Celery(https://www.celerycn.io/v/4.4.0/ru-men/celery-jin-jie-shi-yong):

   一：特点：

        高可用：如果出现丢失连接或连接失败，职程（Worker）和客户端会自动重试，并且中间人通过 主/主 主/从 的方式来进行提高可用性

        快速： 单个 Celery 进行每分钟可以处理数以百万的任务，而且延迟仅为亚毫秒（使用 RabbitMQ、 librabbitmq 在优化过后）

        灵活：Celery 的每个部分几乎都可以自定义扩展和单独使用，例如自定义连接池、序列化方式、压缩方式、日志记录方式、任务调度、生产者、消费者、中间人（Broker）等

    功能：

        监控：可以针对整个流程进行监控，内置的工具或可以实时说明当前集群的概况

        调度：可以通过调度功能在一段时间内指定任务的执行时间 datetime，也可以根据简单每隔一段时间进行执行重复的任务，支持分钟、小时、星期几，也支持某一天或某一年的Crontab表达式

        工作流：可以通过“canvas“进行组成工作流，其中包含分组、链接、分块等等。简单和复杂的工作流程可以使用一组“canvas“组成，其中包含分组、链接、分块等

        资源（内存）泄漏保护： --max-tasks-per-child 参数适用于可能会出现资源泄漏（例如：内存泄漏）的任务

        时间和速率的限制：您可以控制每秒/分钟/小时执行任务的次数，或者任务执行的最长时间，也将这些设置为默认值，针对特定的任务或程序进行定制化配置

        自定义组件：开发者可以定制化每一个职程（Worker）以及额外的组件。职程（Worker）是用 “bootsteps” 构建的-一个依赖关系图，可以对职程（Worker）的内部进行细粒度控制

    二： 用法

    2.1创建一个文件夹proj, 在proj目录下创建3个py文件__init__.py， celery.py， tasks.py

    在celery.py代码：

        from __future__ import absolute_import, unicode_literals

        from celery import Celery

        # app = Celery('proj', broker='amqp://', backend='amqp://', include=['proj.tasks'])

        app = Celery('proj', backend='redis://localhost', broker='redis://localhost:6379', include=['proj.tasks'])

        # Optional configuration, see the application user guide.

        app.conf.update(

            result_expires=3600,

        )

        if __name__ == '__main__':

            app.start()

    采用的是redis作为中间件（broker）sudo apt-get install redis-server    sudo service redis-server restart

    task.py:

        from __future__ import absolute_import, unicode_literals

        from .celery import app

        @app.task

        def add(x, y):

            return x + y

        @app.task

        def mul(x, y):

            return x * y

        @app.task

        def xsum(numbers):

            return sum(numbers)

    运行：celery -A tasks proj --loglevel=info 

    在proj目录外面新建一个脚本proj_test.py：

 from proj.tasks import *

from celery import group

from celery import chain, chord

# delay() 实际上为 apply_async() 的快捷使用, apply_async() 可以指定调用时执行的参数，例如运行的时间，使用的任务队列等

# res 参数：res.state, res.successful(), res.failed()

res = add.delay(2, 2)  # add.apply_async((2, 2), queue='lopri', countdown=10)

# 任务执行引发异常，可以进行检查异常以及溯源，默认情况下 result.get() 会抛出异常,

# 如果不希望 Celery 抛出异常，可以通过设置 propagate 来进行禁用

result_add = res.get(timeout=1)  # 或者res.get(propagate=False)

# r_add2 = res.get(propagate=False)

print(res.failed())

print(result_add)

# print(add(2, 2))

print(res.id)  # 每一个任务都有一个id， 获取任务的ID

# 一个任务只能有当前只能有一个状态，但他的执行过程可以为多个状态，一个典型的阶段是：

# PENDING -> STARTED -> SUCCESS

# 重试任务比较复杂，为了证明，一个任务会重试两次，任务的阶段为：

# PENDING -> STARTED -> RETRY -> STARTED -> RETRY -> STARTED -> SUCCESS

from proj.celery import app

res2 = app.AsyncResult('this-id-does-not-exist')

print(res2.state)

2.2：# Canvas：设计工作流程

s1 = add.signature((2, 2), countdown=1)  # add.s(2, 2)

res3 = s1.delay()

print(res3.get())

s2 = add.s(2)

res4 = s2.delay(8)

print(res4.get())

# 组：Groups

# 一个 group 并行调用任务列表，返回一个特殊的结果实例，可以将结果作为一个列表进行查看，并且通过索引进去获取返回值。

g1 = group(add.s(i, i) for i in range(10))().get()

g2 = group(add.s(i) for i in range(10))

res5 = g2(10).get()

print(res5)

2.3# 链：Chains可以将任务链接在一起，在一个人返回后进行调用另外一个任务

c1 = chain(add.s(4, 4) | mul.s(8))().get()

print(c1)

2.4：# 和弦：Chords 和弦是一个带有回调的组:

c2 = chord((add.s(i, i) for i in range(10)), xsum.s())().get()

print(c2)

c3 = (group(add.s(i, i) for i in range(10)) | xsum.s())().get()

# c3 = (group(add.s(i, i) for i in range(10)) | xsum.s())().get()

print(c3)

三：在django中使用celery

环境： python3.7 ,django3.0.6

安装： pip install django-celery

在settings.py中配置：

import djcelery

djcelery.setup_loader()

CELERY_TIMEZONE = 'Asia/Shanghai'

CELERY_IMPORTS = ('app.tasks', )

BROKER_URL = 'redis://127.0.0.1:6379/8'

CELERYBEAT_SCHEDULER = 'djcelery.schedulers.DatabaseScheduler'

INSTALLED_APPS = [

    ...

