celery分布式任务部署多台机器，形成一发布者，多消费者（每个消费者处理不同任务）

最新推荐文章于 2025-10-29 16:25:27 发布
原创 最新推荐文章于 2025-10-29 16:25:27 发布 · 2.9k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#分布式 #python

本文介绍了如何使用Celery在多台机器上部署分布式任务，形成一个发布者和多个消费者模式。发布者负责发布任务到调度者（如Redis），消费者从调度者获取并执行任务，结果存储在结果存储队列中。任务发布者和消费者代码分别位于不同的机器上，通过配置文件`celery_config.py`进行设置。消费者机器上运行`main.py`启动任务发布，通过查看消费者状态确认任务执行。
部署运行你感兴趣的模型镜像

这里写自定义目录标题

celery分布式任务部署多台机器，形成一发布者，多消费者（每个消费者处理不同任务）

先上图
结构图主要结构分为
任务发布者：发布任务到调度者中
调度者：一般为消息队列的存储，如redis
任务消费者：从调度者获取任务，消费任务，返回结果
结果存储：和调度者配对，消费者可以将结果反馈给结果存储队列

直接上代码

任务发布者：
main.py

# This is a sample Python script.

# Press Shift+F10 to execute it or replace it with your code.
# Press Double Shift to search everywhere for classes, files, tool windows, actions, and settings.
from celery import Celery
import celery_config

if __name__ == '__main__':
    try:
        app = Celery('tasks', broker=celery_config.broker_url)
        # 此处的 celeryConfig 即 服务器A 上的配置，可以完全复制过来
        app.config_from_object(celery_config)
        print(app)
        #  1. 此处 send_task(), 直接使用任务的名称，之前使用 tasks.say_hello 没有成功
        #  2. 如果有 queue ，建议指定
        #  3. 可以直接传参数的
        for i in range(1, 10):
            print(i)
            app.send_task("tasks.add", queue=celery_config.task_queues[0], args=(i, i))
            app.send_task("tasks.multiply", queue=celery_config.task_queues[1], args=(i, i))
    except Exception as e:
        print(e)
        print("error")

任务发布者配置文件celery_config.py

from celery.schedules import crontab
from kombu import Queue
from kombu import Exchange
# celery的配置
from datetime import timedelta

broker_url = r"redis://IP:6379/5"
# broker_url = r"redis://127.0.0.1:6379/5"
# 结果存储地址
# CELERY_RESULT_BACKEND = r"redis://127.0.0.1:6379/3"
result_backend = r"redis://IP:6379/6"
# result_backend = r"redis://127.0.0.1:6379/6"
# 任务序列化方式, 4.0版本后默认为json
# CELERY_TASK_SERIALIZER ='json'
task_serializer = "json"

#  任务执行结果序列化方式
serializer = 'json'
#  任务结果保存时间，超过这个会删除结果
result_expires = 60 * 60 * 5
# 指定任务接受的内容类型(序列化),默认值：Default: {'json'} (set, list, or tuple). 按需要可以变成['application/json']
accept_content = {'json'}
# 时区
timezone = "Asia/Shanghai"
enable_utc = True
worker_concurrency = 5  # celery worker并发数
worker_max_tasks_per_child = 5  # 每个worker最大执行任务数

"""
这里task_queues和task_routes需要成对出现
"""
task_queues = (
    Queue('priority_low', exchange=Exchange('priority', type='direct'), routing_key='priority_low'),
    Queue('priority_high', exchange=Exchange('priority', type='direct'), routing_key='priority_high'),
)
task_routes = ([
                   ('tasks.add', {'queue': 'priority_low'}),
                   ('tasks.multiply', {'queue': 'priority_high'}),
               ],)
# task_annotations = {
#     'tasks.add': {'rate_limit': '10/m'}
# }

假设任务发布者在机器A:114.10.112.1
消费者代码可以在机器B：114.10.112.3，机器C：114.10.112.3

任务消费者代码tasks.py

from celery import Celery
from celery import Task
from kombu import Queue
import time

app = Celery('tasks')
app.config_from_object('celery_config')


class CallbackTask(Task):
    def on_success(self, retval, task_id, args, kwargs):
        print
        "----%s is done" % task_id

    def on_failure(self, exc, task_id, args, kwargs, einfo):
        pass


@app.task(base=CallbackTask)
def add(x, y):
    return x + y


@app.task(base=CallbackTask)
def multiply(x, y):
    return x * y

消费者配置文件其实可以和发布者同一份的celery_config.py

from celery.schedules import crontab
from kombu import Queue
from kombu import Exchange
# celery的配置
from datetime import timedelta

broker_url = r"redis://IP:6379/5"
# broker_url = r"redis://127.0.0.1:6379/5"
# 结果存储地址
# CELERY_RESULT_BACKEND = r"redis://127.0.0.1:6379/3"
result_backend = r"redis://IP:6379/6"
# result_backend = r"redis://127.0.0.1:6379/6"
# 任务序列化方式, 4.0版本后默认为json
# CELERY_TASK_SERIALIZER ='json'
task_serializer = "json"

#  任务执行结果序列化方式
serializer = 'json'
#  任务结果保存时间，超过这个会删除结果
result_expires = 60 * 60 * 5
# 指定任务接受的内容类型(序列化),默认值：Default: {'json'} (set, list, or tuple). 按需要可以变成['application/json']
accept_content = {'json'}
# 时区
timezone = "Asia/Shanghai"
enable_utc = True
worker_concurrency = 5  # celery worker并发数
worker_max_tasks_per_child = 5  # 每个worker最大执行任务数

