Python Celery初研究
最近，换了一个工作环境去做研究，当然啦，新公司新作风，需要研究python并行分布式框架：Celery，不用多说，干呗。然后就抽空看了一下，果然接口简单，开发容易，5分钟就写出了一个异步发送邮件的服务。
Celery本身不含消息服务，它使用第三方消息服务来传递任务，目前，Celery支持的消息服务有RabbitMQ、Redis甚至是数据库，当然Redis应该是最佳选择。
[*] 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
另外， Celery还支持不同的并发和序列化的手段
[*] 并发
Prefork, Eventlet, gevent, threads/single threaded
[*] 序列化
pickle, json, yaml, msgpack. zlib, bzip2 compression， Cryptographic message signing 等等
不废话，上初步研究的代码：
import sys
reload(sys)
import time
from celery import Celery
app = Celery('tasks', broker = 'redis://localhost:6379/0')
@app.task()
def sendmail(mail):
print('sending mail to %s...' % mail['to'])
time.sleep(2.0)
print('mail sent.')
我是直接连的redis。
然后启动Celery处理任务：
celery -A tasks worker --loglevel=info 上面的命令行实际上启动的是Worker，如果要放到后台运行，可以扔给supervisor。
如何发送任务？非常简单：
可以看到，Celery的API设计真的非常简单。
然后，在Worker里就可以看到任务处理的消息：
这里我们可以发现，每一个task有一个唯一的ID，task异步执行在worker上。
Celery默认设置就能满足基本要求。Worker以Pool模式启动，默认大小为CPU核心数量，缺省序列化机制是pickle，但可以指定为json。由于Python调用UNIX/Linux程序实在太容易，所以，用Celery作为异步任务框架非常合适。
Celery还有一些高级用法，比如把多个任务组合成一个原子任务等，还有一个完善的监控接口，以后有空再继续研究。
页:
[1]