Celery 简介

Celery简介

什么是任务队列

任务队列一般用于线程或计算机之间分配工作的一种机制。

任务队列的输入是一个称为任务的工作单元,有专门的工作进行不断的监视任务队列,进行执行新的任务工作。

Celery 通过消息机制进行通信,通常使用中间人(Broker)作为客户端和职程(Worker)调节。启动一个任务,客户端向消息队列发送一条消息,然后中间人(Broker)将消息传递给一个职程(Worker),最后由职程(Worker)进行执行中间人(Broker)分配的任务。

Celery 可以有多个职程(Worker)和中间人(Broker),用来提高Celery的高可用性以及横向扩展能力。

Celery 是用 Python 编写的,但协议可以用任何语言实现。除了 Python 语言实现之外,还有Node.js的 node-celery 以及 node-celery-ts 和php的celery-php

可以通过暴露 HTTP 的方式进行,任务交互以及其它语言的集成开发。

我们需要什么?

Celery 需要消息中间件来进行发送和接收消息。 RabbitMQ 和 Redis 中间人的功能比较齐全,但也支持其它的实验性的解决方案,其中包括 SQLite 进行本地开发。

Celery 可以在一台机器上运行,也可以在多台机器上运行,甚至可以跨数据中心运行。

版本要求

Celery 4.0 运行:

  • Python ❨2.7,3.4,3.5❩

  • PyPy ❨5.4,5.5❩

这是支持 Python2.7 的最后一个版本,从下一个版本Celery5.x开始,需要Python3.5或更高的版本。

如果您的 Python 运行环境比较老,则需要使用旧版本的Celery:

  • Python 2.6:Celery 3.1 或更早版本。

  • Python 2.5:Celery 3.0 或更早版本。

  • Python 2.4:Celery 2.2 或更早版本。

Celery 是一个资金最少的项目,因此我们不支持 Microsoft Windows。请不要提出与该平台相关的任何问题。

开始

如果您是第一次使用 Celery,或您使用的是 3.1 之前的版本,建议您阅读入门教程:

Celery 是...

  • 简单

Celery 上手比较简单,不需要配置文件就可以直接运行。

它拥有一个庞大的社区,您可以在社区中进行交流问题,也可以通过 IRC 频道或邮件列表进行交流。

这是一个简单的 Demo:

from celery import Celery
app = Celery('hello', broker='amqp://guest@localhost//')
@app.task
def hello():
    return 'hello world'
  • 高可用

如果出现丢失连接或连接失败,职程(Worker)和客户端会自动重试,并且中间人通过 主/主 主/从 的方式来进行提高可用性。

  • 快速

单个 Celery 进行每分钟可以处理数以百万的任务,而且延迟仅为亚毫秒(使用 RabbitMQ、 librabbitmq 在优化过后)。

  • 灵活

Celery 的每个部分几乎都可以自定义扩展和单独使用,例如自定义连接池、序列化方式、压缩方式、日志记录方式、任务调度、生产者、消费者、中间人(Broker)等。

它支持

  • 结果存储

    • AMQP、 Redis

    • Memcached

    • SQLAlchemy、Django ORM

    • Apache Cassandra, Elasticsearch, Riak

    • MongoDB, CouchDB, Couchbase, ArangoDB

    • Amazon DynamoDB, Amazon S3

    • Microsoft Azure Block Blob, Microsoft Azure Cosmos DB

    • File system

  • 并发

    • prefork (multiprocessing)

    • thread (multithreaded)

    • solo (single threaded)

  • 序列化

    • pickle、json、yaml、msgpack

    • zlib、bzip2 compression

    • Cryptographic message signing

功能

  • 监控

可以针对整个流程进行监控,内置的工具或可以实时说明当前集群的概况。更多......

  • 调度

可以通过调度功能在一段时间内指定任务的执行时间 datetime,也可以根据简单每隔一段时间进行执行重复的任务,支持分钟、小时、星期几,也支持某一天或某一年的Crontab表达式。更多......

  • 工作流

可以通过“canvas“进行组成工作流,其中包含分组、链接、分块等等。

简单和复杂的工作流程可以使用一组“canvas“组成,其中包含分组、链接、分块等。更多......

  • 资源(内存)泄漏保护

--max-tasks-per-child 参数适用于可能会出现资源泄漏(例如:内存泄漏)的任务。更多......

  • 时间和速率的限制

您可以控制每秒/分钟/小时执行任务的次数,或者任务执行的最长时间,也将这些设置为默认值,针对特定的任务或程序进行定制化配置。更多......

