django+celery+redis

阅读目录

 

---

1.1 Celery介绍

　　参考博客：http://www.cnblogs.com/alex3714/p/6351797.html

　　参考博客:  https://www.jianshu.com/p/027538ffb8c1

　　1、celery应用举例

　　　　　　1、Celery 是一个 基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理，
　　　　　　 　　 如果你的业务场景中需要用到异步任务，就可以考虑使用celery

　　　　　　2、你想对100台机器执行一条批量命令，可能会花很长时间 ，但你不想让你的程序等着结果返回，而是给你返回 一个任务ID,
　　　　　　　　你过一段时间只需要拿着这个任务id就可以拿到任务执行结果， 在任务执行ing进行时，你可以继续做其它的事情

　　　　　　3、Celery 在执行任务时需要通过一个消息中间件来接收和发送任务消息，以及存储任务结果， 一般使用rabbitMQ or Redis

　　2、Celery有以下优点

　　　　　　1、简单：一单熟悉了celery的工作流程后，配置和使用还是比较简单的

　　　　　　2、高可用：当任务执行失败或执行过程中发生连接中断，celery 会自动尝试重新执行任务

　　　　　　3、快速：一个单进程的celery每分钟可处理上百万个任务

　　　　　　4、灵活： 几乎celery的各个组件都可以被扩展及自定制

　　3、Celery基本工作流程图

　　　　　　

　　　　user：用户程序，用于告知celery去执行一个任务。
　　　　broker: 存放任务（依赖RabbitMQ或Redis，进行存储）
　　　　worker：执行任务

　　4、Celery 特性 

　　　　　　1）方便查看定时任务的执行情况, 如 是否成功, 当前状态, 执行任务花费的时间等.

　　　　　　2）可选 多进程, Eventlet 和 Gevent 三种模型并发执行.

　　　　　　3）Celery 是语言无关的.它提供了python 等常见语言的接口支持.

1.2 celery 组件

　　1、Celery 扮演生产者和消费者的角色

　　　　　　Celery Beat : 任务调度器. Beat 进程会读取配置文件的内容, 周期性的将配置中到期需要执行的任务发送给任务队列.

　　　　　　Celery Worker : 执行任务的消费者, 通常会在多台服务器运行多个消费者, 提高运行效率.

　　　　　　Broker : 消息代理, 队列本身. 也称为消息中间件. 接受任务生产者发送过来的任务消息, 存进队列再按序分发给任务消费方(通常是消息队列或者数据库).

　　　　　　Producer : 任务生产者. 调用 Celery API , 函数或者装饰器, 而产生任务并交给任务队列处理的都是任务生产者.

　　　　　　Result Backend : 任务处理完成之后保存状态信息和结果, 以供查询.

　　2、celery架构图

　　　　　　

　　3. 产生任务的方式 

　　　　　　1) 发布者发布任务(WEB 应用)

　　　　　　2) 任务调度按期发布任务(定时任务)

　　4. celery 依赖三个库: 这三个库, 都由 Celery 的开发者开发和维护.

　　　　　　billiard : 基于 Python2.7 的 multisuprocessing 而改进的库, 主要用来提高性能和稳定性.

　　　　　　librabbitmp : C 语言实现的 Python 客户端

　　　　　　kombu : Celery 自带的用来收发消息的库, 提供了符合 Python 语言习惯的, 使用 AMQP 协议的高级借口.

1.3 安装相关包 与 管理命令

　　1、安装相关软件包

pip3 install Django==2.0.4pip3 install celery==4.3.0pip3 install redis==3.2.1pip3 install django-celery==3.1.17pip3 install ipython==7.6.1 find ./ -type f | xargs sed -i 's/\r$//g'  # 批量将当前文件夹下所有文件装换成unix格式

　　2、celery管理

celery multi start w1 w2 -A celery_pro -l info     #一次性启动w1,w2两个workercelery -A celery_pro status                        #查看当前有哪些worker在运行celery multi stop w1 w2 -A celery_pro              #停止w1,w2两个workercelery  multi start celery_test -A celery_test -l debug --autoscale=50,5        # celery并发数：最多50个，最少5个ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9       # 关闭所有celery进程

　　3、django_celery_beat管理

celery -A celery_test beat -l info -S django                   #启动心跳任务ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk '{print $2}' | xargs kill -TERM &> /dev/null  # 杀死心跳所有进程

