专栏名称: Python开发者
人生苦短，我用 Python。伯乐在线旗下账号「Python开发者」分享 Python 相关的技术文章、工具资源、精选课程、热点资讯等。
目录
相关文章推荐
Python爱好者社区  ·  炸了！《大模型基础》开源 ·  18 小时前  
Python爱好者社区  ·  72K，确实可以封神了！！ ·  2 天前  
Python爱好者社区  ·  “我，在阿里月薪6万，离职后突然惊醒：人越努 ... ·  昨天  
Python爱好者社区  ·  实习四十天被抓了，不回去就开除。。。 ·  3 天前  
Python开发者  ·  突发！GitLab不再为中国大陆、香港、澳门 ... ·  昨天  
51好读  ›  专栏  ›  Python开发者

异步任务神器 Celery 简明笔记

Python开发者  · 公众号  · Python  · 2016-12-24 21:48

正文

（点击上方公众号，可快速关注）


来源：FunHacks

链接：funhacks.net/2016/12/13/celery/


在程序的运行过程中，我们经常会碰到一些耗时耗资源的操作，为了避免它们阻塞主程序的运行，我们经常会采用多线程或异步任务。比如，在 Web 开发中，对新用户的注册，我们通常会给他发一封激活邮件，而发邮件是个 IO 阻塞式任务，如果直接把它放到应用当中，就需要等邮件发出去之后才能进行下一步操作，此时用户只能等待再等待。更好的方式是在业务逻辑中触发一个发邮件的异步任务，而主程序可以继续往下运行。


Celery 是一个强大的分布式任务队列，它可以让任务的执行完全脱离主程序，甚至可以被分配到其他主机上运行。我们通常使用它来实现异步任务（async task）和定时任务（crontab）。它的架构组成如下图：



可以看到，Celery 主要包含以下几个模块：


  • 任务模块 Task包含异步任务和定时任务。其中，异步任务通常在业务逻辑中被触发并发往任务队列，而定时任务由 Celery Beat 进程周期性地将任务发往任务队列。

  • 消息中间件 BrokerBroker，即为任务调度队列，接收任务生产者发来的消息（即任务），将任务存入队列。Celery 本身不提供队列服务，官方推荐使用 RabbitMQ 和 Redis 等。

  • 任务执行单元 WorkerWorker 是执行任务的处理单元，它实时监控消息队列，获取队列中调度的任务，并执行它。

  • 任务结果存储 Backend Backend 用于存储任务的执行结果，以供查询。同消息中间件一样，存储也可使用 RabbitMQ, Redis 和 MongoDB 等。


异步任务


使用 Celery 实现异步任务主要包含三个步骤：


  1. 创建一个 Celery 实例

  2. 启动 Celery Worker

  3. 应用程序调用异步任务


快速入门


为了简单起见，对于 Broker 和 Backend，这里都使用 redis。在运行下面的例子之前，请确保 redis 已正确安装，并开启 redis 服务，当然，celery 也是要安装的。可以使用下面的命令来安装 celery 及相关依赖：


$ pip install 'celery[redis]'


创建 Celery 实例


将下面的代码保存为文件 tasks.py：


# -*- 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)     # 模拟耗时操作

    return x + y


上面的代码做了几件事：


创建了一个 Celery 实例 app，名称为 my_task；

  • 指定消息中间件用 redis，URL 为 redis://127.0.0.1:6379；

  • 指定存储用 redis，URL 为 redis://127.0.0.1:6379/0；

  • 创建了一个 Celery 任务 add，当函数被 @app.task 装饰后，就成为可被 Celery 调度的任务；


启动 Celery Worker


在当前目录，使用如下方式启动 Celery Worker：


$ celery worker -A tasks --loglevel=info


其中：


  • 参数 -A 指定了 Celery 实例的位置，本例是在 tasks.py 中，Celery 会自动在该文件中寻找 Celery 对象实例，当然，我们也可以自己指定，在本例，使用 -A tasks.app；

