异步任务队列Celery在Django中的使用方法

时间:2022-09-18 18:07:28

前段时间在django web平台开发中,碰到一些请求执行的任务时间较长(几分钟),为了加快用户的响应时间,因此决定采用异步任务的方式在后台执行这些任务。在同事的指引下接触了celery这个异步任务队列框架,鉴于网上关于celery和django结合的文档较少,大部分也只是粗粗介绍了大概的流程,在实践过程中还是遇到了不少坑,希望记录下来帮助有需要的朋友。

一、django中的异步请求

django web中从一个http请求发起,到获得响应返回html页面的流程大致如下:http请求发起 -- http handling(request解析) -- url mapping(url正则匹配找到对应的view) -- 在view中进行逻辑的处理、数据计算(包括调用model类进行数据库的增删改查)--将数据推送到template,返回对应的template/response。

异步任务队列Celery在Django中的使用方法

图1. django架构总览

同步请求:所有逻辑处理、数据计算任务在view中处理完毕后返回response。在view处理任务时用户处于等待状态,直到页面返回结果。

异步请求:view中先返回response,再在后台处理任务。用户无需等待,可以继续浏览网站。当任务处理完成时,我们可以再告知用户。

二、关于celery

celery是基于python开发的一个分布式任务队列框架,支持使用任务队列的方式在分布的机器/进程/线程上执行任务调度。

异步任务队列Celery在Django中的使用方法

图2. celery架构

图2展示的是celery的架构,它采用典型的生产生-消费者模式,主要由三部分组成:broker(消息队列)、workers(消费者:处理任务)、backend(存储结果)。实际应用中,用户从web前端发起一个请求,我们只需要将请求所要处理的任务丢入任务队列broker中,由空闲的worker去处理任务即可,处理的结果会暂存在后台数据库backend中。我们可以在一台机器或多台机器上同时起多个worker进程来实现分布式地并行处理任务。

三、django中celery的实现

在实际使用过程中,发现在celery在django里的实现与其在一般.py文件中的实现还是有很大差别,django有其特定的使用celery的方式。这里着重介绍celery在django中的实现方法,简单介绍与其在一般.py文件中实现方式的差别。

1. 建立消息队列

首先,我们必须拥有一个broker消息队列用于发送和接收消息。celery官网给出了多个broker的备选方案:rabbitmq、redis、database(不推荐)以及其他的消息中间件。在官网的强力推荐下,我们就使用rabbitmq作为我们的消息中间人。在linux上安装的方式如下:

?
1
sudo apt-get install rabbitmq-server

命令执行成功后,rabbitmq-server就已经安装好并运行在后台了。

另外也可以通过命令rabbitmq-server来启动rabbitmq server以及命令rabbitmqctl stop来停止server。

更多的命令可以参考rabbitmq官网的用户手册:https://www.rabbitmq.com/manpages.html

2. 安装django-celery

?
1
2
pip install celery
pip install django-celery

3. 配置settings.py

首先,在django工程的settings.py文件中加入如下配置代码:

?
1
2
3
4
import djcelery
djcelery.setup_loader()
broker_url= 'amqp://guest@localhost//'
celery_result_backend = 'amqp://guest@localhost//'

其中,当djcelery.setup_loader()运行时,celery便会去查看installd_apps下包含的所有app目录中的tasks.py文件,找到标记为task的方法,将它们注册为celery task。broker_url和celery_result_backend分别指代你的broker的代理地址以及backend(result store)数据存储地址。在django中如果没有设置backend,会使用其默认的后台数据库用来存储数据。注意,此处backend的设置是通过关键字celery_result_backend来配置,与一般的.py文件中实现celery的backend设置方式有所不同。一般的.py中是直接通过设置backend关键字来配置,如下所示:

?
1
app = celery('tasks', backend='amqp://guest@localhost//', broker='amqp://guest@localhost//')

然后,在installed_apps中加入djcelery:

?
1
2
3
4
5
6
installed_apps = (
  …… 
  'qv',
  'djcelery'
  …… 

4. 在要使用该任务队列的app根目录下(比如qv),建立tasks.py,比如:

异步任务队列Celery在Django中的使用方法

在tasks.py中我们就可以编码实现我们需要执行的任务逻辑,在开始处import task,然后在要执行的任务方法开头用上装饰器@task。需要注意的是,与一般的.py中实现celery不同,tasks.py必须建在各app的根目录下,且不能随意命名。

5. 生产任务

在需要执行该任务的view中,通过build_job.delay的方式来创建任务,并送入消息队列。比如:

异步任务队列Celery在Django中的使用方法

6. 启动worker的命令

?
1
2
3
4
#先启动服务器
python manage.py runserver
#再启动worker
python manage.py celery worker -c 4 --loglevel=info

四、补充

django下要查看其他celery的命令,包括参数配置、启动多worker进程的方式都可以通过python manage.py celery --help来查看:

异步任务队列Celery在Django中的使用方法

另外,celery提供了一个工具flower,将各个任务的执行情况、各个worker的健康状态进行监控并以可视化的方式展现,如下图所示:

异步任务队列Celery在Django中的使用方法

django下实现的方式如下: 

1. 安装flower:

?
1
pip install flower

2. 启动flower(默认会启动一个webserver,端口为5555):

?
1
python manage.py celery flower

3. 进入http://localhost:5555即可查看。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:https://www.cnblogs.com/znicy/p/5626040.html