Celery is a project with minimal funding, so we don’t support Microsoft Windows. Please don’t open any issues related to that platform.

Celery是一个资金很少的项目，所以我们不支持微软的Windows。请不要打开任何与该平台相关的问题。

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

# 1. 消息中间件（message broker）
    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等等
    
# 2. 任务执行单元（worker）和 
    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。

# 3. 任务执行结果存储（task result store）组成。
    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AMQP, redis等

pip install celery==4.4.6    # 匹配django2.2

1）终端切换到该模块所在文件夹位置：scripts
2）执行启动worker的命令：celery worker -A 模块名 -l info -P eventlet
    注意: 
    1. windows系统需要eventlet支持: pip insall eventlet
    2. Linux与MacOS直接执行：celery worker -A 模块名 -l info

1）必须在这个包下建一个celery.py的文件，将Celery(...)产生对象的语句放在该文件中
2）执行启动worker的命令：celery worker -A 包名 -l info -P eventlet
    注意: 
    1. windows系统需要eventlet支持: pip insall eventlet
    2. Linux与MacOS直接执行：celery worker -A 模块名 -l info

# 配置celery
CELERY_IMPORTS =['comm.tasks']

from celery import Celery

broker = 'redis://127.0.0.1:6379/1'  # broker任务队列
backend = 'redis://127.0.0.1:6379/2'  # 结构存储，执行完的结果存在这
# include=[被管理的任务文件路径, ]
app = Celery(__name__, broker=broker, backend=backend,, include=('t_celery', ))


# 放在模块下的启动celery命令
'''
windows中: 
    celery worker -A 模块名 -l info -P eventlet
linux中: 
    clery worker -A 模块名 -l info

-A: 表示被执行的模块路径. 如果是相对, 那么就需要cd到该模块下执行.
-l: 表示展示日志    
'''

# 添加任务（使用这个装饰器装饰，@app.task）
@app.task
def add(x, y):
    print(x, y)
    return x+y

celery worker -A celery_task -l info -P eventlet

from celery_task import add

# add(3,4)  # 直接执行，不会被添加到broker中
# 往broker中添加一个任务.
'''
只要是worker一直是在启动的状态, 一旦往broker中添加了任务. 
那么这个任务就会立刻被worker执行, 执行的结果存储到backend中
'''
res = add.delay(3, 4)  # 想broker中添加一个任务
print(res)  # 34c1a6f2-16f7-47f1-ba76-57051c52650c

from celery.result import AsyncResult

# from scripts.celery_task.celery import app
from scripts.t_celery.celery_task import app


task_id = '884d9540-ec97-4b07-aacf-7ea9a69ee375'
if __name__ == '__main__':
    async_obj = AsyncResult(id=task_id, app=app)
    if async_obj.successful():
        result = async_obj.get()
        print(result)
    elif async_obj.failed():
        print('任务失败')
    elif async_obj.status == 'PENDING':
        print('任务等待中被执行')
    elif async_obj.status == 'RETRY':
        print('任务异常后正在重试')
    elif async_obj.status == 'STARTED':
        print('任务已经开始被执行')

__init.py__

from celery import Celery

broker = 'redis://127.0.0.1:6379/1'  # broker任务队列
backend = 'redis://127.0.0.1:6379/2'  # 结构存储，执行完的结果存在这

app = Celery(__name__, broker=broker, backend=backend, include=['celery_task.task1', 'celery_task.task2'])

# 定时任务
from datetime import timedelta
from celery.schedules import crontab

app.conf.timezone = 'Asia/Shanghai'  # 默认是UTC. 这里切换到了上海的时区.
app.conf.enable_utc = False          # False表示禁用默认的UTC时间作为当前的定时时间, 而是以上面指定的上海的的时区作为定时开始时间
app.conf.beat_schedule = {
    'add-task': {
        'task': 'celery_task.task1.add',             # 配置定时任务执行task1任务的路径
        'schedule': timedelta(seconds=3),              # 每3秒种执行一次
        # 'schedule': crontab(hour=8, day_of_week=1),  # 每周一早八点
        'args': (300, 150),                            # 给task1进行传递的参数. 指定kwargs就可以传递关键字参数.
    },
    # 'task2': {
    #     'task': 'celery_task.task2.mutile',
    #     'schedule': timedelta(seconds=3),
    #     # 'schedule': crontab(hour=8, day_of_week=1),
    #     'args': (300, 150),
    # }
}

# 一定要启动beat
'''
celery beat -A celery_task -l info --pidfile=

如果报错，就添加--pidfile=

celery beat在运行时会生成一个pidfile文件用于记录当前的pid。且该文件不会因进程的结束而自动删除。当再次创建celery beat进程的时候，会因为已存在这个文件而启动失败。

解决方式有两种：

在启动前检测是否存在该文件，若存在删除后再启动

通过启动时指定空参数的方式规避：
'''

from .celery import app


@app.task
def task1(x, y):
    return x * y

from .celery import app


@app.task
def task2(x, y):
    return x + y

from celery_task.task1 import add
from celery_task.task2 import mutile

# 提交任务,异步任务
res = add.delay(8, 8)
print(res)

res1 = mutile.delay(8, 8)
print(res1)
# 执行命令： celery worker -A celery_task -l info -P eventlet

# 执行延迟任务
# from datetime import datetime, timedelta
#
# eta = datetime.utcnow() + timedelta(seconds=10)
# res = add.apply_async(args=(10, 9), eta=eta)    # 延迟10秒执行add任务
# print(res)  # res是id号

# 执行命令： celery worker -A celery_task -l info -P eventlet

from celery.result import AsyncResult

# from scripts.celery_task.celery import app
from celery_task.celery import app


task_id = '501451f8-b15e-42be-9ac8-71274fc841e2'
if __name__ == '__main__':
    async_obj = AsyncResult(id=task_id, app=app)
    if async_obj.successful():
        result = async_obj.get()
        print(result)
    elif async_obj.failed():
        print('任务失败')
    elif async_obj.status == 'PENDING':
        print('任务等待中被执行')
    elif async_obj.status == 'RETRY':
        print('任务异常后正在重试')
    elif async_obj.status == 'STARTED':
        print('任务已经开始被执行')

# from scripts.celery_task import task2
# from scripts.celery_task import task1
'''
celery_task作为包, 被命令执行时. 如果不将celery_task作为定级导入, 那么任务的执行将会是未被注册的. 任务将不会被运行的worker获取, 将会抛出异常.
[2020-07-26 19:40:56,983: ERROR/MainProcess] Received unregistered task of type 'scripts.celery_task.task2.task2'.


因此, 为了在项目中能够在任意位置都可以执行任务. 因此celery_task必定要放在项目的根目录下的. 那么无论在任何位置导入, 都是没有问题的. 如下:
    from celery_task.a.b.c.d import xxx
    
    如果不是在项目的根目录下, 你的导入也许是这样的.
    from scripts.celery_task import task
    那么worker将找不到你指定的任务的路径. 

本质: 就是由于采用了django的反射机制，使用celery.py所在的celery_task包必须放置项目的根目录下.
'''

# 1 celery定时更新首页轮播图接口（只要涉及到加入缓存的接口，一定涉及到更新---（双写一致性），执行异步任务，定时任务（apscheduler)和延时任务

# 2 课程群查接口
    -视图类：
        如果想改路由（自动生成路由：ViewSetMixin），
        如果想跟数据库和序列化类打交道：GenericAPIView
        增删改查（5个视图扩展类）
        
# 3 排序和过滤（一定要继承：GenericAPIView,ListModelMixin）