celery是Python開發的分布式異步任務排程系統,Celery支援的消息服務有rmq、redis等
Celery 是一個強大的分布式任務隊列,它可以讓任務的執行完全脫離主程式,甚至可以被配置設定到其他主機上運作。我們通常使用它來實作異步任務(async task)和定時任務(crontab)。它的架構組成如下圖:
celery由5個主要元件組成:
producer: 任務釋出者, 通過調用API向celery釋出任務的程式
celery beat: 任務排程, 根據配置檔案釋出定時任務
worker: 實際執行任務的程式
broker: 接受任務消息,存入隊列再按順序分發給worker執行
backend: 存儲結果的伺服器
Celery 主要包含以下幾個子產品:
-
任務子產品
包含異步任務和定時任務。其中,異步任務通常在業務邏輯中被觸發并發往任務隊列,而定時任務由 Celery Beat 程序周期性地将任務發往任務隊列。
-
消息中間件 Broker
Broker,即為任務排程隊列,接收任務生産者發來的消息(即任務),将任務存入隊列。Celery 本身不提供隊列服務,官方推薦使用 RabbitMQ 和 Redis 等。
-
任務執行單元 Worker
Worker 是執行任務的處理單元,它實時監控消息隊列,擷取隊列中排程的任務,并執行它。
-
任務結果存儲 Backend
Backend 用于存儲任務的執行結果,以供查詢。同消息中間件一樣,存儲也可使用 RabbitMQ, Redis 和 MongoDB 等。
異步任務:
使用 Celery 實作異步任務主要包含三個步驟:
- 建立一個 Celery 執行個體
- 啟動 Celery Worker
- 應用程式調用異步任務
在運作下面的例子之前,請確定 redis 已正确安裝,并開啟 redis 服務,當然,celery 也是要安裝的。可以使用下面的指令來安裝 celery 及相關依賴:
# -*- coding: utf-8 -*-
import time
from celery import Celery
broker = 'redis://127.0.0.1:6379'
backend = 'redis://127.0.0.1:6379/0'
app = Celery('my_task', broker=broker, backend=backend)
@app.task
def add(x, y):
time.sleep() # 模拟耗時操作
return x + y
将上面的代碼儲存為檔案
tasks.py
,做了幾件事:
- 建立了一個 Celery 執行個體 app,名稱為
;my_task
- 指定消息中間件用 redis,URL 為
;redis://127.0.0.1:6379
- 指定存儲用 redis,URL 為
;redis://127.0.0.1:6379/0
- 建立了一個 Celery 任務
,當函數被add
裝飾後,就成為可被 Celery 排程的任務;@app.task
啟動 Celery Worker
在目前目錄,使用如下方式啟動 Celery Worker:
其中:
- 參數
指定了 Celery 執行個體的位置,本例是在-A
中,Celery 會自動在該檔案中尋找 Celery 對象執行個體,當然,我們也可以自己指定,在本例,使用tasks.py
;-A tasks.app
- 參數
指定了日志級别,預設為 warning,也可以使用--loglevel
來表示;-l info
在生産環境中,我們通常會使用 Supervisor 來控制 Celery Worker 程序。
調用任務
現在,我們可以在應用程式中使用
delay()
或
apply_async()
方法來調用任務。
在目前目錄打開 Python 控制台,輸入以下代碼:
>>> from tasks import add
>>> add.delay(, )
<AsyncResult: ddcebe5f-b5ffa0d9fe600f>
我們從
tasks.py
檔案中導入了
add
任務對象,然後使用
delay()
方法将任務發送到消息中間件(Broker),Celery Worker 程序監控到該任務後,就會進行執行。我們将視窗切換到 Worker 的啟動視窗,會看到多了兩條日志
INFO/MainProcess] Received task: tasks.add[2272ddce-8be5-493f-b5ff-35a0d9fe600f]
INFO/PoolWorker-4] Task tasks.add[2272ddce-8be5-493f-b5ff-35a0d9fe600f] succeeded in 5.00642602402s: 10
這說明任務已經被排程并執行成功。
另外,我們如果想擷取執行後的結果,可以這樣做:
>>> result = add.delay(, )
>>> result.ready() # 使用 ready() 判斷任務是否執行完畢
False
>>> result.ready()
False
>>> result.ready()
True
>>> result.get() # 使用 get() 擷取任務結果
