flask celery 使用方法
一、安装
由于celery4.0不支持window，如果在window上安装celery4.0将会出现下面的错误
flask_clery
你现在只能安装 pip install celery==3.1
二、安装py for redis 模块
pip install redis
三、安装redis服务
网上很多文章都写得模棱两可，把人坑的不要不要的！！！
Redis对于Linux是官方支持的，但是不支持window，网上很多作者写文章都不写具体的系统环境，大多数直接说pip install redis就可以使用redis了，真的是坑人的玩意，本人深受其毒害
对于windows，如果你需要使用redis服务，那么进入该地址下载 https://github.com/MSOpenTech/redis/releases redis安装包，双击完成就可以了
如果你在window上不安装该redis包，将会提示
redis.exceptions.ConnectionError: Error 10061 connecting to localhost:6379.
或者
redis.exceptions.ConnectionError
需要注意是：安装目录不能安装在C盘，否则会出现权限依赖错误
四、添加redis环境变量
D:\Program Files\Redis
五、初始化redis
进入redis安装目录，打开cmd运行命令redis-server.exe redis.windows.conf，如果出错
- 双击目录下的
redis-cli.exe - 在出现的窗口中输入
shutdown - 继续输入
exit
六、lask 集成celyer
在Flask配置中添加配置
# Celery 配置
CELERY_BROKER_URL = 'redis://localhost:6379/0' # broker是一个消息传输的中间件
CELERY_RESULT_BACKEND = 'redis://localhost:6379/1' # 任务执行器- 在flask工程的
__init__目录下生产celery实例 注意！！以下代码必须在 flask app读取完配置文件后编写，否则会报错
def make_celery(app):
celery = Celery(app.import_name, broker=app.config['CELERY_BROKER_URL'],
backend=app.config['CELERY_RESULT_BACKEND'])
celery.conf.update(app.config)
TaskBase = celery.Task
class ContextTask(TaskBase):
abstract = True
def __call__(self, *args, **kwargs):
with app.app_context():
return TaskBase.__call__(self, *args, **kwargs)
celery.Task = ContextTask
return celery
celery = make_celery(app)完整示例如下
app = Flask(__name__)
app.config.from_object(config['default'])
def make_celery(app):
celery = Celery(app.import_name, broker=app.config['CELERY_BROKER_URL'],
backend=app.config['CELERY_RESULT_BACKEND'])
celery.conf.update(app.config)
TaskBase = celery.Task
class ContextTask(TaskBase):
abstract = True
def __call__(self, *args, **kwargs):
with app.app_context():
return TaskBase.__call__(self, *args, **kwargs)
celery.Task = ContextTask
return celery
celery = make_celery(app)一份比较常用的配置文件
# 注意，celery4版本后，CELERY_BROKER_URL改为BROKER_URL
BROKER_URL = 'amqp://username:passwd@host:port/虚拟主机名'
# 指定结果的接受地址
CELERY_RESULT_BACKEND = 'redis://username:passwd@host:port/db'
# 指定任务序列化方式
CELERY_TASK_SERIALIZER = 'msgpack'
# 指定结果序列化方式
CELERY_RESULT_SERIALIZER = 'msgpack'
