如何进行DjangoCelery分析

本篇文章为大家展示了如何进行Django Celery分析，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

创新互联是一家专注网站建设、网络营销策划、小程序开发、电子商务建设、网络推广、移动互联开发、研究、服务为一体的技术型公司。公司成立10多年以来，已经为成百上千家地磅秤各业的企业公司提供互联网服务。现在，服务的成百上千家客户与我们一路同行，见证我们的成长；未来，我们一起分享成功的喜悦。

对于任务调度的实现方案，其实开源的项目有很多。

我先说说对于任务调度的认识，如果从数据库层面来说，任务调度就是scheduler,这一点在Oracle中体现的更为细致。

Oracle中创建scheduler，在后台运行JOB完成数据的处理，基本上会把一个任务拆分成不同的几个维度属性。

如果任务很多，有大批量的任务需要处理，而且任务位于不同的服务器环境中，那么这个复杂度就会大大增加，所以引入消息队列的方式就是一个很自然的方式。

消息队列目前有很多种可选方案，比如redis,RabbitMQ等，根据自己的需求满足要求即可。

首先我们需要确认celery已正常安装。

>pip list|grep celery

celery (3.1.20)

celery-with-redis (3.0)

django-celery (3.2.2)

如果是在Django中在较新的版本中，也是自带的，我们来快速体验一下Django Celery的功能。

创建一个项目

django-admin startproject django_celery

初始化一个应用

cd django_celery

django-admin startapp celery_app

我们修改settings.py的配置。

在这里需要说明的是，如果我们不用Redis,RabbitMQ的话，测试使用自带的broker服务也是可以的。

如果启用自带的配置，settings.py的配置如下：

INSTALLED_APPS = (

'django.contrib.admin',

'django.contrib.auth',

'django.contrib.contenttypes',

'django.contrib.sessions',

'django.contrib.messages',

'django.contrib.staticfiles',

'celery_app',

'djcelery',

'kombu.transport.django',

)

BROKER_URL = 'django://localhost:8000//'

如果是用RabbitMQ,我们需要单独部署安装这个消息队列，可用

yum install rabbitmq-server即可，本身这个项目是用erlang开发的，所以会安装大量的erlang相关的包。

settings.py的配置如下：

import djcelery

djcelery.setup_loader()

BROKER_URL= 'amqp://guest@localhost//'

CELERY_RESULT_BACKEND = 'amqp://guest@localhost//'

# Application definition

INSTALLED_APPS = (

'django.contrib.admin',

'django.contrib.auth',

'django.contrib.contenttypes',

'django.contrib.sessions',

'django.contrib.messages',

'django.contrib.staticfiles',

'celery_app',

'djcelery',

'kombu.transport.django',

)

然后我们配置任务的信息，在django-celery项目目录下，创建文件celery.py

from __future__ import absolute_import

import os

from celery import Celery

from django.conf import settings

# set the default Django settings module for the 'celery' program.

os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'django_celery.settings')

app = Celery('django_celery')

# Using a string here means the worker will not have to

# pickle the object when using Windows.

app.config_from_object('django.conf:settings')

app.autodiscover_tasks(lambda: settings.INSTALLED_APPS)

@app.task(bind=True)

def debug_task(self):

print('Request: {0!r}'.format(self.request))

在应用celery_app的目录下，创建任务tasks.py,我们定义了几个方法供调用。

from __future__ import absolute_import

from celery import shared_task

import time

@shared_task

def add(x, y):

return x + y

@shared_task

def mul(x, y):

time.sleep(10)

return x * y

@shared_task

def xsum(numbers):

time.sleep(10)

return sum(numbers)

基础配置完成后，我们来试用一下。

然后配置DB的信息，使用命令

python manage.py syncdb

这个过程会提示你创建一个超级用户，照做就可以了。

启动服务

python manage.py runserver

然后打开另外一个窗口，启动celery的服务

python manage.py celery worker -l info

这个过程很可能会跑出警告：

root@localhost django_celery]# python manage.py celery worker -l info

Running a worker with superuser privileges when the

worker accepts messages serialized with pickle is a very bad idea!

If you really want to continue then you have to set the C_FORCE_ROOT

environment variable (but please think about this before you do).

User information: uid=0 euid=0 gid=0 egid=0

其实这个意思很明确，如果确认需要，要设置变量C_FORCE_ROOT，风格和sandbox很类似。

export C_FORCE_ROOT=test

>python manage.py celery worker -l info

可以从启动日志看到task的信息：

[tasks]

. celery_app.tasks.add

. celery_app.tasks.mul

. celery_app.tasks.xsum

. django_celery.celery.debug_task

再次开启一个新的会话，这算是会话3，我们开启shell交互窗口。

>>> from celery_app.tasks import *

>>> dir()

['__builtins__', 'absolute_import', 'add', 'mul', 'shared_task', 'xsum']

>>> mul(5,2)

10

这个时候如果使用delay，add的方式，就会进入消息队列。

>>> mul.delay(5,2)

>>>

>>> add.delay(2,3)

>>>

查看worker的日志信息如下：

[2018-01-08 14:34:47,505: INFO/MainProcess] Received task: celery_app.tasks.add[bac53d49-24cf-4d07-8515-8eff8083cab9]

[2018-01-08 14:34:47,507: INFO/MainProcess] Task celery_app.tasks.add[bac53d49-24cf-4d07-8515-8eff8083cab9] succeeded in 0.0008037839998s: 6

使用RabbitMQ的日志是类似的。

如果要启用flower界面，也是分分钟搞定。

安装flower:

pip install flower

启动服务

python manage.py celery flower

访问端口：

http://127.0.0.1:5555/

上述内容就是如何进行Django Celery分析，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注创新互联行业资讯频道。