一、前言
在Django Web平臺開發中,碰到一些請求執行的任務時間較長的情況,爲了加快用戶的響應時間,就可以採用Celery異步任務的方式來解決
好文章 記得收藏+點贊+關注額 !!!---- Nick.Peng
二、關於 Celery
- Celery是基於Python開發的一個分佈式任務隊列框架,支持使用任務隊列的方式在分佈的機器/進程/線程上執行任務調度。
- 如圖Celery的架構,它採用典型的生產者-消費者模式,主要由三部分組成:broker(消息隊列)、workers(消費者:處理任務)、backend(存儲結果)。
- 實際應用中,用戶從Web前端發起一個請求,我們只需要將請求所要處理的任務丟入任務隊列broker中,由空閒的worker去處理任務即可,處理的結果會暫存在後臺數據庫backend中。我們可以在一臺機器或多臺機器上同時起多個worker進程來實現分佈式地並行處理任務。
三、Django 中集成 Celery
在實際使用過程中,發現Celery在Django裏的實現與其在一般.py文件中的實現還是有很大差別,Django有其特定的使用Celery的方式。這裏着重介紹Celery在Django中的實現方法,簡單介紹與其在一般.py文件中實現方式的差別。
-
建立消息隊列
缺少監控就意味着這個監控已經失效,因此相關的 Flower、Celery events、celerymon 和其他基於此功能的監控工具全部失效。
遠程管理控制是指可以通過 celery inspect 和 celery control(以及使用遠程控制API的工具)在程序運行時檢查和管理職程(Worker)的能力所以這裏我們採用RabbitMQ來實現消息中間件,輸入以下命令安裝:
sudo apt-get install rabbitmq-server
安裝成功後,rabbitmq-server就已經安裝好並運行在後臺了。也可以使用service rabbitmq-server status
查看運行狀態另外也可以通過命令
sudo rabbitmq-server -detached
來在後臺啓動rabbitmq server。
更多的命令可以參考rabbitmq官網的用戶手冊:https://www.rabbitmq.com/manpages.html -
安裝django-celery
pip install celery pip install django-celery
-
配置settings.py
首先,在Django工程的settings.py文件中加入如下配置代碼:import djcelery djcelery.setup_loader() # 設置代理人broker BROKER_URL= 'amqp://guest@localhost//' # 設置結果存儲位置 CELERY_RESULT_BACKEND = 'amqp://guest@localhost//'
說明:
-
當djcelery.setup_loader()運行時,Celery便會去查看INSTALLD_APPS下包含的所有app目錄中的tasks.py文件,找到標記爲task的方法,將它們註冊爲celery task。
-
BROKER_URL和CELERY_RESULT_BACKEND分別指代你的Broker的代理地址以及Backend(result store)數據存儲地址。
-
在Django中如果沒有設置backend,會使用其默認的後臺數據庫用來存儲數據。注意,此處backend的設置是通過關鍵字CELERY_RESULT_BACKEND來配置,與.py文件中實現celery的backend設置方式有所不同。
-
py文件中是直接通過設置backend關鍵字來配置,如下所示:
app = Celery('tasks', backend='amqp://guest@localhost//', broker='amqp://guest@localhost//')
然後,在INSTALLED_APPS中加入djcelery:
INSTALLED_APPS = ( …… 'qv', 'djcelery' …… )
-
-
在要使用該任務隊列的app根目錄下(比如qv),建立tasks.py,比如:
在tasks.py中我們就可以編碼實現我們需要執行的任務邏輯,在開始處import task,然後在要執行的任務方法開頭用上裝飾器@task。
需要注意的是,與一般的.py中實現celery不同,tasks.py必須建在各app的根目錄下,且不能隨意命名。
-
生產任務
在需要執行該任務的View中,通過build_job.delay的方式來創建任務,並送入消息隊列。比如:
-
啓動worker的命令
#先啓動服務器 python manage.py runserver #再啓動worker python manage.py celery worker -c 4 --loglevel=info
四、利用 flower 監控管理 Celery 集羣
Celery提供了一個工具flower,將各個任務的執行情況、各個worker的健康狀態進行監控並以可視化的方式展現,如下圖所示:
可視化監控實現的方式:
- 安裝flower:
pip install flower
- 啓動flower(默認會啓動一個webserver,端口爲5555):
python manage.py celery flower
或celery flower -A project_name --port=5555
- 進入http://localhost:5555即可查看。