博客

这个翻译之后居然叫芹菜~~最近Django框架需要涉及到执行周期任务~~上网搜了下其实还挺多的（django_crontab：这个学习周期短，但是发现不仅麻烦还不好用啊）、（apscheduler，简单还行在没完全掌握Celery时先用它顶了一段时间，但是需要注意不同版本的使用方法差别还挺大的），最后还是决定花时间来学学，Celery是Python语言实现的分布式队列服务，除了支持即时任务，还支持定时任务。

Celery中的五个核心角色

• Task

任务(Task)就是你要做的事情，例如一个注册流程里面有很多任务，给用户发验证邮件就是一个任务，这种耗时任务可以交给Celery去处理，还有一种任务是定时任务，比如每天定时统计网站的注册人数，这个也可以交给Celery周期性的处理。

• Broker

Broker 的中文意思是经纪人，指为市场上买卖双方提供中介服务的人。在Celery中它介于生产者和消费者之间经纪人，这个角色相当于数据结构中的队列。例如一个Web系统中，生产者是处理核心业务的Web程序，业务中可能会产生一些耗时的任务，比如短信，生产者会将任务发送给 Broker，就是把这个任务暂时放到队列中，等待消费者来处理。消费者是 Worker，是专门用于执行任务的后台服务。Worker 将实时监控队列中是否有新的任务，如果有就拿出来进行处理。Celery 本身不提供队列服务，一般用 Redis 或者 RabbitMQ 来扮演 Broker 的角色

• Worker

Worker 就是那个一直在后台执行任务的人，也称为任务的消费者，它会实时地监控队列中有没有任务，如果有就立即取出来执行。

• Beat

Beat 是一个定时任务调度器，它会根据配置定时将任务发送给 Broker，等待 Worker 来消费。

• Backend

Backend 用于保存任务的执行结果，每个任务都有返回值，比如发送邮件的服务会告诉我们有没有发送成功，这个结果就是存在Backend中，当然我们并不总是要关心任务的执行结果。

入门操作

1、安装（Celery4.x 开始不再支持Windows平台，如果需要在Windows开发，请使用3.x的版本）

pip install celery==3.1.15

2、创建一个实例

# 创建一个Celery实例,broker是管道用于储存任务,官方推荐Redis、RabbitMQ;backend用于存储任务执行结果
app = Celery("tasks", broker="redis://127.0.0.1:6379", backend='redis://127.0.0.1:6379')

3、直接上代码（新建一个celery_task1目录，里面建下面两个py文件）

#!/usr/bin/env python3
# -*- encoding:utf-8 -*-
"""
author:Barret
mail:barret_vip@163.com
"""
from celery import Celery
import time

# 创建Celery实例
app = Celery('tasks', broker='redis://127.0.0.1:6379',
                      backend='redis://127.0.0.1:6379',
             )
app.conf.task_protocol = 1

# 创建任务
@app.task
def add(x):
    time.sleep(1)
    print("开始任务了:%s" %x)
    return x

#!/usr/bin/env python3
# -*- encoding:utf-8 -*-
"""
author:Barret
mail:barret_vip@163.com
"""
from celery.result import AsyncResult
import sys

dir = r"D:\today\celery_task1"
sys.path.append(dir)  # 我的任务文件不在环境变量里，IDLE找不到
from celerys import add
reslut = add.delay(1)

# 判断是否有值,get调用会阻塞
print(reslut) # 可以查看id,也可以使用reslut.id获取id。

# 异步获取任务返回值
async_task = AsyncResult(id="45cf4a22-82d5-43f2-a0c9-8fd3af6b1136", app=add)

# 判断异步任务是否执行成功
if async_task.successful():
    r = reslut.get(propagate=False)  # 出现异常返回异常不触发异常
    print(r)
else:
    print("任务还没执行完毕")

4、执行步骤（不建议直接在Django项目中创建，会出现报错）

# 1、打开CMD或者Pycharm下的Terminal执行下面命令:
celery -A celerys  worker -l info -P eventlet

# 2、接着运行cmd.py即可打印结果

结果出现这样的即运行成功：

入门操作报错

• BUG1：如果出现：AttributeError: ‘str’ object has no attribute ‘items’，则是redis版本过高（我安装的是3.x），安装2.10.6即可~（但是在我安装2.10之后又说我版本太低，但是当我重新装回3.x的时候又能用了~~~我只能说玄学好吧）

• BUG_2：如果出现下面这个报错解决办法是，在实例化Celery时添加下面配置项，这个好像是新协议问题，使用指定到旧协议。

# 在app创建的时候指定
CELERY_TASK_PROTOCOL = 1  # Django中使用这个
app.conf.task_protocol = 1

• BUG_3：如果想获取返回结果直接用get方式会报错，需要指定保存任务结果的位置。

reslut.get()  # 会报错这里是实例化的时候，没有定义backend，就是保存任务结果的位置。

• BUG_3解决：指定输出到，我这里还是指定到redis中。

好吧我算是把各种报错都玩了个遍~~~~

• BUG_4：在执行时又出现下面这个报错了

Traceback (most recent call last):
  File "d:\programmingsoftware\python35\lib\site-packages\billiard\pool.py", line 358, in workloop
    result = (True, prepare_result(fun(*args, **kwargs)))
  File "d:\programmingsoftware\python35\lib\site-packages\celery\app\trace.py", line 525, in _fast_trace_task
    tasks, accept, hostname = _loc
ValueError: not enough values to unpack (expected 3, got 0)

pip install eventlet # 安装一下
celery -A task1 worker -l info -P eventlet # 将启动命令改成这个
再去执行cmd.py就没问题了~~

• 哇~~~~想哭一波三折终于看到输出了（这一步就代表初步使用没问题了，接下来我终于可以做周期任务了）

在Django中使用Celery

更新中………………