  • 参数 --loglevel 指定了日志级别，默认为 warning，也可以使用 -l info 来表示；


在生产环境中，我们通常会使用 Supervisor 来控制 Celery Worker 进程。


启动成功后，控制台会显示如下输出：



调用任务


现在，我们可以在应用程序中使用 delay() 或 apply_async() 方法来调用任务。


在当前目录打开 Python 控制台，输入以下代码：


>>> from tasks import add

>>> add.delay(2, 8)

AsyncResult: 2272ddce-8be5-493f-b5ff-35a0d9fe600f>


在上面，我们从 tasks.py 文件中导入了 add 任务对象，然后使用 delay() 方法将任务发送到消息中间件（Broker），Celery Worker 进程监控到该任务后，就会进行执行。我们将窗口切换到 Worker 的启动窗口，会看到多了两条日志：


[2016-12-10 12:00:50,376: INFO/MainProcess] Received task: tasks.add[2272ddce-8be5-493f-b5ff-35a0d9fe600f]

[2016-12-10 12:00:55,385: INFO/PoolWorker-4] Task tasks.add[2272ddce-8be5-493f-b5ff-35a0d9fe600f] succeeded in 5.00642602402s: 10


这说明任务已经被调度并执行成功。


另外，我们如果想获取执行后的结果，可以这样做：


>>> result = add.delay(2, 6)

>>> result.ready()   # 使用 ready() 判断任务是否执行完毕

False

>>> result.ready()

False

>>> result.ready()

True

>>> result.get()     # 使用 get() 获取任务结果

8


在上面，我们是在 Python 的环境中调用任务。事实上，我们通常在应用程序中调用任务。比如，将下面的代码保存为 client.py:


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

from tasks import add

# 异步任务

add.delay(2, 8)

print 'hello world'


运行命令 $ python client.py，可以看到，虽然任务函数 add 需要等待 5 秒才返回执行结果，但由于它是一个异步任务，不会阻塞当前的主程序，因此主程序会往下执行 print 语句，打印出结果。


使用配置


在上面的例子中，我们直接把 Broker 和 Backend 的配置写在了程序当中，更好的做法是将配置项统一写入到一个配置文件中，通常我们将该文件命名为 celeryconfig.py。Celery 的配置比较多，可以在官方文档查询每个配置项的含义。


下面，我们再看一个例子。项目结构如下：


celery_demo                    # 项目根目录

    ├── celery_app             # 存放 celery 相关文件

    │   ├── __init__.py

    │   ├── celeryconfig.py    # 配置文件

    │   ├── task1.py           # 任务文件 1

    │   └── task2.py           # 任务文件 2

    └── client.py              # 应用程序


__init__.py 代码如下：


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

from celery import Celery

app = Celery('demo')                                # 创建 Celery 实例

app.config_from_object('celery_app.celeryconfig')   # 通过 Celery 实例加载配置模块


celeryconfig.py 代码如下：


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'                     # 指定时区，默认是 UTC

# CELERY_TIMEZONE='UTC'                            

CELERY_IMPORTS = (                                  # 指定导入的任务模块

    'celery_app.task1',

    'celery_app.task2'

)


task1.py 代码如下：


import time

from celery_app import app

@app.task

def add(x, y):

    time.sleep(2)

    return x + y


task2.py 代码如下：


import time

from celery_app import app

@app.task

def multiply(x, y):

    time.sleep(2)

    return x * y


client.py 代码如下：


# -*- 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'


现在，让我们启动 Celery Worker 进程，在项目的根目录下执行下面命令：


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


接着，运行 $ python client.py，它会发送两个异步任务到 Broker，在 Worker 的窗口我们可以看到如下输出：


[2016-12-10 13:51:58,939: INFO/MainProcess] Received task: celery_app.task1.add[9ccffad0-aca4-4875-84ce-0ccfce5a83aa]

[2016-12-10 13:51:58,941: INFO/MainProcess] Received task: celery_app.task2.multiply[64b1f889-c892-4333-bd1d-ac667e677a8a]

[2016-12-10 13:52:00,948: INFO/PoolWorker-3] Task celery_app.task1.add[9ccffad0-aca4-4875-84ce-0ccfce5a83aa] succeeded in 2.00600231002s: 10

