基于celery的任务管理

1、celery基本原理

Celery是一个由python编写的简单、灵活、可靠的用来处理大量信息的分布式系统，同时提供了操作和维护分布式系统所需要的工具，说白了就是一个用来管理分布式队列的工具。

Celery主要包含如下几个概念：

Brokers：存放/拿取任务的地方，常见的brokers有rabbitmq、redis、Zookeeper等；

Backend：结果储存的地方，队列中的任务运行完后的结果或者状态需要被任务发送者知道，那么就需要一个地方储存这些结果，常见的backend有redis、Memcached；

Workers：从队列中取出任务并执行；

Tasks：任务，一般由用户、触发器或其他操作将任务入队，然后交由workers进行处理。

基本框架图见下：

我们通常使用celery的命令来启动celery，启动的时候我们会指定一个celery实例，使用这个实例的task包装了的任务函数被包装成了celery的task对象，这样他们就有了delay方法。当我们执行delay方法时，这些task会找自己所属的那个celery instance，从中获取配置信息（主要是broker的地址）后将调用请求发往消息队列。

2、celery基本使用方式

快捷的任务启动函数delay

先看最基本使用方式，创建一个celery实例，指定redis的0号库和1号库为其broker和backend，创建一个最基本的用实例的task装饰的函数add。

再在另一个文件创建一个一个使用delay启动的异步任务，启动后，delay会向worker发消息申请执行任务，worker从broker获取已注册的task并根据入参执行，然后我们再根据ready函数从backend获取任务执行状态，执行完成后我们再从backend获取返回结果。

强大的任务启动函数apply_async

apply_async(args[,kwargs[, ...]])是celery真正的启动函数，delay是它的快捷版，apply_async可以指定更多的参数，第一部分就是task里面的python function的参数，比如add(x,y)的x,y，第二个参数叫作keyword arguments，就是设定一些环境变量，第三个参数就是execution options，也就是这个task本身的执行选项，下面介绍几个常用参数：

countdown：指定多少秒后执行任务；

eta (estimated time of arrival)：指定任务被调度的具体时间，参数类型是datetime；

可以看到，时间貌似不对，其实是因为celery服务端运行使用的UTC时区，如果不指定utcnow就等不到执行时间了。

expires：任务过期时间，已开始的任务会被执行完成，未开始的不再执行，参数类型可以是float，也可以是datetime；

link(Signature)：上一个任务返回成功才执行这个任务，相当于与一个回调，回调函数可以引用任务结果。

3、任务的排列组合

group：顺序的执行一组任务

chain：任务是可以被链接的，一个任务完成后，把结果传给另外一个任务，作为下一个任务的入参.

chords: 可以传入一个回调函数，等任务执行完，参数传给回调函数处理。

效果等同于group和chain的组合：