celery介紹
一、celery應用舉例html
一、Celery 是一個 基於python開發的分佈式異步消息任務隊列，經過它能夠輕鬆的實現任務的異步處理，
若是你的業務場景中須要用到異步任務，就能夠考慮使用celerypython
二、你想對100臺機器執行一條批量命令，可能會花很長時間 ，但你不想讓你的程序等着結果返回，而是給你返回 一個任務ID,
你過一段時間只須要拿着這個任務id就能夠拿到任務執行結果， 在任務執行ing進行時，你能夠繼續作其它的事情git
三、Celery 在執行任務時須要經過一個消息中間件來接收和發送任務消息，以及存儲任務結果， 通常使用rabbitMQ or Redisgithub
二、Celery有如下優勢redis
一、簡單：一單熟悉了celery的工做流程後，配置和使用仍是比較簡單的shell
二、高可用：當任務執行失敗或執行過程當中發生鏈接中斷，celery 會自動嘗試從新執行任務數據庫
三、快速：一個單進程的celery每分鐘可處理上百萬個任務django
四、靈活： 幾乎celery的各個組件均可以被擴展及自定製json
三、Celery基本工做流程圖windows
user：用戶程序，用於告知celery去執行一個任務。
broker: 存聽任務（依賴RabbitMQ或Redis，進行存儲）
worker：執行任務
四、Celery 特性
1）方便查看定時任務的執行狀況, 如 是否成功, 當前狀態, 執行任務花費的時間等.
2）可選 多進程, Eventlet 和 Gevent 三種模型併發執行.
3）Celery 是語言無關的.它提供了python 等常見語言的接口支持.
celery 組件
一、Celery 扮演生產者和消費者的角色
Celery Beat : 任務調度器. Beat 進程會讀取配置文件的內容, 週期性的將配置中到期須要執行的任務發送給任務隊列.
Celery Worker : 執行任務的消費者, 一般會在多臺服務器運行多個消費者, 提升運行效率.
Broker : 消息代理, 隊列自己. 也稱爲消息中間件. 接受任務生產者發送過來的任務消息, 存進隊列再按序分發給任務消費方(一般是消息隊列或者數據庫).
Producer : 任務生產者. 調用 Celery API , 函數或者裝飾器, 而產生任務並交給任務隊列處理的都是任務生產者.
Result Backend : 任務處理完成以後保存狀態信息和結果, 以供查詢.
二、celery架構圖
3. 產生任務的方式
1) 發佈者發佈任務(WEB 應用)
2) 任務調度定期發佈任務(定時任務)
4. celery 依賴三個庫: 這三個庫, 都由 Celery 的開發者開發和維護.
billiard : 基於 Python2.7 的 multisuprocessing 而改進的庫, 主要用來提升性能和穩定性.
librabbitmp : C 語言實現的 Python 客戶端
kombu : Celery 自帶的用來收發消息的庫, 提供了符合 Python 語言習慣的, 使用 AMQP 協議的高級藉口.
