简介

Celery 是使用 python 编写的分布式任务调度框架。

celery能做什么

Celery 是一个强大的分布式任务队列框架，它可以与 Python 应用程序一起使用，提供了异步任务处理和分布式消息传递的能力。以下是 Celery 框架的一些主要功能和用途：

异步任务处理
Celery 可以将耗时的任务放入消息队列中进行异步处理，以便不阻塞主应用程序的执行。这对于处理大量请求或需要长时间运行的任务非常有用，如发送电子邮件、生成报告、图像处理等。
周期性任务调度
Celery 提供了定时任务调度的功能，允许您以指定的时间间隔执行任务。这对于需要定期执行的后台任务非常有用，如数据备份、定期清理操作等。
分布式任务处理
Celery 支持在多个工作节点上分发和处理任务，从而实现分布式的任务执行。这使得您可以将任务分配给空闲的工作节点，实现负载均衡和横向扩展。
异常处理和重试
Celery 提供了强大的异常处理和重试机制，能够自动捕获任务执行过程中的异常，并根据配置进行重试，以增加任务的执行可靠性。
结果存储和追踪
Celery 可以将任务的执行结果存储在配置的后端（如数据库、缓存、消息队列等），以便您可以轻松地追踪和获取任务的执行结果。
链式任务和并行任务
Celery 支持将多个任务链接在一起形成任务链，使得任务能够按照指定的顺序执行。同时，Celery 也支持并行执行多个任务，以加快任务的处理速度。

celery 应用
- 用户编写的代码脚本，用来定义要执行的任务，然后通过 broker 将任务发送到消息队列中
broker
- 代理，通过消息队列在客户端和 worker 之间进行协调。
- celery 本身并不包含消息队列，它支持一下消息队列RabbitMQRdisAmazon SQSZookeeper
- 更多关于 Broker 见官方文档
worker
- 工人，用来执行 broker 分派的任务。
backend
- 数据库，用来存储任务返回的结果。
任务
- 任务，定义的需要执行的任务

Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。

消息中间件
Celery本身不提供消息服务，但是可以方便的和第三方提供的消息中间件集成，包括， RabbitMQ, Redis, MongoDB等...
任务执行单元
Worker是Celery提供的任务执行的单元，worker并发的运行在分布式的系统节点中
任务结果存储
Task result store用来存储Worker执行的任务的结果，Celery支持以不同方式存储任务的结果，包括Redis，MongoDB，Django ORM，AMQP等，这里我先不去看它是如何存储的，就先选用Redis来存储任务执行结果。