[2016-12-10 13:52:00,949: 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，我们使用 delay() 或 apply_async() 方法来调用任务。事实上，delay 方法封装了 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)


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


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


apply_async 常用的参数如下：


  • countdown：指定多少秒后执行任务


task1.apply_async(args=(2, 3), countdown=5)    # 5 秒后执行任务


  • eta (estimated time of arrival)：指定任务被调度的具体时间，参数类型是 datetime


from datetime import datetime, timedelta

# 当前 UTC 时间再加 10 秒后执行任务

task1.multiply.apply_async(args=[3, 7], eta=datetime.utcnow() + timedelta(seconds=10))


  • xpires：任务过期时间，参数类型可以是 int，也可以是 datetime


task1.multiply.apply_async(args=[3, 7], expires=10)    # 10 秒后过期


更多的参数列表可以在官方文档中查看。


定时任务


Celery 除了可以执行异步任务，也支持执行周期性任务（Periodic Tasks），或者说定时任务。Celery Beat 进程通过读取配置文件的内容，周期性地将定时任务发往任务队列。


让我们看看例子，项目结构如下：


celery_demo                    # 项目根目录

    ├── celery_app             # 存放 celery 相关文件

        ├── __init__.py

        ├── celeryconfig.py    # 配置文件

        ├── task1.py           # 任务文件

        └── task2.py           # 任务文件


__init__.py 代码如下：


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

from celery import Celery

app = Celery('demo')

app.config_from_object('celery_app.celeryconfig')


celeryconfig.py 代码如下：


# -*- 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'    # 指定时区，不指定默认为 '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 秒执行一次

         'args': (5, 8)                           # 任务函数参数

    },

    'multiply-at-some-time': {

        'task': 'celery_app.task2.multiply',

        'schedule': crontab(hour=9, minute=50),   # 每天早上 9 点 50 分执行一次

        'args': (3, 7)                            # 任务函数参数

    }

}


task1.py 代码如下：


import time

from celery_app import app

@app.task

def add(x, y):

    time.sleep(2)

    return x + y


task2.py 代码如下：


import time

from celery_app import app

@app.task

def multiply(x, y):

    time.sleep(2)

    return x * y


现在，让我们启动 Celery Worker 进程，在项目的根目录下执行下面命令：


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


接着，启动 Celery Beat 进程，定时将任务发送到 Broker，在项目根目录下执行下面命令：


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)


之后，在 Worker 窗口我们可以看到，任务 task1 每 30 秒执行一次，而 task2 每天早上 9 点 50 分执行一次。


在上面，我们用两个命令启动了 Worker 进程和 Beat 进程，我们也可以将它们放在一个命令中：


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


Celery 周期性任务也有多个配置项，可参考官方文档。


参考资料


  • Celery – Distributed Task Queue — Celery 4.0.1 documentation

  • 使用Celery – Python之美

  • 分布式任务队列Celery的介绍 – 思诚之道

  • 异步任务神器 Celery 简明笔记


觉得本文对你有帮助？请分享给更多人

关注「Python开发者」

看更多技术干货

推荐文章
Python爱好者社区  ·  炸了！《大模型基础》开源
18 小时前
Python爱好者社区  ·  72K，确实可以封神了！！
2 天前
Python爱好者社区  ·  “我，在阿里月薪6万，离职后突然惊醒：人越努力，只会越平庸”
昨天
Python爱好者社区  ·  实习四十天被抓了，不回去就开除。。。
3 天前
Python开发者  ·  突发！GitLab不再为中国大陆、香港、澳门提供账号服务，60天不迁移或被删除账号
昨天
新疆949交通广播  ·  这份"双倍工资"你或许能拿，现在知道还不算晚！
8 年前
冷漫画  ·  有些人说话会显得很蠢，而有些人…！
7 年前
19楼  ·  吃完止咳药究竟能不能喝水？这20个医生忘了说但却很重要的健康秘密，一次性全告诉你！
7 年前
photoshop大师  ·  看我一刀斩断那个字！
7 年前
科学解码  ·  可粘合内脏伤口胶水问世 未来或不用缝线了
7 年前
Sov5搜索   ·   小百科   ·   移动版
51好读 - 好文章就要读起来!