1 celery介绍架构和安装
# celery :分布式的异步任务框架，主要用来做：
- 异步任务
- 延迟任务
- 定时任务---》如果只想做定时任务，可以不使用celery，有别的选择,APscheduler
# celery 框架，原理
1）可以不依赖任何服务器，通过自身命令，启动服务(内部支持socket)
2）celery服务为其他项目服务提供异步解决任务需求的
注：会有两个服务同时运行，一个是项目服务，一个是celery服务，项目服务将需要异步处理的任务交给celery服务，celery就会在需要时异步完成项目的需求
人是一个独立运行的服务 | 医院也是一个独立运行的服务
-正常情况下，人可以完成所有健康情况的动作，不需要医院的参与；但当人生病时，就会被医院接收，解决人生病问题
-人生病的处理方案交给医院来解决，所有人不生病时，医院独立运行，人生病时，医院就来解决人生病的需求
# celery架构
消息中间件（broker）：消息队列：可以使用redis，rabbitMQ，咱们使用redis
任务执行单元（worker）：真正的执行提交的任务
任务执行结果存储（banckend）：可以使用mysql，redis，咱们使用redis
# 安装celery
-pip install Celery
-释放出可执行文件：celery，由于 python解释器的script文件夹在环境变量，任意路径下执行celery都能找到
# celery不支持win，所以想再win上运行，需要额外安装eventlet
windows系统需要eventlet支持：pip install eventlet
celery -A demo worker -l info -P eventlet
Linux与MacOS直接执行：
3.x，4.x版本：celery worker -A demo -l info
5.x版本： celery -A demo worker -l info
2 celery执行异步任务
# 基本使用
1 在虚拟环境中装celery和eventlet，macos不需要安装eventlet
2 写个py文件，实例化得到app对象，注册任务
from celery import Celery
import time
broker = 'redis://127.0.0.1:6379/1' # 消息中间件 redis，如果有密码写在redis:后面
backend = 'redis://127.0.0.1:6379/2' # 结果存储 redis
app = Celery(__name__, broker=broker, backend=backend) # __name__可以是其他任意字符串
@app.task # 变成celery的任务了
def add(a, b):
print('运算结果是',a + b)
time.sleep(1)
return a + b
3 启动worker（worker监听消息队列，等待别人提交任务，如果没有就卡再这）
celery -A demo worker -l info -P eventlet
4 别人提交任务，提交完成会返回一个id号，后期使用id号查询，至于这个任务有没有被执行，取决于worker有没有启动
from demo import add
res=add.delay(77,66)
5 提交任务的人，再查看结果
from demo import app
# celery的包下
from celery.result import AsyncResult
id = '042a8fc1-6b0f-4ad6-bf72-edefa657a52f'
if __name__ == '__main__':
a = AsyncResult(id=id, app=app)
if a.successful(): # 正常执行完成
result = a.get() # 任务返回的结果
print(result)
elif a.failed():
print('任务失败')
elif a.status == 'PENDING':
print('任务等待中被执行')
elif a.status == 'RETRY':
print('任务异常后正在重试')
elif a.status == 'STARTED':
print('任务已经开始被执行')
3 包结构celery
# 使用步骤：
1 新建包：celery_task
2 再包下新建 celery.py 必须叫它，里面实例化得到app对象
from celery import Celery
broker = 'redis://127.0.0.1:6379/1' # 消息中间件 redis
backend = 'redis://127.0.0.1:6379/2' # 结果存储 redis
app = Celery(__name__, broker=broker, backend=backend, include=['celery_task.course_task','celery_task.home_task','celery_task.user_task'])
3 新建任务py文件：user_task.py course_task.py home_task.py
-以后跟谁相关的任务，就写在谁里面
from .celery import app
import time
@app.task
def send_sms(mobile, code):
time.sleep(2)
print('%s手机号，发送短信成功，验证码是：%s' % (mobile, code))
return True
4 启动worker，以包启动，来到包所在路径下
celery -A 包名 worker -l info （-P eventlet）
celery -A celery_task worker -l info （-P eventlet）
5 其它程序，导入任务，提交任务即可
from celery_task.user_task import send_sms
res = send_sms.delay(1999999333, 8888)
print(res) # f33ba3c5-9b78-467a-94d6-17b9074e8533
6 其它程序，查询结果
from celery_task.celery import app
# celery的包下
from celery.result import AsyncResult
id = '51a669a3-c96c-4f8c-a5fc-e1b8e2189ed0'
if __name__ == '__main__':
