详解Python Celery和RabbitMQ实战教程

(编辑：jimmy 日期: 2024/12/27 浏览：2)

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

"text-align: center">详解Python Celery和RabbitMQ实战教程

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

"_blank" href="https://pypi.org/" rel="external nofollow" >PyPI：

pip install celery

选择一个Broker：RabbitMQ

"htmlcode"> 

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

启动RabbitMQ

"htmlcode"> 

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：

详解Python Celery和RabbitMQ实战教程

为Celery配置RabbitMQ

"htmlcode"> 

# 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

详解Python Celery和RabbitMQ实战教程

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"htmlcode">



celery -A test_celery worker --loglevel=info





Celery成功连接到RabbitMQ，你会看到这样的东西:




详解Python Celery和RabbitMQ实战教程


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:




详解Python Celery和RabbitMQ实战教程


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




详解Python Celery和RabbitMQ实战教程
上一篇：Pandas直接读取sql脚本的方法
下一篇：python asyncio 协程库的使用

最新资源