问：Celery 是什么?
答：Celery 是一个由 Python 编写的简单、灵活、可靠的用来处理大量信息的分布式系统,它同时提供操作和维护分布式系统所需的工具。
Celery 专注于实时任务处理，支持任务调度。（来源于网络）
问：适用场景在哪里？
答：如图示（来自：http://blog.csdn.net/xsj_blog/article/details/70181984）
问：生产者和消费者模式定义是什么？
答：
（1）生产者->负责产生数据;
（2）消费者->负责数据处理;
（3）缓冲区->解耦生产者和消费者，减少依赖，主要是通过消息队列来进行两点之间的通讯处理。
图示：
问：什么是任务队列？
答：任务队列是一种在线程或机器间分发任务的机制。
问：什么是消息队列？
答：消息队列的输入是工作的一个单元，称为任务，独立的职程（Worker）进程持续监视队列中是否有需要处理的新任务。
问：职程有什么作用？
答：Celery 用消息通信，通常使用中间人（Broker）在客户端和职程间斡旋。这个过程从客户端向队列添加消息开始，之后中间人把消息派送给职程，职程对消息进行处理。如下图所示：
问：Celery的架构三部分是哪几个部分？
答：Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。
（1）消息中间件
PS: Celery本身不提供消息服务，但是可以方便的和第三方提供的消息中间件集成，包括，RabbitMQ,Redis,MongoDB等。
（2）任务执行单元
PS: Worker是Celery提供的任务执行的单元，worker并发的运行在分布式的系统节点中。
（3）任务结果存储
PS: Task result store用来存储Worker执行的任务的结果，Celery支持以不同方式存储任务的结果，包括Redis，MongoDB，Django ORM，AMQP等。
（任务调度）Celery Beat：任务调度
Celery Beat：任务调度器，Beat 进程会读取配置文件的内容，周期性地将配置中到期需要执行的任务发送给任务队列。
消息分发与任务调度的实现机制（来自：http://blog.csdn.net/xsj_blog/article/details/70181984）
1:—>producer发出调用请求(message包含所调用任务的相关信息)
2:—>celery服务启动时，会产生一个或多个交换机(exchanges)，对应的交换机 接收请求message
3:—>交换机根据message内容，将message分发到一个或多个符合条件的队列(queue)
4:—>每个队列上都有一个或多个worker在监听，在监听到符合条件的message到达后，worker负责进行任务处理，任务处理完被确认后，队列中的message将被删除。
注释：Exchange和Queue都是Rabbitmq中的概念
Exchange:交换机，决定了消息路由规则；
Queue:消息队列；
Channel:进行消息读写的通道；
Bind:绑定了Queue和Exchange，意即为符合什么样路由规则的消息，将会放置入哪一个[消息队列]；
调图流程图示：（来自https://www.cnblogs.com/forward-wang/p/5970806.html）
实践步骤：
相关依赖：
第1步：首先搭建bottle客户端端，进行任务委派：
main.py
#!/usr/bin/evn python
# coding=utf-8
"""
Author = zyx
@Create_Time: 2018/1/30 15:58
@version: v1.0.0
@File: main.py
@文件功能描述:
"""
from bottle import route, run
@route('/')
def index():
return '访问了首页！'
run(host='127.0.0.1', port=8080, debug=True, reloader=True)
启动wen服务应用访问：
第2步：编写对应Celery任务模块celery_test
第3步：编写对应Celery任务模块启动配置文件
setting.py配置（使用配置的方式来启动相关worker来处理 任务）：
# coding:utf-8
from datetime import timedelta
from kombu import Exchange, Queue
# 配置消息中间件Broker
BROKER_URL = 'redis://127.0.0.1:6379/0'
# 配置结果存贮Backend
CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/1'
# 指定时区，默认是 UTC
CELERY_TIMEZONE = 'Asia/Shanghai'
CELERY_ENABLE_UTC = True
# # 不需要返回任务状态，即设置以下参数为True
# 如果不需要某个任务的结果，应该确保Celery不去获取这些结果。这是通过装饰器@task(ignore_result=True)来做的。如果所有的任务结果都忽略了，就不必定义结果后台。这可以让性能大幅提高。
CELERY_IGNORE_RESULT = True
# 任务序列化和反序列化使用msgpack方案
CELERY_TASK_SERIALIZER = 'json'
# 读取任务结果一般性能要求不高，所以使用了可读性更好的JSON
CELERY_RESULT_SERIALIZER = 'json'
# CELERY_TASK_RESULT_EXPIRES = 60 * 60 * 24 # 任务过期时间，不建议直接写86400，应该让这样的magic数字表述更明显
# celery worker的并发数 也是命令行-c指定的数目,事实上实践发现并不是worker也多越好,保证任务不堆积,加上一定新增任务的预留就可以
CELERYD_CONCURRENCY = 10
# celery worker 每次去rabbitmq取任务的数量，我这里预取了4个慢慢执行,因为任务有长有短没有预取太多
CELERYD_PREFETCH_MULTIPLIER = 4
CELERY_ACCEPT_CONTENT = ['json'] # 指定接受的内容类型
# 默认的队列，如果一个消息不符合其他的队列就会放在默认队列里面
CELERY_DEFAULT_QUEUE = "default"
CELERY_QUEUES = (
Queue('default', Exchange('default'), routing_key='default'),
Queue('for_add', Exchange('for_task_add'), routing_key='for_task_add'),
Queue('for_send_email', Exchange('for_task_email'), routing_key='for_task_email'),
)
CELERY_ROUTES = {
'celery_test.tasks.add': {'queue': 'for_add', 'routing_key': 'for_task_add'},
'celery_test.tasks.send_mail': {'queue': 'for_send_email', 'routing_key': 'for_task_email'},
}
CELERYBEAT_SCHEDULE = {
'send_mail': {