a = AsyncResult(id=id, app=app)
if a.successful(): # 正常执行完成
result = a.get() # 任务返回的结果
print(result)
elif a.failed():
print('任务失败')
elif a.status == 'PENDING':
print('任务等待中被执行')
elif a.status == 'RETRY':
print('任务异常后正在重试')
elif a.status == 'STARTED':
print('任务已经开始被执行')
4 celery执行延迟任务和定时任务
# celery 可以做
-异步任务
-延迟任务---》延迟多长时间干任务
-定时任务：每天12点钟，每隔几秒。。。
-如果只做定时任务，不需要使用celery这么重，APscheduler（自己去研究）
# APscheduler
1. pip install apscheduler
2.导入类，类实例化对象
from apscheduler.schedulers.blocking import BlockingScheduler
sche = BlockingScheduler()
def myfunc(i):
print(i)
sche.add_job(myfunc,'interval',seconds=5,args=('66666',))
sche.start()
# 异步任务
-导入异步任务的函数
-函数.delay(参数)
# 延迟任务
-导入异步任务的函数
-时间对象 eta = datetime.utcnow() + timedelta(seconds=10)
-函数.apply_async(kwargs={'mobile':'1896334234','code':8888},eta=时间对象)或者
函数.apply_async(args=['1896334234',8888],eta=时间对象)
# 定时任务：在app所在的文件下配置
- 1 配置
# 时区
app.conf.timezone = 'Asia/Shanghai'
app.conf.enable_utc = False
# 任务定时
app.conf.beat_schedule = {
'send_sms': {
'task': 'celery_task.user_task.send_sms',
'schedule': timedelta(seconds=5),
'args': ('1822344343', 8888),
},
'add_course': {
'task': 'celery_task.course_task.add_course',
# 'schedule': crontab(hour=8, day_of_week=1), # 每周一早八点
'schedule': crontab(hour=11, minute=38), # 每天11点35，执行 crontab用于执行周期性命令
'args': (),
}
}
-2 启动beat，启动worker,开2个终端
celery -A celery_task beat -l info
-3 到了时间，beat进程负责提交任务到消息队列---》worker执行
5 django中使用celery
# 使用步骤
1 把之前写好的包，copy到项目根路径下
2 在xx_task.py 中写任务
from celery_module.celery import app
@app.task
def add_banner():
from home.models import Banner
Banner.objects.create(title='测试', image='/1.png', link='/banner', info='xxx',orders=99)
return 'banner增加成功'
3 在celery.py 中加载django配置
# 一、加载django配置环境
import os
os.environ.setdefault("DJANGO_SETTINGS_MODULE", "luffy_api.settings.dev")
4 视图函数中，导入任务，提交即可
class CeleryView(APIView):
def get(self, request):
res = add_banner.delay()
return APIResponse(msg='新增banner的任务已经提交了')
5 启动worker，等待运行即可
5.1 解释
# celery中要使用djagno的东西，才要加这句话
import os
os.environ.setdefault("DJANGO_SETTINGS_MODULE", "luffy_api.settings.dev")
6 接口缓存
# 所有接口都可以改造，尤其是查询所有的这种接口，如果加入缓存，会极大的提高查询速度
# 首页轮播图接口：获取轮播图数据，加缓存---》咱们只是以它为例
class BannerView(GenericViewSet, ListModelMixin):
queryset = Banner.objects.all().filter(is_delete=False, is_show=True).order_by('orders')[:settings.BANNER_COUNT]
serializer_class = BannerSerializer
def list(self, request, *args, **kwargs):
'''
1 先去缓存中查一下有没有数据
2 如果有，直接返回，不走父类的list了(list在走数据库)
3 如果没有，走父类list，查询数据库
4 把返回的数据，放到缓存中
'''
data = cache.get('home_banner_list')
if not data: # 缓存中没有
print('走了数据库')
res = super().list(request, *args, **kwargs) # 查询数据库
# 返回的数据，放到缓存中
data = res.data.get('data') # {code:100,msg:成功，data:[{},{}]}
cache.set('home_banner_list', data)
return APIResponse(data=data)
# 公司里可能会这么写
-写一个查询所有带缓存的基类
-写个装饰器，只要一配置，就自动带缓存
# 双写一致性问题：缓存数据和数据库数据不一致了
-写入数据库，删除缓存
-写入数据库，更新缓存
-定时更新缓存