来执行对应的任务。
5.3.1 启动beat进程
命令如下：celery -A proj.mycelery beat -l info
5.3.2 启动worker进程
Worker进程启动和前面启动命令一样。celery –A proj.mycelery worker –l info
Celery任务支持多样的运行模式：
支持动态指定并发数 --autoscale=10,3 (always keep 3 processes, but grow to 10 if necessary).
支持链式任务
支持Group任务
支持任务不同优先级
支持指定任务队列
支持使用eventlet模式运行worker
例如：指定并发数为1000
celery -A proj.mycelery worker -c 1000
上述就是小编为大家分享的怎么在Django中使用Celery异步任务队列了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。