在RedHat系Linux上部署Python的Celery框架的

Celery （芹菜）是基于Python开发的分布式任务队列。它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。
架构设计

Celery的架构由三部分组成消息中间件（message broker）任务执行单元（worker）和任务执行结果存储（task result store）组成。

Celery本身不提供消息服务cookies任务执行单元（worker）和任务执行结果存储（task result store）组成。

1.消息中间件

2.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。

3.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, Redismemcached, MongoDBSQLAlchemy, Django ORMApache Cassandra, IronCache

另外 Celery还支持不同的并发和序列化的手段

1.并发

Prefork, Eventlet, gevent, threads/single threaded

2.序列化

pickle, json, yaml, msgpack. zlib, bzip2 compression Cryptographic message signing 等等

安装和运行

Celery的安装过程略为复杂下面的安装过程是基于我的AWS EC2的Linux版本的安装过程不同的系统安装过程可能会有差异。大家可以参考官方文档。

首先我选择RabbitMQ作为消息中间件桔子SEO工具不同的系统安装过程可能会有差异。大家可以参考官方文档。

首先我选择RabbitMQ作为消息中间件所以要先安装RabbitMQ。作为安装准备先更新YUM。

sudo yum -y update

RabbitMQ是基于erlang的所以先安装erlang

# Add and enable relevant application repositories:
# Note: We are also enabling third party remi package repositories.
wget
wget
sudo rpm -Uvh remi-release-6*.rpm epel-release-6*.rpm

# Finally, download and install Erlang:
yum install -y erlang

然后安装RabbitMQ

# Download the latest RabbitMQ package using wget:wget # Add the necessary keys for verification:rpm --import # Install the .RPM package using YUM:yum install rabbitmq-server-3.2.2-1.noarch.rpm

启动RabbitMQ服务

rabbitmq-server start

RabbitMQ服务已经准备好了然后安装Celery 假定你使用pip来管理你的python安装包

pip install Celery

为了测试Celery是否工作我们运行一个最简单的任务编写tasks.py

from celery import Celery app = Celery('tasks', backend='amqp', broker='amqp://guest@localhost//')app.conf.CELERY_RESULT_BACKEND = 'db+sqlite:///results.sqlite' @app.taskdef add(x, y): return x + y

在当前目录运行一个worker用来执行这个加法的task

celery -A tasks worker --loglevel=info

其中－A参数表示的是Celery App的名字。注意这里我使用的是SQLAlchemy作为结果存储。对应的python包要事先安装好。

worker日志中我们会看到这样的信息

- ** ---------- [config]- ** ---------- . app: tasks:0x1e68d50- ** ---------- . transport: amqp://guest:**@localhost:5672//- ** ---------- . results: db+sqlite:///results.sqlite- *** --- * --- . concurrency: 8 (prefork)

其中我们可以看到worker缺省使用prefork来执行并发并设置并发数为8

下面的任务执行的客户端代码：

from tasks import addimport timeresult = add.delay(4,4) while not result.ready(): print "not ready yet" time.sleep(5) print result.get()

用python执行这段客户端代码在客户端结果如下

not ready 8

Work日志显示

[2015-03-12 02:54:07,973: INFO/MainProcess] Received task: tasks.add[34c4210f-1bc5-420f-a421-1500361b914f][2015-03-12 02:54:08,006: INFO/MainProcess] Task tasks.add[34c4210f-1bc5-420f-a421-1500361b914f] succeeded in 0.0309705100954s: 8

这里我们可以发现每一个task有一个唯一的IDtask异步执行在worker上。

这里要注意的是如果你运行官方文档中的例子你是无法在客户端得到结果的这也是我为什么要使用SQLAlchemy来存储任务执行结果的原因。官方的例子使用AMPQ有可能Worker在打印日志的时候取出了task的运行结果显示在worker日志中然而AMPQ作为一个消息队列当消息被取走后队列中就没有了于是客户端总是无法得到任务的执行结果。不知道为什么官方文档对这样的错误视而不见。