安裝相關包與管理命令
一、安裝相關軟件包
pip3 install Django==2.0.4 pip3 install celery==4.3.0 pip3 install redis==3.2.1 pip3 install django-celery==3.1.17 pip3 install ipython==7.6.1 find ./ -type f | xargs sed -i 's/\r$//g' # 批量將當前文件夾下全部文件裝換成unix格式
二、celery管理
celery multi start w1 w2 -A celery_pro -l info #一次性啓動w1,w2兩個worker
celery -A celery_pro status #查看當前有哪些worker在運行
celery multi stop w1 w2 -A celery_pro #中止w1,w2兩個worker
celery multi start celery_test -A celery_test -l debug --autoscale=50,5 # celery併發數：最多50個，最少5個
ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9 # 關閉全部celery進程
三、django_celery_beat管理
celery -A celery_test beat -l info -S django #啓動心跳任務
ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk '{print $2}' | xargs kill -TERM &> /dev/null # 殺死心跳全部進程
安裝相關包 與 管理命令
一、在Django中使用celery介紹（celery沒法再windows下運行）
1）在Django中使用celery時，celery文件必須以tasks.py
2）Django會自動到每一個APP中找tasks.py文件
二、建立一個Django項目celery_test，和app01
三、在與項目同名的目錄下建立celery.py
# -*- coding: utf-8 -*- from __future__ import absolute_import import os from celery import Celery # 只要是想在本身的腳本中訪問Django的數據庫等文件就必須配置Django的環境變量 os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'celery_test.settings') # app名字 app = Celery('celery_test') # 配置celery class Config: BROKER_URL = 'redis://192.168.56.11:6379' CELERY_RESULT_BACKEND = 'redis://192.168.56.11:6379' app.config_from_object(Config) # 到各個APP裏自動發現tasks.py文件 app.autodiscover_tasks() celery.py
四、在與項目同名的目錄下的 init.py 文件中添加下面內容
# -*- coding:utf8 -*- from __future__ import absolute_import, unicode_literals # 告訴Django在啓動時別忘了檢測個人celery文件 from .celery import app as celery_ap __all__ = ['celery_app']
五、建立app01/tasks.py文件
# -*- coding:utf8 -*- from __future__ import absolute_import, unicode_literals from celery import shared_task import time # 這裏再也不使用@app.task,而是用@shared_task，是指定能夠在其餘APP中也能夠調用這個任務 @shared_task def add(x,y): print('########## running add #####################') return x + y @shared_task def minus(x,y): time.sleep(30) print('########## running minus #####################') return x - y
六、將celery_test這個Django項目拷貝到centos7.3的django_test文件夾中
七、保證啓動了redis-server
八、啓動一個celery的worker
celery multi start w1 w2 -A celery_pro -l info #一次性啓動w1,w2兩個worker
celery -A celery_pro status #查看當前有哪些worker在運行
celery multi stop w1 w2 -A celery_pro #中止w1,w2兩個worker
celery multi start celery_test -A celery_test -l debug --autoscale=50,5 # celery併發數：最多50個，最少5個
ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9 # 關閉全部celery進程
九、測試celery
./manage.py shell import tasks t1 = tasks.minus.delay(5,3) t2 = tasks.add.delay(3,4) t1.get() t2.get()
1.5 在django中使用計劃任務功能
一、在Django中使用celery的定時任務須要安裝django-celery-beat
pip3 install django-celery-beat
二、在Django的settings中註冊django_celery_beat
INSTALLED_APPS = (
...,
'django_celery_beat',
)
三、執行建立表命令
python3 manage.py makemigrations
python3 manage.py migrate
四、在與項目同名的目錄下的celery.py中添加定時任務
# -*- coding: utf-8 -*- from __future__ import absolute_import import os from celery import Celery from celery.schedules import crontab from datetime import timedelta from kombu import Queue # 只要是想在本身的腳本中訪問Django的數據庫等文件就必須配置Django的環境變量 os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'celery_test.settings') # app名字 app = Celery('celery_test') # 配置celery class Config: BROKER_URL = 'redis://192.168.56.11:6379' # broker CELERY_RESULT_BACKEND = 'redis://192.168.56.11:6379' # backend CELERY_ACCEPT_CONTENT = ['application/json'] # 