06: django+celery+redis

目錄：

• 1.1 Celery介紹
• 1.2 celery 組件
• 1.3 安裝相關包 與 管理命令
• 1.4 celery與Django執行異步任務
• 1.5 在django中使用計划任務功能

1.1 Celery介紹     返回頂部

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

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

　　1、celery應用舉例

　　　　　　1、Celery 是一個 基於python開發的分布式異步消息任務隊列，通過它可以輕松的實現任務的異步處理，
　　　　　　 　　 如果你的業務場景中需要用到異步任務，就可以考慮使用celery

　　　　　　2、你想對100台機器執行一條批量命令，可能會花很長時間 ，但你不想讓你的程序等着結果返回，而是給你返回 一個任務ID,
　　　　　　　　你過一段時間只需要拿着這個任務id就可以拿到任務執行結果， 在任務執行ing進行時，你可以繼續做其它的事情

　　　　　　3、Celery 在執行任務時需要通過一個消息中間件來接收和發送任務消息，以及存儲任務結果， 一般使用rabbitMQ or Redis

　　2、Celery有以下優點

　　　　　　1、簡單：一單熟悉了celery的工作流程后，配置和使用還是比較簡單的

　　　　　　2、高可用：當任務執行失敗或執行過程中發生連接中斷，celery 會自動嘗試重新執行任務

　　　　　　3、快速：一個單進程的celery每分鍾可處理上百萬個任務

　　　　　　4、靈活： 幾乎celery的各個組件都可以被擴展及自定制

　　3、Celery基本工作流程圖

　　　　　　

　　　　user：用戶程序，用於告知celery去執行一個任務。
　　　　broker: 存放任務（依賴RabbitMQ或Redis，進行存儲）
　　　　worker：執行任務

　　4、Celery 特性 

　　　　　　1）方便查看定時任務的執行情況, 如 是否成功, 當前狀態, 執行任務花費的時間等.

　　　　　　2）可選 多進程, Eventlet 和 Gevent 三種模型並發執行.

　　　　　　3）Celery 是語言無關的.它提供了python 等常見語言的接口支持.

1.2 celery 組件     返回頂部

　　1、Celery 扮演生產者和消費者的角色

　　　　　　Celery Beat : 任務調度器. Beat 進程會讀取配置文件的內容, 周期性的將配置中到期需要執行的任務發送給任務隊列.

　　　　　　Celery Worker : 執行任務的消費者, 通常會在多台服務器運行多個消費者, 提高運行效率.

　　　　　　Broker : 消息代理, 隊列本身. 也稱為消息中間件. 接受任務生產者發送過來的任務消息, 存進隊列再按序分發給任務消費方(通常是消息隊列或者數據庫).

　　　　　　Producer : 任務生產者. 調用 Celery API , 函數或者裝飾器, 而產生任務並交給任務隊列處理的都是任務生產者.

　　　　　　Result Backend : 任務處理完成之后保存狀態信息和結果, 以供查詢.

　　2、celery架構圖

　　　　　　

　　3. 產生任務的方式 

　　　　　　1) 發布者發布任務(WEB 應用)

　　　　　　2) 任務調度按期發布任務(定時任務)

　　4. celery 依賴三個庫: 這三個庫, 都由 Celery 的開發者開發和維護.

　　　　　　billiard : 基於 Python2.7 的 multisuprocessing 而改進的庫, 主要用來提高性能和穩定性.

　　　　　　librabbitmp : C 語言實現的 Python 客戶端

　　　　　　kombu : Celery 自帶的用來收發消息的庫, 提供了符合 Python 語言習慣的, 使用 AMQP 協議的高級借口.

1.3 安裝相關包 與 管理命令     返回頂部

　　1、安裝相關軟件包

pip3 install Django==2.0.4
pip3 install celery==4.3.0
pip3 install redis==3.2.1
pip3 install  django-celery==3.1.17
pip3 install ipython==7.6.1 

find ./ -type f | xargs sed -i 's/\r$//g'  # 批量將當前文件夾下所有文件裝換成unix格式

　　2、celery管理

celery multi start w1 w2 -A celery_pro -l info     #一次性啟動w1,w2兩個worker
celery -A celery_pro status                        #查看當前有哪些worker在運行
celery multi stop w1 w2 -A celery_pro              #停止w1,w2兩個worker

celery  multi start celery_test -A celery_test -l debug --autoscale=50,5        # celery並發數：最多50個，最少5個
ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9       # 關閉所有celery進程

　　3、django_celery_beat管理

celery -A celery_test beat -l info -S django                   #啟動心跳任務
ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk '{print $2}' | xargs kill -TERM &> /dev/null  # 殺死心跳所有進程

