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，但是协议可以通过任何语言进行实现。迄今，以及有Ruby实现的

Celery 是用 Python 编写的，但协议可以用任何语言实现。出了 Python 语言实现之外，还有Node.js的node-celery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。请不要打开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：

• ​第一次使用Clery​

• ​下一步​

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://[email protected]//')
@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

• 中间人

  • ​RabbitMQ​

  • ​Redis​

  • ​Amazon SQS​

• 结果存储

  • AMQP、 Redis

  • Memcached

  • SQLAlchemy、Django ORM

  • Apache Cassandra、Elasticsearch

• 并发

  • prefork (multiprocessing)

  • ​Eventlet、gevent​

  • 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 -->

• 获取任务执行返回值

• 查看任务存放的队列

• 在任务中使用日志

• 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

• 创建一个自定义任务的基类

• 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 -->

• ​中间人：Broker​

• ​职程：Worker​

• ​安全：Security​

• ​贡献：Contributing​

• ​应用：Applications​

• ​守护进程：Daemonizing​

• ​路由：Routing​

• ​信号：Signals​

• ​任务：Tasks​

• ​监控：Monitoring​

• ​配置：Configuration​

• ​FAQ：FAQ​

• ​调用：Calling​

• ​优化：Optimizing​

• ​Django：Django​

• ​API接口：API Reference​

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[]中加入您需要依赖，可以通过,进行安装多个依赖包。

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

目前发行的如下：

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 kombu、amqp、billiard 和 vine。

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。