celery 原理

http://ww.cnblogs.com/xiaonq/p/11166/235.html#i1

1.1 celery 应用举例

.Celery 是一个基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理

如果你的业务场景中需要用到异步任务，可以考虑用celery

 

.你想对100台机器执行一条批量的命令，可能会话很长世界，但你不想让你的程序等待结果返回，而是给你返回一个任务ID

你过一段时间只需要拿到这个任务ID就可以拿到任务执行结果，在任务执行ing进行时，你可以继续做其它的事情

.Celery 在执行任务时需要通过一个消息中间件来接受和发送任务消息，以及存储任务结果，一般使用rabbitMQ or Redis

1.2 Celery 有以下优点

. 简单： 一般熟悉了Celery的工作流程后，配置和使用还是比较简单的

.高可用：当任务执行失败或者执行过程中发生链接中断，celery会自动尝试重新执行任务

.快速： 一个单进程的celery每分钟可以处理上百万个任务

.灵活：几乎celery的各个组件都可以被扩展及自定制

1.3 Celery特性

.方便查看定时任务执行情况，如 是否 成功，当前状态，执行任务花费的时间等

.可选 多进程，Eventlent和Gevent 三种模式并发执行

.Celery 是语言无关的，它提供了Python等常见语言的接口支持

 

2 Celery 组件

http://ww.cnblogs.com/xiaonq/p/11166/235.html#i2

2.1Celery 扮演生产者和消费者的角色

.celery Beat :任务调节器.Beat 进程会读取配置文件的内容，周期性的将配置中到期需要执行的任务发送给任务队列

.Celery Worker : 执行任务的消费者，通常会在多台服务器运行多个消费者，提高运行效率。

.Broker:消息代理，队列本身，也成为消息中间件

.Producer : 任务生产者. 调用 Celery API , 函数或者装饰器, 而产生任务并交给任务队列处理的都是任务生产者.

.Result Backend : 任务处理完成之后保存状态信息和结果, 以供查询. 

2.2 celery架构图

 

2.3 产生任务的方式

• 发布者发布任务(WEB 应用)

• 任务调度按期发布任务(定时任务)

2.4 celery 依赖三个库: 这三个库, 都由 Celery 的开发者开发和维护.

• billiard : 基于 Python2.7 的 multisuprocessing 而改进的库, 主要用来提高性能和稳定性.

• librabbitmp :C 语言实现的 Python 客户端

• kombu : Celery 自带的用来收发消息的库, 提供了符合 Python 语言习惯的, 使用 AMQP 协议的高级借口.