  • 自定义组件

开发者可以定制化每一个职程(Worker)以及额外的组件。职程(Worker)是用 “bootsteps” 构建的-一个依赖关系图,可以对职程(Worker)的内部进行细粒度控制。

框架集成

Celery可以快速的集成一些常用的Web框架,详细如下:

针对 Django ,请参考 Django 的初次使用。

集成包并不是必须安全的,但使用它们可以更加快速和方便的开发,有时它们会在 fork(2) 中添加例如数据库关闭连接的回调。

快速跳转

我想要 -->

  • 查看一个列表中运行的职程(Worker)

  • 最佳的学习实战

  • 清空所有任务消息

  • 查看职程(Worker)执行的任务

  • 为一组任务添加回调

  • 将任务迁移到新的中间人(Broker)

  • 分割任务为若干份

  • 查看事件类型消息

  • 优化职程(Worker)

  • 给Celery提交贡献

  • 查看内置任务状态列表

  • 了解Celery的配置参数

  • 创建自定义任务状态

  • 获取使用Celery的人员和公司

  • 自定义设置任务名称

  • 跟踪开始任务

  • 编写自己的远程控制命令

  • 重试失败的任务

  • 运行时修改职程(Worker)的队列

  • 获取当前执行的任务ID

跳转 -->

安装

您可以通过 python 的 pip 安装或通过源代码进行安装 Celery 。

使用pip进行安装

$ pip install -U Celery

捆绑

Celery 自定义了一组用于安装 Celery 和特定功能的依赖。

您可以在中括号加入您需要依赖,并可以通过逗号分割需要安装的多个依赖包。

$ pip install "celery[librabbitmq]"
$ pip install "celery[librabbitmq,redis,auth,msgpack]"

目前发行的依赖包如下:

序列化

  • celery[auth]:使用auth保证程序的安全

  • celery[msgpack]:使用msgpack序列化

  • celery[yaml]:使用yaml序列化

并发

  • celery[eventlet]:基于 eventle 的并发池

  • celery[gevent]:基于 gevent 的并发池

传输和后端

  • celery[librabbitmq]:使用librabbitmq库

  • celery[redis]:使用Redis进行消息传输或后端结果存储

  • celery[sqs]:使用Amazon SQS进行消息传输(实验阶段)

  • celery[tblib]:使用 task_remote_tracebacks 的功能

  • celery[memcache]:使用Memcached作为后端结果存储(使用的是pylibmc

  • celery[pymemcache]:使用Memcached作为后端结果存储(纯Python实现)

  • celery[cassandra]:使用Apache Cassandra作为后端结果存储

  • celery[couchbase]:使用CouchBase作为后端结果存储

  • celery[arangodb]:使用ArangoDB作为后端结果存储

  • celery[elasticsearch]:使用ElasticSearch作为后端结果存储

  • celery[riak]:使用Riak作为后端结果存储

  • celery[dynamodb]:使用AWS DynamoDB作为后端结果存储

  • celery[zookeeper]:使用Zookeeper进行消息传输

  • celery[sqlalchemy]:使用SQLlchemy作为后端结果存储(支持)

  • celery[pyro]:使用Pyro4进行消息传输(实验阶段)

  • celery[slmq]:使用 SoftLayer Message Queue进行消息传输(实验阶段)

  • celery[consul]:使用Consul.io Key/Value进行存储传输消息或后端结果存储(实验阶段)

  • celery[django]:支持比较低的Django版本,不建议您在项目中使用它,它仅供参考

下载源代码进行安装

从 pypi 下载最新版本的 Celery :

您可以通过执行以下命令来进行安装

$ tar xvfz celery-0.0.0.tar.gz
$ cd celery-0.0.0
$ python setup.py build
# python setup.py install

如果您没有安装 virtualenv ,最后安装的命令必须使用管理员权限进行安装。

使用开发版本

pip

使用 Celery 的开发版本需要开发版本的 kombuamqpbilliardvine

您可以通过 pip 来进行安装:

$ pip install https://github.com/celery/celery/zipball/master#egg=celery
$ pip install https://github.com/celery/billiard/zipball/master#egg=billiard
$ pip install https://github.com/celery/py-amqp/zipball/master#egg=amqp
$ pip install https://github.com/celery/kombu/zipball/master#egg=kombu
$ pip install https://github.com/celery/vine/zipball/master#egg=vine

git

请查阅“贡献:Contributing”部分。

最后更新于