Celery的實踐指南

 

Celery的實踐指南

celery原理：

celery實際上是實現了一個典型的生產者-消費者模型的消息處理/任務調度統，消費者(worker)和生產者(client)都可以有任意個，他們通過消息系統（broker）來通信。

典型的場景為：

1. 客戶端啟動一個進程（生產者），當用戶的某些操作耗時較長或者比較頻繁時，考慮接入本消息系統，發送一個task任務給broker。
2. 后台啟動一個worker進程（消費者），當發現broker中保存有某個任務到了該執行的時間，他就會拿過來，根據task類型和參數執行。

 

實踐中的典型場景：

1. 簡單的定時任務：
   1. 替換crontab的celery寫法：
      1. 
         from celery import Celery
         from celery.schedules import crontab
         
         app = Celery("tasks", backend="redis://localhost", broker="redis://localhost")
         
         app.conf.update(CELERYBEAT_SCHEDULE = {
             "add": {
                 "task": "celery_demo.add",
                 "schedule": crontab(minute="*"),
                 "args": (16, 16)
             },
         })
         
         @app.task
         def add(x, y):
             return x + y
         
         
   2. 運行celery的worker，讓他作為consumer運行，自動從broker上獲得任務並執行。
      1. `celery -A celery_demo worker`
   3. 運行celery的client，讓其根據schedule，自動生產出task msg，並發布到broker上。
      1. `celery -A celery_demo beat`
   4. 安裝並運行flower，方便監控task的運行狀態
      1. `celery flower -A celery_demo`
      2. 或者設置登錄密碼 `
         celery flower -A celery_demo --basic_auth=user1:password1,user2:password2
         
2. 多同步任務-鏈式任務-
3. 失敗自動重試的task
   1. 失敗重試方法： 將task代碼函數參數增加self，同時綁定bind。
   2. demo代碼：
      1. @app.task(bind=True, default_retry_delay=300, max_retries=5)
         def my_task_A(self):
             try:
                 print("doing stuff here...")
             except SomeNetworkException as e:
                 print("maybe do some clenup here....")
                 self.retry(e)
         
   3. 自動重試后，是否將任務重新入queue后排隊，還是等待指定的時間？可以通過self.retry()參數來指定。
4. 派發到不同Queue隊列的task
   1. 一個task自動映射到多個queue中的方法, 通過配置task和queue的routing_key命名模式。
      1. 比如：把queue的exchange和routing_key配置成通用模式：
      2. 再定義task的routing_key的名稱：
   2. 可用的不同exchange策略：
      1. direct：直接根據定義routing_key
      2. topic：exchange會根據通配符來將一個消息推送到多個queue。
      3. fanout：將消息拆分，分別推送到不同queue，通常用於超大任務，耗時任務。
   3. 參考：http://celery.readthedocs.org/en/latest/userguide/routing.html#routers
5. 高級配置
   1. result是否保存
   2. 失敗郵件通知：
   3. 關閉rate limit:
6. auto_reload方法（*nix系統）：
   1. celery通過監控源代碼目錄的改動，自動地進行reload
   2. 使用方法：1.依賴inotify（Linux） 2. kqueue（OS X / BSD）
   3. 安裝依賴：
      $ pip install pyinotify
      
   4. (可選) 指定fsNotify的依賴：
      $ env CELERYD_FSNOTIFY=stat celery worker -l info --autoreload
      
   5. 啟動： celery -A appname worker --autoreload
7. auto-scale方法：
   1. 啟用auto-scale
   2. 臨時增加worker進程數量（增加consumer）：
      $ celery -A proj control add_consumer foo -d worker1.local
      
   3. 臨時減少worker進程數量（減少consumer）：
8. 將scheduled task的配置從app.conf變成DB的方法：
   1. 需要在啟動時指定custom schedule 類名，比如默認的是： celery.beat.PersistentScheduler 。
      1.  celery -A proj beat -S djcelery.schedulers.DatabaseScheduler
         
9. 啟動停止worker的方法：
   1. 啟動 as daemon : http://docs.celeryproject.org/en/latest/tutorials/daemonizing.html#daemonizing
      1. root用戶可以使用celeryd
      2. 非特權用戶：celery multi start worker1 -A appName  —autoreload  --pidfile="$HOME/run/celery/%n.pid"  --logfile="$HOME/log/celery/%n.log"
      3. 或者 celery worker —detach
   2. 停止
   3. ps auxww | grep 'celery worker' | awk '{print $2}' | xargs kill -9
      
10. 與Flask集成的方法
    1. 集成后flask將充當producer來創建並發送task給broker，在celery啟動的獨立worker進程將從broker中獲得task並執行，同時將結果返回。
    2. flask中異步地獲得task結果的方法：add.delay(x,y),有時需要對參數進行命名后傳遞 或者 add.apply_async(args=(x,y), countdown=30)
    3. flask獲得
11. 與flask集成后的啟動問題
    1. 由於celery的默認routing_key是根據生產者在代碼中的import級別來設定的，所以worker端在啟動時應該注意其啟動目錄應該在項目頂級目錄上，否者會出現KeyError。
12. 性能提升： eventlet 和 greenlet

 

 

 

官方參考： http://docs.celeryproject.org/en/latest/userguide/index.html