前段時間在Django Web平臺開發(fā)中，碰到一些請求執(zhí)行的任務時間較長（幾分鐘），為了加快用戶的響應時間，因此決定采用異步任務的方式在后臺執(zhí)行這些任務。在同事的指引下接觸了Celery這個異步任務隊列框架，鑒于網上關于Celery和Django結合的文檔較少，大部分也只是粗粗介紹了大概的流程，在實踐過程中還是遇到了不少坑，希望記錄下來幫助有需要的朋友。

一、Django中的異步請求

Django Web中從一個http請求發(fā)起，到獲得響應返回html頁面的流程大致如下：http請求發(fā)起 -- http handling（request解析） -- url mapping（url正則匹配找到對應的View） -- 在View中進行邏輯的處理、數據計算（包括調用Model類進行數據庫的增刪改查）--將數據推送到template，返回對應的template/response。

圖1. Django架構總覽

同步請求：所有邏輯處理、數據計算任務在View中處理完畢后返回response。在View處理任務時用戶處于等待狀態(tài)，直到頁面返回結果。

異步請求：View中先返回response，再在后臺處理任務。用戶無需等待，可以繼續(xù)瀏覽網站。當任務處理完成時，我們可以再告知用戶。

二、關于Celery

Celery是基于Python開發(fā)的一個分布式任務隊列框架，支持使用任務隊列的方式在分布的機器/進程/線程上執(zhí)行任務調度。

圖2. Celery架構

圖2展示的是Celery的架構，它采用典型的生產生-消費者模式，主要由三部分組成：broker（消息隊列）、workers（消費者：處理任務）、backend（存儲結果）。實際應用中，用戶從Web前端發(fā)起一個請求，我們只需要將請求所要處理的任務丟入任務隊列broker中，由空閑的worker去處理任務即可，處理的結果會暫存在后臺數據庫backend中。我們可以在一臺機器或多臺機器上同時起多個worker進程來實現(xiàn)分布式地并行處理任務。

三、Django中Celery的實現(xiàn)

在實際使用過程中，發(fā)現(xiàn)在Celery在Django里的實現(xiàn)與其在一般.py文件中的實現(xiàn)還是有很大差別，Django有其特定的使用Celery的方式。這里著重介紹Celery在Django中的實現(xiàn)方法，簡單介紹與其在一般.py文件中實現(xiàn)方式的差別。

1. 建立消息隊列

首先，我們必須擁有一個broker消息隊列用于發(fā)送和接收消息。Celery官網給出了多個broker的備選方案：RabbitMQ、Redis、Database（不推薦）以及其他的消息中間件。在官網的強力推薦下，我們就使用RabbitMQ作為我們的消息中間人。在Linux上安裝的方式如下：

sudo apt-get install rabbitmq-server

命令執(zhí)行成功后，rabbitmq-server就已經安裝好并運行在后臺了。

另外也可以通過命令rabbitmq-server來啟動rabbitmq server以及命令rabbitmqctl stop來停止server。

更多的命令可以參考rabbitmq官網的用戶手冊：https://www.rabbitmq.com/manpages.html

2. 安裝django-celery

pip install celery
pip install django-celery

3. 配置settings.py

首先，在Django工程的settings.py文件中加入如下配置代碼：

import djcelery
djcelery.setup_loader()
BROKER_URL= 'amqp://guest@localhost//'
CELERY_RESULT_BACKEND = 'amqp://guest@localhost//'

其中，當djcelery.setup_loader()運行時，Celery便會去查看INSTALLD_APPS下包含的所有app目錄中的tasks.py文件，找到標記為task的方法，將它們注冊為celery task。BROKER_URL和CELERY_RESULT_BACKEND分別指代你的Broker的代理地址以及Backend（result store）數據存儲地址。在Django中如果沒有設置backend，會使用其默認的后臺數據庫用來存儲數據。注意，此處backend的設置是通過關鍵字CELERY_RESULT_BACKEND來配置，與一般的.py文件中實現(xiàn)celery的backend設置方式有所不同。一般的.py中是直接通過設置backend關鍵字來配置，如下所示：

app = Celery('tasks', backend='amqp://guest@localhost//', broker='amqp://guest@localhost//')

然后，在INSTALLED_APPS中加入djcelery：

INSTALLED_APPS = (
  ……  
  'qv',
  'djcelery'
  ……  
)  

4. 在要使用該任務隊列的app根目錄下（比如qv），建立tasks.py，比如：

在tasks.py中我們就可以編碼實現(xiàn)我們需要執(zhí)行的任務邏輯，在開始處import task，然后在要執(zhí)行的任務方法開頭用上裝飾器@task。需要注意的是，與一般的.py中實現(xiàn)celery不同，tasks.py必須建在各app的根目錄下，且不能隨意命名。

5. 生產任務

在需要執(zhí)行該任務的View中，通過build_job.delay的方式來創(chuàng)建任務，并送入消息隊列。比如：

6. 啟動worker的命令

#先啟動服務器
python manage.py runserver
#再啟動worker 
python manage.py celery worker -c 4 --loglevel=info

四、補充

Django下要查看其他celery的命令，包括參數配置、啟動多worker進程的方式都可以通過python manage.py celery --help來查看:

另外，Celery提供了一個工具flower，將各個任務的執(zhí)行情況、各個worker的健康狀態(tài)進行監(jiān)控并以可視化的方式展現(xiàn)，如下圖所示：

Django下實現(xiàn)的方式如下：　

1. 安裝flower:

pip install flower

2. 啟動flower（默認會啟動一個webserver，端口為5555）:

python manage.py celery flower

3. 進入http://localhost:5555即可查看。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論