在RedHat系Linux上部署Python的Celery框架的教程

 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。

1. 消息中间件

    celery本身不提供消息服务，但是可以方便的和第三方提供的消息中间件集成。包括，rabbitmq, redis, mongodb (experimental), amazon sqs (experimental),couchdb (experimental), sqlalchemy (experimental),django orm (experimental), ironmq

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, redis，memcached, mongodb，sqlalchemy, django orm，apache 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，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 http://dl.fedoraproject.org/pub/epel/6/x86_64/epel-release-6-8.noarch.rpm
wget http://rpms.famillecollet.com/enterprise/remi-release-6.rpm
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.task
def 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 add
import time
result = 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id，task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。

如果大家想要对celery做更进一步的了解，请参考