celery是乙個基於分布式訊息傳輸的非同步任務佇列，它專注於實時處理，同時也支援任務排程。它的執行單元為任務（task），利用多執行緒，如eventlet，gevent等，它們能被併發地執行在單個或多個職程伺服器（worker servers）上。任務能非同步執行（後台執行）或同步執行（等待任務完成）。
在生產系統中，celery能夠一天處理上百萬的任務。它的完整架構圖如下：
元件介紹：
在客戶端和消費者之間傳輸資料需要序列化和反序列化。 celery 支出的序列化方案如下所示:
在本文中，我們使用的celery的訊息**和後端儲存資料庫都使用redis，序列化和反序列化選擇msgpack。
首先，我們需要安裝redis資料庫，具體的安裝方法可參考： 。啟動redis，我們會看到如下介面：
在redis視覺化軟體rdm中，我們看到的資料庫如下：
裡面沒有任何資料。
接著，為了能夠在python中使用celery，我們需要安裝以下模組：
這樣，我們的準備工作就完畢了。
我們建立的工程名稱為proj，結構如下圖：
分析一下這個程式：
"from celery import celery"是匯入celery中的celery類。
接著是任務函式檔案tasks.py，**如下：
import time接著是配置檔案celeryconfig.py，**如下：def add(x, y):
time.sleep(1)
return x + y
broker_url = 'redis://localhost' # 使用redis作為訊息**
celery_result_backend = 'redis://localhost:6379/0' # 把任務結果存在了redis
celery_task_serializer = 'msgpack' # 任務序列化和反序列化使用msgpack方案
celery_result_serializer = 'json' # 讀取任務結果一般效能要求不高，所以使用了可讀性更好的json
celery_task_result_expires = 60 * 60 * 24 # 任務過期時間
celery_accept_content = ['json', 'msgpack'] # 指定接受的內容型別
from proj.tasks import add
import time
t1 = time.time()
r1 = add.delay(1, 2)
r2 = add.delay(2, 4)
r3 = add.delay(3, 6)
r4 = add.delay(4, 8)
r5 = add.delay(5, 10)
r_list = [r1, r2, r3, r4, r5]
for r in r_list:
while not r.ready():
pass
print(r.result)
t2 = time.time()
print('共耗時：%s' % str(t2-t1))
到此為止，我們已經理解了整個專案的結構與**。
接下來，我們嘗試著把這個專案執行起來。
首先，我們需要啟動redis。接著，切換至proj專案所在目錄，並執行命令：
介面如下：
然後，我們執行diaoyong.py，輸出的結果如下：
369
1215
共耗時：1.1370790004730225
接著，我們看一下rdm中的資料：
celery 初步：
使用celery：
非同步神器celery：
python之celery簡單使用
參考 celery是乙個簡單 靈活和可靠的分布式任務處理系統。專注實時任務佇列，也支援任務排程。一 celery主要包括四個部分 1 任務排程者，2 中介軟體，傳遞任務 broker 常用的有redis rabbitmq 3 任務執行者 work 4 結果儲存 backend 儲存執行完成的結果，告...
使用celery之怎麼讓celery跑起來
celery 官網幫助文件 前言自從發了上次的文章使用celery之深入celery配置,有一些再問我怎麼讓celery跑起來.其實說來也是,celery在新手眼裡真的是比較重量級,不好懂,今天先讓他跑起來吧 本文大部分 和使用方法都可以在celery官網看到 我想要的效果 我想實現乙個定時任務,每...
celery學習之入門
celery 是乙個簡單 靈活且可靠的，處理大量訊息的分布式系統，並且提供維護這樣乙個系統的必需工具。它是乙個專注於實時處理的任務佇列，同時也支援任務排程。celery 是語言無關的，雖然它是用 python 實現的，但他提供了其他常見語言的介面支援。celery 結構 網上找到一張用得最多的圖 下...