在上面,我們是在 Python 的環境中調用任務。事實上,我們通常在應用程式中調用任務。比如,将下面的代碼儲存為
client.py
:
from tasks import add
# 異步任務
add.delay(, )
print 'hello world'
運作指令
$ python client.py
,可以看到,雖然任務函數
add
需要等待 5 秒才傳回執行結果,但由于它是一個異步任務,不會阻塞目前的主程式,是以主程式會往下執行
print
語句,列印出結果。
使用配置
在上面的例子中,我們直接把 Broker 和 Backend 的配置寫在了程式當中,更好的做法是将配置項統一寫入到一個配置檔案中,通常我們将該檔案命名為
celeryconfig.py
。Celery 的配置比較多,可以在官方文檔查詢每個配置項的含義。
下面,我們再看一個例子。項目結構如下:
celery_demo # 項目根目錄
├── celery_app # 存放 celery 相關檔案
│ ├── __init__.py
│ ├── celeryconfig.py # 配置檔案
│ ├── task1.py # 任務檔案 1
│ └── task2.py # 任務檔案 2
└── client.py # 應用程式
__init__.py
代碼如下:
# -*- coding: utf-8 -*-
from celery import Celery
app = Celery('demo') # 建立 Celery 執行個體
app.config_from_object('celery_app.celeryconfig') # 通過 Celery 執行個體加載配置子產品
celeryconfig.py
代碼如下:
BROKER_URL = 'redis://127.0.0.1:6379' # 指定 Broker
CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/0' # 指定 Backend
CELERY_TIMEZONE='Asia/Shanghai' # 指定時區,預設是 UTC
# CELERY_TIMEZONE='UTC'
CELERY_IMPORTS = ( # 指定導入的任務子產品
'celery_app.task1',
'celery_app.task2'
)
task1.py
代碼如下:
import time
from celery_app import app
@app.task
def add(x, y):
time.sleep()
return x + y
task2.py
代碼如下:
import time
from celery_app import app
@app.task
def multiply(x, y):
time.sleep()
return x * y
client.py
代碼如下:
# -*- coding: utf-8 -*-
from celery_app import task1
from celery_app import task2
task1.add.apply_async(args=[, ]) # 也可用 task1.add.delay(2, 8)
task2.multiply.apply_async(args=[, ]) # 也可用 task2.multiply.delay(3, 7)
print 'hello world'
現在,讓我們啟動 Celery Worker 程序,在項目的根目錄下執行下面指令:
接着,運作
$ python client.py
,它會發送兩個異步任務到 Broker,在 Worker 的視窗我們可以看到如下輸出:
INFO/MainProcess] Received task: celery_app.task1.add[9ccffad0-aca4-4875-84ce-0ccfce5a83aa]
[INFO/MainProcess] Received task: celery_app.task2.multiply[64b1f889-c892-4333-bd1d-ac667e677a8a]
[INFO/PoolWorker-3] Task celery_app.task1.add[9ccffad0-aca4-4875-84ce-0ccfce5a83aa] succeeded in 2.00600231002s: 10
[INFO/PoolWorker-4] Task celery_app.task2.multiply[64b1f889-c892-4333-bd1d-ac667e677a8a] succeeded in 2.00601326401s: 21
delay 和 apply_async
在前面的例子中,我們使用
delay()
或
apply_async()
方法來調用任務。事實上,
delay
方法封裝了
apply_async
,如下:
def delay(self, *partial_args, **partial_kwargs):
"""Shortcut to :meth:`apply_async` using star arguments."""