指定任務接受的內容類型(序列化) CELERY_TASK_SERIALIZER = 'json' # 任務的序列化方式 CELERY_RESULT_SERIALIZER = 'json' # 任務執行結果的序列化方式 CELERY_TIMEZONE = 'Asia/Shanghai' # 時區設置，計劃任務須要，推薦 Asia/Shanghai ENABLE_UTC = False # 不使用UTC時區 CELERY_TASK_RESULT_EXPIRES = 60 * 60 # celery任務執行結果的超時時間 CELERY_ANNOTATIONS = {'*': {'rate_limit': '500/s'}} # CELERYD_PREFETCH_MULTIPLIER = 10 # 每次取任務的數量 CELERYD_MAX_TASKS_PER_CHILD = 16 # 每一個worker執行了多少任務就會死掉，防止內存泄漏 app.config_from_object(Config) app.autodiscover_tasks() #crontab config app.conf.update( CELERYBEAT_SCHEDULE = { # 每隔3s執行一次add函數 'every-3-min-add': { 'task': 'app01.tasks.add', 'schedule': timedelta(seconds=10) }, # 天天下午15:420執行 'add-every-day-morning@14:50': { 'task': 'app01.tasks.minus', 'schedule': crontab(hour=19, minute=50, day_of_week='*/1'), }, }, ) # kombu : Celery 自帶的用來收發消息的庫, 提供了符合 Python 語言習慣的, 使用 AMQP 協議的高級接口 Queue('transient', routing_key='transient',delivery_mode=1)
五、app01/tasks.py
# -*- coding:utf8 -*- from __future__ import absolute_import, unicode_literals from celery import shared_task import time # 這裏再也不使用@app.task,而是用@shared_task，是指定能夠在其餘APP中也能夠調用這個任務 @shared_task def add(): print('########## running add #####################') return 'add' @shared_task def minus(): time.sleep(30) print('########## running minus #####################') return 'minus'
六、管理命令
'''一、celery管理 '''
celery multi start celery_test -A celery_test -l debug --autoscale=50,5 # celery併發數：最多50個，最少5個
ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9 # 關閉全部celery進程
'''二、django-celery-beat心跳服務管理 '''
celery -A celery_test beat -l info -S django #啓動心跳任務
ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk '{print $2}' | xargs kill -TERM &> /dev/null # 殺死心跳全部進程
使用 Celery Once 來防止 Celery 重複執行同一個任務
一、產生重複執行緣由
1. 當咱們設置一個ETA（預估執行時間）比visibility_timeout（超時時間）長的任務時，會出現重複執行問題
2. 由於每過一次 visibility_timeout 時間，celery就會認爲這個任務沒被worker執行成功，從新分配給其它worker再執行
二、Celery Once解決方法
1. Celery Once 也是利用 Redis 加鎖來實現，他的使用很是簡單，參照 GitHub 的使用很快就可以用上。
2. Celery Once 在 Task 類基礎上實現了 QueueOnce 類，該類提供了任務去重的功能
3. 因此在使用時，咱們本身實現的方法須要將 QueueOnce 設置爲 base
@celery.task(base=QueueOnce, once={'keys': ['a']})
def slow_add(a, b):
sleep(30)
return a + b
4. 後面的 once 參數表示，在遇到重複方法時的處理方式，默認 graceful 爲 False，那樣 Celery 會拋出 AlreadyQueued 異常，手動設置爲 True，則靜默處理。
5. 能夠手動設置任務的 key，能夠指定 keys 參數。
三、celery once使用
參考官方：https://github.com/cameronmaske/celery-once
#! /usr/bin/env python # -*- coding: utf-8 -*- '''第一步: 安裝''' pip install -U celery_once '''第二步: 增長配置''' from celery import Celery from celery_once import QueueOnce from time import sleep celery = Celery('tasks', broker='amqp://guest@localhost//') celery.conf.ONCE = { 'backend': 'celery_once.backends.Redis', 'settings': { 'url': 'redis://localhost:6379/0', 'default_timeout': 60 * 60 } } '''第三步: 修改 delay 方法''' example.delay(10) # 修改成 result = example.apply_async(args=(10)) '''第四步: 修改 task 參數''' @celery.task(base=QueueOnce, once={'graceful': True, keys': ['a']}) def slow_add(a, b): sleep(30) return a + b # 參考官方：https://github.com/cameronmaske/celery-once
redis會丟失消息 RabbitMQ不會丟失消息的緣由
一、redis丟失消息的緣由
1. 用 Redis 做 broker 的話，任務會存在內存裏面，若是 celery 進程要結束了，就會在臨死以前把隊列存進 Redis，下次啓動時再從 Redis 讀取。
2. 可是若是可見性超時時間過長在斷電或者強制終止職程（Worker）的狀況會「丟失「從新分配的任務。
3. 好比當 celery 被 kill -9 了，任務將沒法存進 Redis，內存中的任務會丟失，或者任務太多致使celery出現異常。
二、RabbitMQ如何保證可靠消費
Redis： 沒有相應的機制保證消息的消費，當消費者消費失敗的時候，消息體丟失，須要手動處理
RabbitMQ： 具備消息消費確認，即便消費者消費失敗，也會自動使消息體返回原隊列，同時可全程持久化，保證消息體被正確消費