前言
celery是一個基於python開發的簡單、靈活且可靠的分佈式任務隊列框架， 是一個分佈式隊列的管理工具, 可以用 Celery 提供的接口快速實現並管理一個分佈式的任務隊列.。它採用了典型的生產者-消費者模型，主要由三部分組成：
-
消息隊列broker：broker實際上就是一個MQ隊列服務，可以使用Redis、RabbitMQ等作爲broker；
-
處理任務的消費者workers：broker通知worker隊列中有任務，worker去隊列中取出任務執行，每一個worker就是一個進程；
-
存儲結果的backend：執行結果存儲在backend，默認也會存儲在broker使用的MQ隊列服務中，也可以單獨配置用何種服務做backend；
celery安裝
pip install celery
celery 簡單運行
創建文件
安裝完成後在自己的APP下創建一個tasks.py文件,名字最好就是tasks,不要隨意更改，有多個app則每個app下都可以創建一個task.py(前提是有需要的話)目錄結構如下，本文已django爲例：
my_demo
|--func_app
|-- admin.py
|-- apps.py
|-- __init__.py
|-- models.py
|-- tasks.py
|-- tests.py
|-- urls.py
|-- views.py
|--my_demo
|-- celery.py
|-- __init__.py
|-- settings.py
|-- urls.py
|-- wsgi.py
tasks.py
from celery import Celery
app = Celery('tasks', broker='redis://:password@host:port/database_num',backend='redis://:password@host:port/database_num')
#第一個次數‘tasks’是當前模塊的名字，第二個參數是broker代理的url，這裏選用了redis
第一個參數 ‘tasks’ 是當前模塊的名字，第二個參數是消息隊列broker的url，第三個參數是存放結果的backend，這裏都選用了redis（也可以是RabbitMQ）。
編寫第一段celery代碼
tasks.py
from celery import Celery
app = Celery('tasks', broker='redis://:password@host:port/database_num',backend='redis://:password@host:port/database_num')
@app.task
def add(x, y):
return x + y
if __name__ == '__main__':
res = add.delay(3,4)
print(res.result)#打印結果
定義一個簡單的add函數，使用delay()方法進行調用，res.result 返回celery計算的結果，先不要急着運行，這樣肯定運行不成功的。
爲運行程序準備環境（已經具備了可跳過）
接下來我們去坐準備工作，一般我們的服務都會部署到linux服務器上,假設你現在已經有一臺自己的服務器，那麼請使用SecureCRT或者putty連接上機器，還是先安裝redis和celery，快捷安裝如下：
Redis安裝-------10分鐘安裝配置Redis
pip install celery
創建一個目錄專門用於執行celery程序(位置隨你高興)，再創建一個tasks.py:
mkdir celery_code#創建目錄
cd celery_code#進入目錄下面
touch tasks.py #創建tasks.py文件，功能與剛纔上面的一樣
vi tasks.py #打開文件
運行celery
vi tasks.py 後按下鍵盤上的i鍵，複製剛纔的代碼粘貼進這個文件，按下ESC，SHIFT+：，輸入wq保存退出,分別輸入以下命令。
chmod +x tasks.py #給tasks.py賦予可執行權限
celery -A tasks worker --loglevel=info ##運行celery
如果順利的話，你將看到如下界面：
運行程序
忽略最後一行，這就代表啓動成功了，接着你可以在你的window開發環境上運行程序了，運行後應該能看到如下:
Linux：
可以清楚的看到celery在Received到task後很快woker就開始工作，返回了tasks.add執行success，tasks即我們的模塊名稱，add爲我們定義的方法名，success代表執行成功，後面的一串小數即爲執行的時間，7爲我們想要的執行結果。
Windows: 
而我們pycharm下同樣也返回了結果7,執行成功！！！
後續
這時如果你有興趣的話可以登錄redis查看broker和backend：
redis-cli #連接redis客戶端
select database_num #爲你在前面配置的worker和backend的數據庫編號
keys * #查看執行過的任務編號
仔細查看最後標紅的一行，如果與前面運行程序中的celery結果圖對比就會發現，後面的編號其實是一樣的，可以斷定這就是我們剛纔運行的任務編號，這時就可以根據這個key查詢celery返回的信息。
截圖可能不太清晰，但依然能看到狀態status是success，result是7，task_id是上圖標紅的那串。
結束
本文介紹了怎麼安裝運行celery，當然本文中所使用的的add函數是極爲簡單的，後續將更新配置文件化和較常用的celery發送郵件、celery定時任務，更多內容請點擊從今天開始種樹。