return self.apply_async(partial_args, partial_kwargs)
也就是說,
delay
是使用
apply_async
的快捷方式。
apply_async
支援更多的參數,它的一般形式如下:
apply_async(args=(), kwargs={}, route_name=None, **options)
apply_async 常用的參數如下:
- countdown:指定多少秒後執行任務
task1.apply_async(args=(, ), countdown=) # 秒後執行任務
- eta (estimated time of arrival):指定任務被排程的具體時間,參數類型是 datetime
from datetime import datetime, timedelta
# 目前 UTC 時間再加 10 秒後執行任務
task1.multiply.apply_async(args=[, ], eta=datetime.utcnow() + timedelta(seconds=))
- expires:任務過期時間,參數類型可以是 int,也可以是 datetime
更多的參數清單可以在官方文檔中檢視。
定時任務
Celery 除了可以執行異步任務,也支援執行周期性任務(Periodic Tasks),或者說定時任務。Celery Beat 程序通過讀取配置檔案的内容,周期性地将定時任務發往任務隊列。
讓我們看看例子,項目結構如下:
celery_demo # 項目根目錄
├── celery_app # 存放 celery 相關檔案
├── __init__.py
├── celeryconfig.py # 配置檔案
├── task1.py # 任務檔案
└── task2.py # 任務檔案
__init__.py
代碼如下:
# -*- coding: utf-8 -*-
from celery import Celery
app = Celery('demo')
app.config_from_object('celery_app.celeryconfig')
celeryconfig.py
代碼如下:
# -*- coding: utf-8 -*-
from datetime import timedelta
from celery.schedules import crontab
# Broker and Backend
BROKER_URL = 'redis://127.0.0.1:6379'
CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/0'
# Timezone
CELERY_TIMEZONE='Asia/Shanghai' # 指定時區,不指定預設為 'UTC'
# CELERY_TIMEZONE='UTC'
# import
CELERY_IMPORTS = (
'celery_app.task1',
'celery_app.task2'
)
# schedules
CELERYBEAT_SCHEDULE = {
'add-every-30-seconds': {
'task': 'celery_app.task1.add',
'schedule': timedelta(seconds=), # 每 30 秒執行一次
'args': (, ) # 任務函數參數
},
'multiply-at-some-time': {
'task': 'celery_app.task2.multiply',
'schedule': crontab(hour=, minute=), # 每天早上 9 點 50 分執行一次
'args': (, ) # 任務函數參數
}
}
task1.py
代碼如下:
import time
from celery_app import app
@app.task
def add(x, y):
time.sleep()
return x + y
task2.py
代碼如下:
import time
from celery_app import app
@app.task
def multiply(x, y):
time.sleep()
return x * y
現在,讓我們啟動 Celery Worker 程序,在項目的根目錄下執行下面指令:
接着,啟動 Celery Beat 程序,定時将任務發送到 Broker,在項目根目錄下執行下面指令:
celery_demo $ celery beat -A celery_app
celery beat v4. (latentcall) is starting.
__ - ... __ - _
LocalTime -> -- ::
Configuration ->
. broker -> redis://127.0.0.1:6379//
. loader -> celery.loaders.app.AppLoader
. scheduler -> celery.beat.PersistentScheduler
. db -> celerybeat-schedule
. logfile -> [stderr]@%WARNING
. maxinterval -> minutes (s)
之後,在 Worker 視窗我們可以看到,任務
task1
每 30 秒執行一次,而
task2
每天早上 9 點 50 分執行一次。
在上面,我們用兩個指令啟動了 Worker 程序和 Beat 程序,我們也可以将它們放在一個指令中:
Celery 周期性任務也有多個配置項,可參考官方文檔。
本文由 funhacks 發表于個人部落格,采用 Creative Commons BY-NC-ND 4.0(自由轉載-保持署名-非商用-禁止演繹)協定釋出。
非商業轉載請注明作者及出處。商業轉載請聯系作者本人。
本文标題為: 異步任務神器 Celery 簡明筆記
本文連結為: https://funhacks.net/2016/12/...
參考資料
- Celery - Distributed Task Queue — Celery 4.0.1 documentation
- 使用Celery - Python之美
- 分布式任務隊列Celery的介紹 – 思誠之道
- 異步任務神器 Celery 簡明筆記