1.实际使用

​ 监控task的执行结果:任务id,结果,traceback,children,任务状态

​ 配置 backend='redis://127.0.0.1:6379/5'给Celery的app对象,直接在redis中查看

​ 还可以

​ 健壮celerycelery -A proj worker -l info

☁  proj  tree 
├── __init__.py  
├── celery.py | app=Clery('proj',include=['proj.tasks']) 
                app.config_from_object('proj.config') 
                if __name__==__main__: app.start() 
├── config.py |  CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/6' BROKER_URL = 'redis://127.0.0.1:6379/5' └── tasks.py | @app.task # 注意这个文件名必须是tasks.py def add(x, y): return x + y 

​ tasks可以有多个在celery.py中添加一行代码加载任务函数

​ app.autodiscover_tasks(['proj.sms', 'proj.email'])

​ Scheduler计划定时任务:celery -A proj worker -B -l info

#config.py 
CELERY_TIMEZONE = 'Asia/Shanghai' # 指定时区 
from datetime import timedelta CELERYBEAT_SCHEDULE = { 'add-every-30-seconds': { 'task': 'proj.tasks.add', # 指定要执行的函数任务 'schedule': timedelta(seconds=30), # 指定计划时间间隔30s执行一次task 'args': (16, 16) }, }

​ celery.schedules import crontab定时周期任务:(比如每周一执行一次 )

​ 只需要修改 'schedule': crontab(hour=7, minute=30, day_of_week=1),

2.celery扩展使用

​ 指定队列名:

​ 启动加上-Q参数 celery -A proj worker --loglevel=info -Q 'testq'

​ 跑任务时 add.delay(3,4,queue='testq')

​ 指定开启的worker进程数:单个Celery进程每分钟就可以处理数百万个任务

​ 底层是调用的Python的multiprocessing模块中的Pool进程池思想来做

​ 启动加上-c参数 celery -A proj worker --loglevel=info -c 2 2个worker进程来同时抢任务

​ 图像化查看broker里面的数据,查看任务状态,以及任务的详细信息:flower的webUI

​ pip install flower 注意创建celery实例app时指定的broker设置的redis/5

​ 任意目录执行 celery flower --port=5555 --broker=redis://localhost:6379/5

3.DJango-celery模式(嵌入到大型DJango项目中)

​ 应用: django调用celery跑异步任务,常见场景有注册成功,发送邮件可以异步来防止网络IO阻塞,以及耗时间的任务,可以在WEB应用中使用这种异步方式

  1. 安装django-celery==3.1.17 与celery==3.1.17对应
  2. 创建celery必须的数据库表结构 python manage.py migrate
  3. django项目的settings.py文件中追加如下内容:backend,任务执行结果超时时间,worker并发数也就是 -c 指定的数据,指定任务周期存储在orm数据库中
  4. 在django的app应用目录下创建tasks.py任务文件@task def add(x,y):
  5. 开启django服务和celery服务,虽然耦合了,还要开python manage.py celery worker --loglevel=info

4.内存泄漏问题

celery内存泄露分析

celery配置项如下

CELERYD_CONCURRENCY = 2      celery worker并发数 
CELERYD_MAX_TASKS_PER_CHILD = 5   每个worker最大执行任务数

 
执行celery -A ansibleAPI.celery worker启动celery,通过ps -ef | grep celery可以看到两个celery worker进程(8226,8228)。

利用celery worker进行某个任务,当worker没有执行到最大任务时(即销毁重建),每执行一次任务占用内存必然有所增加,任务数为9,10时(celery均匀调度,并发数*最大任务数),分别有原8228 worker被销毁,重新创建9386 worker及原8226 worker被销毁,重新创建9564 worker,此时,运行第9次时,占用总内存有所下降,运行第10次时,总内存回到初如值,同样任务执行第19、20次情况类似。

celery并发计算规则
celery任务并发只与celery配置项CELERYD_CONCURRENCY 有关,与CELERYD_MAX_TASKS_PER_CHILD没有关系,即CELERYD_CONCURRENCY=2,只能并发2个worker,此时任务处理较大的文件时,执行两次可以看到两个task任务并行执行,而执行第三个任务时,开始排队,直到两个worker执行完毕。

结论
celery执行完任务不释放内存与原worker一直没有被销毁有关,因此CELERYD_MAX_TASKS_PER_CHILD可以适当配置小点,而任务并发数与CELERYD_CONCURRENCY配置项有关,每增加一个worker必然增加内存消耗,同时也影响到一个worker何时被销毁,因为celery是均匀调度任务至每个worker,因此也不宜配置过大,适当配置。

你可能感兴趣的


评论关闭
IT干货网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!

Nginx 配置 Https 免费证书访问