1.3 安裝相關包 與 管理命令     返回頂部

　　1、在Django中使用celery介紹（celery無法再windows下運行）

　　　　1）在Django中使用celery時，celery文件必須以tasks.py

　　　　2）Django會自動到每個APP中找tasks.py文件

　　2、創建一個Django項目celery_test，和app01

　　3、在與項目同名的目錄下創建celery.py

# -*- coding: utf-8 -*-
from __future__ import absolute_import
import os
from celery import Celery

# 只要是想在自己的腳本中訪問Django的數據庫等文件就必須配置Django的環境變量
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'celery_test.settings')

# app名字
app = Celery('celery_test')

# 配置celery
class Config:
    BROKER_URL = 'redis://192.168.56.11:6379'
    CELERY_RESULT_BACKEND = 'redis://192.168.56.11:6379'

app.config_from_object(Config)
# 到各個APP里自動發現tasks.py文件
app.autodiscover_tasks()

　　4、在與項目同名的目錄下的 init.py 文件中添加下面內容

# -*- coding:utf8 -*-
from __future__ import absolute_import, unicode_literals

# 告訴Django在啟動時別忘了檢測我的celery文件
from .celery import app as celery_ap
__all__ = ['celery_app']

　　5、創建app01/tasks.py文件

# -*- coding:utf8 -*-
from __future__ import absolute_import, unicode_literals
from celery import shared_task
import time

# 這里不再使用@app.task,而是用@shared_task，是指定可以在其他APP中也可以調用這個任務
@shared_task
def add(x,y):
    print('########## running add #####################')
    return x + y

@shared_task
def minus(x,y):
    time.sleep(30)
    print('########## running minus #####################')
    return x - y

　　6、將celery_test這個Django項目拷貝到centos7.3的django_test文件夾中

　　7、保證啟動了redis-server

　　8、啟動一個celery的worker

celery multi start w1 w2 -A celery_pro -l info     #一次性啟動w1,w2兩個worker
celery -A celery_pro status                        #查看當前有哪些worker在運行
celery multi stop w1 w2 -A celery_pro              #停止w1,w2兩個worker

celery  multi start celery_test -A celery_test -l debug --autoscale=50,5        # celery並發數：最多50個，最少5個
ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9       # 關閉所有celery進程

　　9、測試celery

./manage.py shell
import tasks
t1 = tasks.minus.delay(5,3)
t2 = tasks.add.delay(3,4)
t1.get()
t2.get()

1.5 在django中使用計划任務功能     返回頂部

　　1、在Django中使用celery的定時任務需要安裝django-celery-beat

　　　　　　pip3 install django-celery-beat

　　2、在Django的settings中注冊django_celery_beat

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

　　3、執行創建表命令

　　　　　　python3 manage.py makemigrations

　　　　　　python3 manage.py migrate

　　4、在與項目同名的目錄下的celery.py中添加定時任務

# -*- coding: utf-8 -*-
from __future__ import absolute_import
import os
from celery import Celery
from celery.schedules import crontab
from datetime import timedelta
from kombu import Queue

# 只要是想在自己的腳本中訪問Django的數據庫等文件就必須配置Django的環境變量
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'celery_test.settings')

# app名字
app = Celery('celery_test')

# 配置celery
class Config:
    BROKER_URL = 'redis://192.168.56.11:6379'  # broker
    CELERY_RESULT_BACKEND = 'redis://192.168.56.11:6379'  # backend
    CELERY_ACCEPT_CONTENT = ['application/json']  # 指定任務接受的內容類型(序列化)
    CELERY_TASK_SERIALIZER = 'json'  # 任務的序列化方式
    CELERY_RESULT_SERIALIZER = 'json'  # 任務執行結果的序列化方式
    CELERY_TIMEZONE = 'Asia/Shanghai'  # 時區設置，計划任務需要，推薦 Asia/Shanghai
    ENABLE_UTC = False  # 不使用UTC時區
    CELERY_TASK_RESULT_EXPIRES = 60 * 60  # celery任務執行結果的超時時間
    CELERY_ANNOTATIONS = {'*': {'rate_limit': '500/s'}}
    # CELERYD_PREFETCH_MULTIPLIER = 10  # 每次取任務的數量
    CELERYD_MAX_TASKS_PER_CHILD = 16  # 每個worker執行了多少任務就會死掉，防止內存泄漏

app.config_from_object(Config)
app.autodiscover_tasks()