# 任务过期时间,celery任务执行结果的超时时间
CELERY_TASK_RESULT_EXPIRES = 60 * 20
# 指定任务接受的序列化类型.
CELERY_ACCEPT_CONTENT = ["msgpack"]
# 任务发送完成是否需要确认，这一项对性能有一点影响
CELERY_ACKS_LATE = True
# 压缩方案选择，可以是zlib, bzip2，默认是发送没有压缩的数据
CELERY_MESSAGE_COMPRESSION = 'zlib'
# 规定完成任务的时间
CELERYD_TASK_TIME_LIMIT = 5 # 在5s内完成任务，否则执行该任务的worker将被杀死，任务移交给父进程
# celery worker的并发数，默认是服务器的内核数目,也是命令行-c参数指定的数目
CELERYD_CONCURRENCY = 4
# celery worker 每次去rabbitmq预取任务的数量
CELERYD_PREFETCH_MULTIPLIER = 4
# 每个worker执行了多少任务就会死掉，默认是无限的
CELERYD_MAX_TASKS_PER_CHILD = 40
# 设置默认的队列名称，如果一个消息不符合其他的队列就会放在默认队列里面，如果什么都不设置的话，数据都会发送到默认的队列中
CELERY_DEFAULT_QUEUE = "default"
# 设置详细的队列
CELERY_QUEUES = {
"default": { # 这是上面指定的默认队列
"exchange": "default",
"exchange_type": "direct",
"routing_key": "default"
},
"topicqueue": { # 这是一个topic队列 凡是topictest开头的routing key都会被放到这个队列
"routing_key": "topic.#",
"exchange": "topic_exchange",
"exchange_type": "topic",
},
"task_eeg": { # 设置扇形交换机
"exchange": "tasks",
"exchange_type": "fanout",
"binding_key": "tasks",
},
}在cmd中启动celery服务
执行命令celery -A your_application.celery worker loglevel=info，your_application为你工程的名字，在这里为 get_tieba_film调用
@app.route('/')
@app.route('/index')
def index():
print ("耗时的任务")
# 任务已经交给异步处理了
result = get_film_content.apply_async(args=[1])
# 如果需要等待返回值，可以使用get()或wait()方法
# result.wait()
return '耗时的任务已经交给了celery'
@celery.task()
def get_film_content(a):
util = SpiderRunUtil.SpiderRun(TieBaSpider.FilmSpider())
util.start()绑定
一个绑定任务意味着任务函数的第一个参数总是任务实例本身(self)，就像 Python 绑定方法类似：
@task(bind=True)
def add(self, x, y):
logger.info(self.request.id)任务继承
任务装饰器的 base 参数可以声明任务的基类
import celery
class MyTask(celery.Task):
def on_failure(self, exc, task_id, args, kwargs, einfo):
print('{0!r} failed: {1!r}'.format(task_id, exc))
@task(base=MyTask)
def add(x, y):
raise KeyError()任务名称
每个任务必须有不同的名称。 如果没有显示提供名称，任务装饰器将会自动产生一个，产生的名称会基于这些信息： 1）任务定义所在的模块， 2）任务函数的名称
显示设置任务名称的例子：
>>> @app.task(name='sum-of-two-numbers')
>>> def add(x, y):
... return x + y
>>> add.name
'sum-of-two-numbers'最佳实践是使用模块名称作为命名空间，这样的话如果有一个同名任务函数定义在其他模块也不会产生冲突。
>>> @app.task(name='tasks.add')
>>> def add(x, y):
... return x + y七、安装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
pip install flower启动flower（默认会启动一个webserver，端口为5555）:
celery flower --address=127.0.0.1 --port=5555八、常见错误
ERROR/MainProcess] consumer: Cannot connect to redis://localhost:6379/0:原因是：redis-server 没有启动
解决方案：到redis安装目录下执行redis-server.exe redis.windows.conf
检查redis是否启动：redis-cli ping
line 442, in on_task_received解决：
Did you remember to import the module containing this task?
Or maybe you are using relative imports?
Please see http://bit.ly/gLye1c for more information.
The full contents of the message body was:
{'timelimit': (None, None), 'utc': True, 'chord': None, 'args': [4, 4], 'retries': 0, 'expires': None, 'task': 'main.add', 'callbacks': None,
'errbacks': None, 'taskset': None, 'kwargs': {}, 'eta': None, 'id': '97000322-93be-47e9-a082-4620e123dc5e'} (210b)
Traceback (most recent call last):
File "d:\vm_env\flask_card\lib\site-packages\celery\worker\consumer.py", line 442, in on_task_received
strategies[name](message, body,
KeyError: 'main.add'原因：任务没有注册或注册不成功，只有在启动的时候提示有任务的时候，才能使用该任务
flask_celery 解决：
- 你在那个类中使用celery就在哪个类中执行
celery -A 包名.类名.celery worker -l info - 根据上一部提示的任务列表给任务设置对应的名称 如在Test中
from main import app, celery
@celery.task(name="main.Test.add".)
def add(x, y):
print "ddddsws"
return x + y目录结构：
+ Card # 工程
+ main
+ admin
- Task.py
- __init__.py
- Test.py则应该启动的命令为：
celery -A main.Test.celery worker -l info同时，如果你的Task.py也有任务，那么你还应该重新创建一个cmd窗口执行
celery -A main.admin.Task.celery worker -l infocelery的工作进程可以创建多个
flask_celery
flask_celery
参考：
https://www.laoyuyu.me/2018/02/10/python_flask_celery/
https://www.cnblogs.com/cwp-bg/p/8759638.html
celery用户指南，强烈推荐看 redis安装 celery使用 https://redis.io/topics/quickstart
http://einverne.github.io/post/2017/05/celery-best-practice.html Celery 最佳实践
http://orangleliu.info/2014/08/09/celery-best-practice/ Celery最佳实践-正确使用celery的7条建议
https://www.jianshu.com/p/cc3a0ffb9c76
https://windard.com/opinion/2017/03/18/Task-Queue-Celery 使用 Celery 和 redis 完成任务队列