标签：celery 异步 队列 介绍 Celery 任务 执行
1.Celery介绍
1.1 celery应用举例
Celery 是一个 基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理，如果你的业务场景中需要用到异步任务，就可以考虑使用celery 你想对100台机器执行一条批量命令，可能会花很长时间 ，但你不想让你的程序等着结果返回，而是给你返回 一个任务ID,你过一段时间只需要拿着这个任务id就可以拿到任务执行结果，
在任务执行ing进行时，你可以继续做其它的事情
Celery 在执行任务时需要通过一个消息中间件来接收和发送任务消息，以及存储任务结果， 一般使用rabbitMQ or Redis
1.2 Celery有以下优点
-
简单：一单熟悉了celery的工作流程后，配置和使用还是比较简单的
-
高可用：当任务执行失败或执行过程中发生连接中断，celery 会自动尝试重新执行任务
-
快速：一个单进程的celery每分钟可处理上百万个任务
-
灵活： 几乎celery的各个组件都可以被扩展及自定制
1.3 Celery 特性
-
方便查看定时任务的执行情况, 如 是否成功, 当前状态, 执行任务花费的时间等.
-
可选 多进程, Eventlet 和 Gevent 三种模型并发执行.
-
Celery 是语言无关的.它提供了python 等常见语言的接口支持.
2.celery 组件
2.1 Celery 扮演生产者和消费者的角色
-
Celery Beat : 任务调度器. Beat 进程会读取配置文件的内容, 周期性的将配置中到期需要执行的任务发送给任务队列.
-
Celery Worker : 执行任务的消费者, 通常会在多台服务器运行多个消费者, 提高运行效率.
-
Broker : 消息代理, 队列本身. 也称为消息中间件. 接受任务生产者发送过来的任务消息, 存进队列再按序分发给任务消费方(通常是消息队列或者数据库).
-
Producer : 任务生产者. 调用 Celery API , 函数或者装饰器, 而产生任务并交给任务队列处理的都是任务生产者.
-
Result Backend : 任务处理完成之后保存状态信息和结果, 以供查询.
2.2 celery架构图
2.3 产生任务的方式
-
发布者发布任务(WEB 应用)
-
任务调度按期发布任务(定时任务)
2.4 celery 依赖三个库: 这三个库, 都由 Celery 的开发者开发和维护.
-
billiard :基于 Python2.7 的 multisuprocessing 而改进的库, 主要用来提高性能和稳定性. -
librabbitmp :C 语言实现的 Python 客户端 -
kombu :Celery 自带的用来收发消息的库, 提供了符合 Python 语言习惯的, 使用 AMQP 协议的高级借口.
标签：celery,异步,队列,介绍,Celery,任务,执行 来源： https://www.cnblogs.com/nbzyf/p/13781851.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。