#crontab config
app.conf.update(
    CELERYBEAT_SCHEDULE = {
        # 每隔3s執行一次add函數
        'every-3-min-add': {
            'task': 'app01.tasks.add',
            'schedule': timedelta(seconds=10)
        },
        # 每天下午15:420執行
        'add-every-day-morning@14:50': {
            'task': 'app01.tasks.minus',
            'schedule': crontab(hour=19, minute=50, day_of_week='*/1'),
        },
    },
)

# kombu : Celery 自帶的用來收發消息的庫, 提供了符合 Python 語言習慣的, 使用 AMQP 協議的高級接口
Queue('transient', routing_key='transient',delivery_mode=1)

　　5、app01/tasks.py　　

# -*- coding:utf8 -*-
from __future__ import absolute_import, unicode_literals
from celery import shared_task
import time

# 這里不再使用@app.task,而是用@shared_task，是指定可以在其他APP中也可以調用這個任務
@shared_task
def add():
    print('########## running add #####################')
    return 'add'

@shared_task
def minus():
    time.sleep(30)
    print('########## running minus #####################')
    return 'minus'

　　6、管理命令

'''1、celery管理 '''
celery  multi start celery_test -A celery_test -l debug --autoscale=50,5        # celery並發數：最多50個，最少5個
ps auxww|grep "celery worker"|grep -v grep|awk '{print $2}'|xargs kill -9       # 關閉所有celery進程

'''2、django-celery-beat心跳服務管理 '''
celery -A celery_test beat -l info -S django                   #啟動心跳任務
ps -ef | grep -E "celery -A celery_test beat" | grep -v grep| awk '{print $2}' | xargs kill -TERM &> /dev/null  # 殺死心跳所有進程

1.6 使用 Celery Once 來防止 Celery 重復執行同一個任務

　　1、產生重復執行原因　

　　　　　　1. 當我們設置一個ETA（預估執行時間）比visibility_timeout（超時時間）長的任務時，會出現重復執行問題

　　　　　　2. 因為每過一次 visibility_timeout 時間，celery就會認為這個任務沒被worker執行成功，重新分配給其它worker再執行

　　2、Celery Once解決方法

　　　　　　1. Celery Once 也是利用 Redis 加鎖來實現，他的使用非常簡單，參照 GitHub 的使用很快就能夠用上。

　　　　　　2. Celery Once 在 Task 類基礎上實現了 QueueOnce 類，該類提供了任務去重的功能

　　　　　　3. 所以在使用時，我們自己實現的方法需要將 QueueOnce 設置為 base

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

　　　　　　4. 后面的 once 參數表示，在遇到重復方法時的處理方式，默認 graceful 為 False，那樣 Celery 會拋出 AlreadyQueued 異常，手動設置為 True，則靜默處理。

　　　　　　5. 可以手動設置任務的 key，可以指定 keys 參數。

　　3、celery once使用

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

#! /usr/bin/env python
# -*- coding: utf-8 -*-
'''第一步: 安裝'''
pip install -U celery_once

'''第二步: 增加配置'''
from celery import Celery
from celery_once import QueueOnce
from time import sleep

celery = Celery('tasks', broker='amqp://guest@localhost//')
celery.conf.ONCE = {
  'backend': 'celery_once.backends.Redis',
  'settings': {
    'url': 'redis://localhost:6379/0',
    'default_timeout': 60 * 60
  }
}

'''第三步: 修改 delay 方法'''
example.delay(10)
# 修改為
result = example.apply_async(args=(10))

'''第四步: 修改 task 參數'''
@celery.task(base=QueueOnce, once={'graceful': True, keys': ['a']})
def slow_add(a, b):
    sleep(30)
    return a + b

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

1.7 redis會丟失消息 RabbitMQ不會丟失消息的原因 

　　1、redis丟失消息的原因

　　　　　　1. 用 Redis 作 broker 的話，任務會存在內存里面，如果 celery 進程要結束了，就會在臨死之前把隊列存進 Redis，下次啟動時再從 Redis 讀取。

　　　　　　2. 但是如果可見性超時時間過長在斷電或者強制終止職程（Worker）的情況會“丟失“重新分配的任務。

　　　　　　3. 比如當 celery 被 kill -9 了，任務將無法存進 Redis，內存中的任務會丟失，或者任務太多導致celery出現異常。

　　2、RabbitMQ如何保證可靠消費

　　　　　　Redis： 沒有相應的機制保證消息的消費，當消費者消費失敗的時候，消息體丟失，需要手動處理

　　　　　　RabbitMQ： 具有消息消費確認，即使消費者消費失敗，也會自動使消息體返回原隊列，同時可全程持久化，保證消息體被正確消費