    'djcelery',

]

当djcelery.setup_loader()运行时，Celery便会去查看INSTALLD_APPS下包含的所有app目录中的tasks.py文件，找到标记为task的方法，将它们注册为celery task。

BROKER_URL ='redis://127.0.0.1:6379/6'

broker是代理人，它负责分发任务给worker去执行。我使用的是Redis作为broker,当然你也可以用其它的broker，比如官方就比较推荐使用RabbitMQ.

有的博客中提到要配置关键字：CELERY_RESULT_BACKEND，例如：

CELERY_RESULT_BACKEND='amqp://guest@localhost//'#可以不用写

我没有配置这个关键字。因为如果没有配置，此时Django会使用默认的数据库(也是你指定的orm数据库)，作为它的结果作为它的backend。因此你也可以不用写，使用Django默认设置的数据库就很好。

CELERY_IMPORTS = ('app.tasks', )

CELERY_TIMEZONE = TIME_ZONE

CELERYBEAT_SCHEDULER ='djcelery.schedulers.DatabaseScheduler'

上面第一句是导入目标任务文件，第二句是设置时区，第三句表示使用了django-celery默认的数据库调度模型,任务执行周期都被存在默认指定的orm数据库中．

更深入的Celery配置：(http://www.cnblogs.com/ajianbeyourself/p/4950758.html)

from celery.schedules import crontab

CELERYBEAT_SCHEDULE = {

#定时任务一：　每24小时周期执行任务(del_redis_data)

u'删除过期的redis数据': {

    "task":"app.tasks.del_redis_data","schedule": crontab(hour='*/24'),"args": (), },

上面是设置定时的时间配置，关于crontab的具体用法，celery的官方文档讲解的十分详尽(表格)：

http://docs.celeryproject.org/en/latest/userguide/periodic-tasks.html

我选的三个任务，是我特意挑选的，非常有代表性。第一个是周期任务，它会每隔一个固定时间周期去执行一次相应的task，比如隔1分钟，隔1小时等; 第二个和第三个都是定时任务，定时在每个时间点，比如每天的6点，或者定时在每个月的1号。

周期任务和定时任务有小小的差别，这也是crontab的强大之处，它同时支持这两种。

同步数据库：

    python manage.py makemigrations

    python manage.py migrate

在app路径下创建task.py脚本， 内容如下：

from __future__ import absolute_import

from celery import task

from celery import shared_task

from data_draw.script.database_operation import *

from django.conf import settings

import os

@task()

def select_evaluation(data_name_dict):

    oss_data_name_list = select_dir(settings.EVALUATION_DIR, 0)

    # print(f"oss_data_name_list:{oss_data_name_list}")

    print("*"*200)

    print("异步执行 select_evaluation 方法")

    for data_name in oss_data_name_list:

        oss_data_path = os.path.join(settings.EVALUATION_DIR, data_name)

        eval_oss_data_path = os.path.join(settings.EVALUATION_DIR, data_name, 'evaluation/')

        item = {}

        mp4_name = select_video(oss_data_path)

        if mp4_name:

            mp4 = True

            video_name = mp4_name[0]

        else:

            mp4 = False

            video_name = ''

        file_name_list = select_dir(eval_oss_data_path, 1)

        for key, value in settings.MEED_EVALUATION_FILE.items():

            if value in file_name_list:

                item[key] = True

            else:

                item[key] = False

        try:

            value = data_name_dict[data_name]

            update_data_result(data_name, mp4, video_name, item)

        except:

            add_data_result(data_name, mp4, video_name, item)

在view.py脚本引用：

from data_draw.task import select_evaluation

select_evaluation.delay(data_name_dict)

运行：

python manage.py runserver 0.0.0.0:8001#启动django的应用，可以动态的使用django-admin来管理任务

python manage.py celery beat #应该是用来监控任务变化的

python manage.py celery worker -c 6 -l debug #任务执行进程，worker进程

运行时报的第一个错误， async导入错误：

from . import async, base

                      ^

SyntaxError: invalid syntax

这是因为在 python 3.7 中将 async 作为了关键字，所以当 py 文件中出现类似 from . import async, base 这类不符合python语法的语句时，Python会报错

解决：

在 celery 官方的提议下，建议将 async.py 文件的文件名改成 asynchronous。

所以我们只需要将 celery\backends\async.py 改成 celery\backends\asynchronous.py，并且把 celery下代码中的所有 async 改成 asynchronous 就可以了

运行时报的第二个错误：

File "/home/python/.virtualenvs/django_class/lib/python3.5/site-packages/redis/_compat.py", line 123, in iteritems

    return iter(x.items())

AttributeError: 'str' object has no attribute 'items'

这是因为以前版本的redis太高（3.0.1），所以重新加载了redis

解决：

    pip install redis==2.10.6

参考文档：

https://www.celerycn.io/v/4.4.0/ru-men/celery-chu-ci-shi-yong

https://www.jianshu.com/p/e97ca5315c90