1.3 安装相关包 与 管理命令

　　1、在Django中使用celery介绍（celery无法再windows下运行）

　　　　1）在Django中使用celery时，celery文件必须以tasks.py

　　　　2）Django会自动到每个APP中找tasks.py文件

　　2、创建一个Django项目celery_test，和app01

　　3、在与项目同名的目录下创建celery.py

celery.py

　　4、在与项目同名的目录下的 init.py 文件中添加下面内容

__init__.py

　　5、创建app01/tasks.py文件

app01/tasks.py

　　6、将celery_test这个Django项目拷贝到centos7.3的django_test文件夹中

　　7、保证启动了redis-server

　　8、启动一个celery的worker

celery multi start w1 w2 -A celery_pro -l info     #一次性启动w1,w2两个workercelery -A celery_pro status                        #查看当前有哪些worker在运行celery multi stop w1 w2 -A celery_pro              #停止w1,w2两个workercelery  multi start celery_test -A celery_test -l debug --autoscale=50,5        # celery并发数：最多50个，最少5个ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9       # 关闭所有celery进程

　　9、测试celery

测试

1.5 在django中使用计划任务功能

　　1、在Django中使用celery的定时任务需要安装django-celery-beat

　　　　　　pip3 install django-celery-beat

　　2、在Django的settings中注册django_celery_beat

INSTALLED_APPS = (    ...,    'django_celery_beat',)

　　3、执行创建表命令

　　　　　　python3 manage.py makemigrations

　　　　　　python3 manage.py migrate

　　4、在与项目同名的目录下的celery.py中添加定时任务

celery.py

　　5、app01/tasks.py　　

app01/tasks.py

　　6、管理命令

'''1、celery管理 '''celery  multi start celery_test -A celery_test -l debug --autoscale=50,5        # celery并发数：最多50个，最少5个ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9       # 关闭所有celery进程'''2、django-celery-beat心跳服务管理 '''celery -A celery_test beat -l info -S django                   #启动心跳任务ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk '{print $2}' | xargs kill -TERM &> /dev/null  # 杀死心跳所有进程

1.6 使用 Celery Once 来防止 Celery 重复执行同一个任务

　　1、产生重复执行原因　

　　　　　　1. 当我们设置一个ETA（预估执行时间）比visibility_timeout（超时时间）长的任务时，会出现重复执行问题

　　　　　　2. 因为每过一次 visibility_timeout 时间，celery就会认为这个任务没被worker执行成功，重新分配给其它worker再执行

　　2、Celery Once解决方法

　　　　　　1. Celery Once 也是利用 Redis 加锁来实现，他的使用非常简单，参照 GitHub 的使用很快就能够用上。

　　　　　　2. Celery Once 在 Task 类基础上实现了 QueueOnce 类，该类提供了任务去重的功能

　　　　　　3. 所以在使用时，我们自己实现的方法需要将 QueueOnce 设置为 base

@celery.task(base=QueueOnce, once={'keys': ['a']})def slow_add(a, b):    sleep(30)    return a + b

　　　　　　4. 后面的 once 参数表示，在遇到重复方法时的处理方式，默认 graceful 为 False，那样 Celery 会抛出 AlreadyQueued 异常，手动设置为 True，则静默处理。

　　　　　　5. 可以手动设置任务的 key，可以指定 keys 参数。

　　3、celery once使用

　　　　　　参考官方：https://github.com/cameronmaske/celery-once

celery once配置使用方法

1.7 redis会丢失消息 RabbitMQ不会丢失消息的原因 

　　1、redis丢失消息的原因

　　　　　　1. 用 Redis 作 broker 的话，任务会存在内存里面，如果 celery 进程要结束了，就会在临死之前把队列存进 Redis，下次启动时再从 Redis 读取。

　　　　　　2. 但是如果可见性超时时间过长在断电或者强制终止职程（Worker）的情况会“丢失“重新分配的任务。

　　　　　　3. 比如当 celery 被 kill -9 了，任务将无法存进 Redis，内存中的任务会丢失，或者任务太多导致celery出现异常。

　　2、RabbitMQ如何保证可靠消费

　　　　　　Redis： 没有相应的机制保证消息的消费，当消费者消费失败的时候，消息体丢失，需要手动处理

　　　　　　RabbitMQ： 具有消息消费确认，即使消费者消费失败，也会自动使消息体返回原队列，同时可全程持久化，保证消息体被正确消费