Python Celery和RabbitMQ实战 详解Python Celery和RabbitMQ实战教程

前言

Celery是一个异步任务队列。它可以用于需要异步运行的任何内容。RabbitMQ是Celery广泛使用的消息代理。在本这篇文章中，我将使用RabbitMQ来介绍Celery的基本概念，然后为一个小型演示项目设置Celery 。最后，设置一个Celery Web控制台来监视我的任务

基本概念

  来！看图说话：

Broker
Broker(RabbitMQ)负责创建任务队列，根据一些路由规则将任务分派到任务队列，然后将任务从任务队列交付给worker

Consumer (Celery Workers)
Consumer是执行任务的一个或多个Celery workers。可以根据用例启动许多workers

Result Backend
后端用于存储任务的结果。但是，它不是必需的元素，如果不在设置中包含它，就无法访问任务的结果

安装Celery

  首先，需要安装好Celery，可以使用PyPI：

pip install celery

选择一个Broker：RabbitMQ

  为什么我们需要broker呢?这是因为Celery本身并不构造消息队列，所以它需要一个额外的消息传输来完成这项工作。这里可以将Celery看作消息代理的包装器

实际上，也可以从几个不同的代理中进行选择，比如RabbitMQ、Redis或数据库(例如Django数据库)

在这里使用RabbitMQ作为代理，因为它功能完整、稳定，Celery推荐使用它。由于演示我的环境是在Mac OS中，安装RabbitMQ使用Homebrew即可：

brew install rabbitmq
#如果是Ubuntu的话使用apt-get安装

启动RabbitMQ

  程序将在/usr/local/sbin中安装RabbitMQ，虽然有些系统可能会有所不同。可以将此路径添加到环境变量路径，以便以后方便地使用。例如，打开shell启动文件~/.bash_profile添加：

PATH=$PATH:/usr/local/sbin

现在，可以使用rabbitmq-server命令启动我们的RabbitMQ服务器。检查RabbitMQ服务器成功启动，将看到类似的输出：

为Celery配置RabbitMQ

  RabbitMQ使用Celery之前，需要对RabbitMQ进行一些配置。简单地说，我们需要创建一个虚拟主机和用户，然后设置用户权限，以便它可以访问虚拟主机

# 添加用户跟密码
$ rabbitmqctl add_user test test123
# 添加虚拟主机
$ rabbitmqctl add_vhost test_vhost
# 为用户添加标签
$ rabbitmqctl set_user_tags test test_tag
# 设置用户权限
$ rabbitmqctl set_permissions -p test_vhost test ".*" ".*" ".*"

敲黑板！RabbitMQ中有三种操作:配置、写入和读取

上面命令末尾的字符串表示用户test将拥有所有配置、写入和读取权限

演示项目

现在让我们创建一个简单的项目来演示Celery的使用

在celery.py中添加以下代码:

from __future__ import absolute_import
from celery import Celery

app = Celery('test_celery',
broker='amqp://test:test123@localhost/test_vhost',
backend='rpc://',
include=['test_celery.tasks'])

在这里，初始化了一个名为app的Celery实例，将用于创建一个任务。Celery的第一个参数只是项目包的名称，即“test_celery”。

broker参数指定代理URL，对于RabbitMQ，传输是amqp。

后端参数指定后端URL。Celery中的后端用于存储任务结果。因此，如果需要在任务完成时访问任务的结果，应该为Celery设置一个后端。

rpc意味着将结果作为AMQP消息发送回去，这对本次演示来说是一种可接受的格式

include参数指定了在Celery工作程序启动时要导入的模块列表。我们在这里添加了tasks模块，以便找到我们的任务。

在tasks.py这个文件中，定义了我们的任务add_longtime:

from __future__ import absolute_import
from test_celery.celery import app
import time

@app.task
def add_longtime(a, b):
  print 'long time task begins'
  # sleep 5 seconds
  time.sleep(5)
  print 'long time task finished'
  return a + b

可以看到，导入了在前面的Celery模块中定义的应用程序，并将其用作任务方法的装饰器。另外注意！app.task只是一个装饰器。此外，我们在add_longtime任务中休眠5秒，以模拟一个耗时较长的Task

在设置好Celery之后，我们需要开始运行任务，它包含在runs_tasks.py:

from .tasks import add_longtime
import time

if __name__ == '__main__':
  result = add_longtime.delay(1,2)
	#此时，任务还未完成，它将返回False
  print 'Task finished? ', result.ready()
  print 'Task result: ', result.result
  # 延长到10秒以确保任务已经完成
  time.sleep(10)
  # 现在任务完成，ready方法将返回True
  print 'Task finished? ', result.ready()
  print 'Task result: ', result.result

这里，我们使用delay方法调用任务add_longtime，如果我们想异步处理任务，就需要使用delay方法。此外，保存任务的结果并打印一些信息。如果任务已经完成，ready方法将返回True，否则返回False。result属性是任务的结果，如果任务尚未完成，则返回None。

启动Celery

现在，可以使用下面的命令启动Celery(注：在项目文件夹中运行):

celery -A test_celery worker --loglevel=info

Celery成功连接到RabbitMQ，你会看到这样的东西:

运行任务

再项目文件中输入以下命令运行它：

python -m test_celery.run_tasks

查看Celery控制台，看到运行任务:

[2020-05-15 17:15:21,508: INFO/MainProcess]
Received task: test_celery.tasks.add_longtime[25ba9c87-69a7-4383-b983-1cefdb32f8b3]
[2020-05-15 17:15:21,508: WARNING/Worker-3] long time task begins
[2020-05-15 17:15:31,510: WARNING/Worker-3] long time task finished
[2020-05-15 17:15:31,512: INFO/MainProcess]
Task test_celery.tasks.add_longtime[25ba9c87-69a7-4383-b983-1cefdb32f8b3] succeeded in 15.003732774s: 3

当Celery收到一个任务，它打印出任务名称与任务id(在括号中):

Received task: test_celery.tasks.add_longtime[7d942984-8ea6-4e4d-8097-225616f797d5]

在这一行下面是我们的任务add_longtime打印的两行，时间延迟为5秒:

long time task begins
long time task finished

最后一行显示我们的任务在5秒内完成，任务结果为3:

Task test_celery.tasks.add_longtime[7d942984-8ea6-4e4d-8097-225616f797d5] succeeded in 5.025242167s: 3

在当前控制台中，您将看到以下输出:

实时监控Celery

Flower是一款基于网络的Celery实时监控软件。使用Flower，可以轻松地监视任务进度和历史记录

使用pip来安装Flower:

pip install flower

要启动Flower web控制台，需要运行以下命令：

celery -A test_celery flower

Flower将运行具有默认端口5555的服务器，可以通过http://localhost:5555访问web控制台