'task': 'celery_test.tasks.send_mail',
'schedule': timedelta(seconds=30),
},
'add': {
'task': 'celery_test.tasks.add',
'schedule': timedelta(seconds=10),
'args': (16, 16)
}
}
PS：以下代码就解释：
CELERY_QUEUES = (
Queue('default', Exchange('default'), routing_key='default'),# 这是上面指定的默认队列
Queue('for_add', Exchange('for_task_add'), routing_key='for_task_add'), # 这是一个for_add队列 凡是for_task_add开头的routing key都会被放到这个队列
Queue('for_send_email', Exchange('for_task_email'), routing_key='for_task_email'),
# 这是一个or_send_email'队列 凡是for_task_email开头的routing key都会被放到这个队列
)
第4步：编写对应Celery实例
server.py
from celery import Celery
app=Celery('celery_test',include=['celery_test.tasks'])
app.config_from_object('celery_test.setting')
if __name__=='__main__':
app.start()
第5步：编写对应任务
tasks.py
# coding:utf-8
from celery_test.server import app
@app.task(bind=True)
def add(self,x, y):
return x + y
@app.task(bind=True)
def send_mail(self,x, y):
return x - y
第6步：修改main.py进行任务调用
main.py
from bottle import route, run, redirect
from celery_test import tasks
# @route('/add')
# def index():
# tasks.add.daley(888, 45)
# return '访问了add！'
@route('/send_mail')
def index():
task = tasks.send_mail.delay(888, 45)
print('访问了send_mail！')
return redirect('/tasks_status/' + task.id) # 重定向到首页(可以 )
@route('/tasks_status/<task_id>')
def index(task_id):
# 获取异步任务结果
task = tasks.send_mail.AsyncResult(task_id)
# 等待处理
if task.state == 'PENDING':
response = {'state': task.state, 'current': 0, 'total': 1}
print('PENDING：', response)
elif task.state != 'FAILURE':
response = {'state': task.state, 'current': task.info.get('current', 0), 'total': task.info.get('total', 1)}
# 处理完成
if 'result' in task.info:
response['result'] = task.info['result']
print('处理完成：', response)
else:
# 后台任务出错
response = {'state': task.state, 'current': 1, 'total': 1}
print('后台任务出错：', response)
run(host='127.0.0.1', port=8080, debug=True, reloader=True)
第7步：启动指定的队列
celery -A celery_test.server worker -l info -Q for_send_email
启动成功如图示：
第8步：启动web服务调用对应的URL请求异步处理异步任务
调用：http://127.0.0.1:8080/send_mail
image.png
即时查看任务处理情况：
http://127.0.0.1:8080/tasks_status/0079d834-d918-4ad7-88dd-f23c5eeb09dc
查看对应的celery的运行 情况：
image.png
问：监控Celery任务执行情况？
答：Flower是基于web的监控和管理Celery的工具.
相关文档：
http://flower-docs-cn.readthedocs.io/zh/latest/
安装pip install flower
启动flower(flower默认的端口是5555.)
celery flower --port=5555 --broker=redis://localhost:6379/0
celery flower --broker=amqp://guest:guest@192.168.xx.xxx:5672//
启动任务查看
celery flower --port=5555 --broker=redis://localhost:6379/0
访问：127.0.0.1:5555
进行任务执行：http://127.0.0.1:8080/send_mail
查看任务执行结果
PS其他命令
============================================================================
前台启动
启动指定的队列
celery -A celery_test.server worker -l info -Q for_send_email
celery -A celery_test.server worker -l info -Q for_add
启动定时相关的任务队列
celery -A celery_test.server beat
celery -A celery_test.server worker -l info -Q for_send_email
celery -A celery_test.server worker -l info -Q for_add
============================================================================
后台启动
celery multi start w1 -A proj -l info
celery multi restart w1 -A proj -l info
# 异步关闭 立即返回
celery multi stop w1 -A proj -l info
# 等待关闭操作完成
celery multi stopwait w1 -A proj -l info
调用任务：
add.apply_async((2, 2), queue='lopri', countdown=10)
# 指定要发送到哪个队列 运行时间延迟countdown
