Python 并行分布式框架：Celery 超详细介绍

先来一张图，这是在网上最多的一张Celery的图了，确实描述的非常好

Celery的架构由三部分组成，消息中间件（message broker），任务执行单元（worker）和任务执行结果存储（task result store）组成。

消息中间件

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, MongoDB (experimental), Amazon SQS (experimental),CouchDB (experimental), SQLAlchemy (experimental),Django ORM (experimental), IronMQ

任务执行单元

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。

任务结果存储

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，memcached, MongoDB，SQLAlchemy, Django ORM，Apache Cassandra, IronCache

OK 废话就说到这，来点使用的。

首先你也看到了，你要有一个消息中间件，此处我们选择rabbitmq，为什么不用redis或者sqs呢，首先这两个我都用过了，想接触以下rabbitmq，所以果断选择这个。

Now 安装rabbitmq！
官网介绍有安装方法，我贴以下网址吧，自己看看，很简单很简单。我是Mac系统 http://www.rabbitmq.com/install-standalone-mac.html 如果是其他系统自己对应下。可以把sbin的路径配置到path里面（我比较懒没加，所以去到解压目录，囧）

启动管理插件：sbin/rabbitmq-plugins enable rabbitmq_management
启动rabbitmq：sbin/rabbitmq-server -detached

ok， now，rabbitmq已经启动，可以打开页面来看看
地址：http://localhost:15672/#/
用户名密码都是guest
现在可以进来了把，可以看到具体页面。
关于rabbitmq的配置，网上很多自己去搜以下就ok了。

好了消息中间件有了，现在该来代码了，我是在celeby官网看的，如果觉得我代码有问题，可以自己去官网看，嘿嘿。

安装celeby。
建议使用 virtualenv，具体怎么用参考
http://www.nowamagic.net/academy/detail/1330228
http://liuzhijun.iteye.com/blog/1872241

首先，定义一个task。

from celery import Celeryapp = Celery('tasks', backend='amqp://guest@localhost//', broker='amqp://guest@localhost//')@app.task
def add(x, y):return x + y

保存为tasks.py
—>broker 就是中间件了，自己看着改吧, backend就是后端来发送状态消息，保持追踪任务的状态，存储或发送这些状态

Now 可以启动了
命令: celery -A tasks worker –loglevel=info
想要查看完整的命令行参数列表
命令：celery worker –help 或者
celery help

现在另开一个terminal，启用虚拟环境， ipython 启动python console

In [9]: from tasks import addIn [10]: result = add.delay(6, 7)

现在你可以在用之前命令启动的终端中看到输出，而且可以验证结果。
调用任务会返回一个 AsyncResult 实例，可用于检查任务的状态，等待任务完成或获取返回值，而且现在我们也设置了一个用于保存结果和状态等信息的backend，现在你可以成功的拿到结果，如果你print result，你会看到一串字符串，类似与uuid。
如下方式：

In [11]: result.ready()
Out[11]: TrueIn [12]: result.get(timeout=1)
Out[12]: 13In [13]: result.get(propagate=False)
Out[13]: 13

ok 现在看到结果了吧。
注： propagate的作用倘若任务抛出了一个异常， get() 会重新抛出异常，但你可以指定 propagate 参数来覆盖这一行为。

以上就是一些代码了。

下面是 celery的配置，配置的话你不想看这个可以去官网看，比我的详细的多。

app.conf.update(CELERY_TASK_SERIALIZER='json',CELERY_ACCEPT_CONTENT=['json'],  # Ignore other contentCELERY_RESULT_SERIALIZER='json',CELERY_TIMEZONE='Europe/Oslo',CELERY_ENABLE_UTC=True,
)

但是对于大型项目来说这样配置就显得很low，这个时候可以用模块。你可以调用 config_from_object() 来让 Celery 实例加载配置模块。
app.config_from_object(‘celeryconfig’)

celeryconfig.py

BROKER_URL = 'amqp://'
CELERY_RESULT_BACKEND = 'amqp://'CELERY_TASK_SERIALIZER = 'json'
CELERY_RESULT_SERIALIZER = 'json'
CELERY_ACCEPT_CONTENT=['json']
CELERY_TIMEZONE = 'Europe/Oslo'
CELERY_ENABLE_UTC = True

可以使用 python -m celeryconfig 来验证配置是否正确。

好了这是这篇博客的全部，稍后还有有的，谢谢。

Python 并行分布式框架：Celery 超详细介绍相关推荐

Python 并行分布式框架 Celery
Celery 官网:http://www.celeryproject.org Celery 官方文档英文版:http://docs.celeryproject.org/en/latest/index. ...
python并发分布式框架Celery搭建
最近项目用到一个好东西,分享给大家,简单,有效,这就是我的感受!先来个图 Celery的架构由三部分组成,消息中间件(message broker),任务执行单元(worker)和任务执行结果存储(t ...
python 分布式框架_Python 并行分布式框架：Celery 超详细介绍
本博客摘自:http://blog.csdn.net/liuxiaochen123/article/details/47981111 先来一张图,这是在网上最多的一张Celery的图了,确实描述的非常 ...
python分布式框架有哪些_Python并行分布式框架Celery详解
{"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],&q ...
卷积神经网络超详细介绍
文章目录 1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图像识别的任务 4.CNN的特征 5.CNN的求解 6.卷积神经网络注意事项 7.CNN发展综合介绍 8.LeNet-5结构分析 ...
卷积神经网络（CNN）超详细介绍
文章转自:https://blog.csdn.net/jiaoyangwm/article/details/80011656 文章目录 1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图 ...
卷积神经网络超详细介绍1
1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图像识别的任务 4.CNN的特征 5.CNN的求解 6.卷积神经网络注意事项 7.CNN发展综合介绍 8.LeNet-5结构分析 9.Al ...
卷积神经网络超详细介绍（转载）
卷积神经网络超详细介绍文章目录 1.卷积神经网络的概念 2. 发展过程 3.如何利用CNN实现图像识别的任务 4.CNN的特征 5.CNN的求解 6.卷积神经网络注意事项 7.CNN发展综合介绍 8 ...
【语义分割】1、语义分割超详细介绍
文章目录一.分割方法介绍 1.1 Fully Convolutional Networks [2015] 1.1.1 FCN 1.1.2 ParseNet 1.2 Encoder-Decoder B ...

Python 并行分布式框架：Celery 超详细介绍

Python 并行分布式框架：Celery 超详细介绍相关推荐

最新文章

热门文章