"""
这里task_queues和task_routes需要成对出现
"""
task_queues = (
    Queue('priority_low', exchange=Exchange('priority', type='direct'), routing_key='priority_low'),
    Queue('priority_high', exchange=Exchange('priority', type='direct'), routing_key='priority_high'),
)
task_routes = ([
                   ('tasks.add', {'queue': 'priority_low'}),
                   ('tasks.multiply', {'queue': 'priority_high'}),
               ],)
# task_annotations = {
#     'tasks.add': {'rate_limit': '10/m'}
# }

##执行：

  1. 在消费者的机器上执行语句
celery -A tasks worker -l info
  1. 运行任务发布者代码main.py
  2. 在消费者上查看运行：例如
[2022-06-28 01:18:29,584: INFO/ForkPoolWorker-32] Task tasks.add[7e13e4b8-c1b7-43b8-a2a7-51c1b2d1030e] succeeded in 0.0162409320474s: 60
[2022-06-28 01:18:29,593: INFO/MainProcess] Received task: tasks.multiply[2b31ef5f-bab3-4180-8354-8f8d9bfec5b7]
[2022-06-28 01:18:29,603: INFO/ForkPoolWorker-32] Task tasks.multiply[2b31ef5f-bab3-4180-8354-8f8d9bfec5b7] succeeded in 0.00781027879566s: 2401
[2022-06-28 01:18:35,576: INFO/ForkPoolWorker-32] Task tasks.add[ccdf0e93-e251-49ab-9fed-f1243d62d704] succeeded in 0.00809998437762s: 62
[2022-06-28 01:18:41,451: INFO/ForkPoolWorker-32] Task tasks.add[95f7e944-5212-414e-b9f7-1b7b6bd9767f] succeeded in 0.00829892139882s: 64
[2022-06-28 01:18:47,467: INFO/ForkPoolWorker-32] Task tasks.add[979d91dc-3383-4da0-8421-3b5022dc32d3] succeeded in 0.00784247461706s: 66
[2022-06-28 01:18:52,999: INFO/ForkPoolWorker-33] Task tasks.add[2d6607a2-7827-4004-bcd2-434e5a3d2e55] succeeded in 0.0149132078514s: 68
[2022-06-28 01:18:59,003: INFO/ForkPoolWorker-33] Task tasks.add[f1edfbb2-868b-480a-926e-cfccb7f0511c] succeeded in 0.00704497192055s: 70
[2022-06-28 01:19:05,017: INFO/ForkPoolWorker-33] Task tasks.add[14c57953-c245-4b7b-81de-fa3fe9a8fabb] succeeded in 0.00671916175634s: 72
[2022-06-28 01:19:11,029: INFO/ForkPoolWorker-33] Task tasks.add[e59431df-f8f8-4c5f-a6f2-b6a593cea887] succeeded in 0.00702722277492s: 74
[2022-06-28 01:19:17,047: INFO/ForkPoolWorker-33] Task tasks.add[c644e4a4-ac3d-4867-a368-9c6dec327447] succeeded in 0.0072121405974s: 76
[2022-06-28 01:19:23,586: INFO/ForkPoolWorker-34] Task tasks.add[bd9a7dd0-9dda-4085-af66-a42ad5c4236e] succeeded in 0.015624540858s: 78
[2022-06-28 01:19:29,578: INFO/ForkPoolWorker-34] Task tasks.add[e26475a6-b6eb-446a-818a-cab551acc0b6] succeeded in 0.0080521190539s: 80
[2022-06-28 01:19:35,578: INFO/ForkPoolWorker-34] Task tasks.add[1f9760be-db5b-4963-b908-b1f2fb61cec8] succeeded in 0.00765205454081s: 82
[2022-06-28 01:19:41,577: INFO/ForkPoolWorker-34] Task tasks.add[96a27b4a-26bf-4d9e-8bea-8ecc3674cfab] succeeded in 0.00761856790632s: 84
[2022-06-28 01:19:47,577: INFO/ForkPoolWorker-34] Task tasks.add[35b507c5-1e30-4c00-a892-b43e04fde8ce] succeeded in 0.00773773994297s: 86
[2022-06-28 01:19:53,239: INFO/ForkPoolWorker-35] Task tasks.add[e7a3a2cc-9783-47e3-b46c-f28bce2e25be] succeeded in 0.0138604240492s: 88
[2022-06-28 01:19:59,264: INFO/ForkPoolWorker-35] Task tasks.add[af855ecf-b338-4036-be65-be4873811ae6] succeeded in 0.00668231397867s: 90
[2022-06-28 01:20:05,083: INFO/ForkPoolWorker-35] Task tasks.add[53946d25-c546-4b82-9fd5-843c4a296644] succeeded in 0.00653785746545s: 92
[2022-06-28 01:20:11,096: INFO/ForkPoolWorker-35] Task tasks.add[d06681d6-f2fc-4595-a879-7763af5f9355] succeeded in 0.00734963081777s: 94
[2022-06-28 01:20:17,107: INFO/ForkPoolWorker-35] Task tasks.add[98542ae6-6bf3-4894-8c3b-ee4d298f12c8] succeeded in 0.00668479222804s: 96
[2022-06-28 01:20:22,628: INFO/ForkPoolWorker-36] Task tasks.add[8f3c80e1-b84d-4a07-9b9c-0b369ceca9c3] succeeded in 0.014791207388s: 98
[2022-06-28 01:28:38,974: INFO/MainProcess] Received task: tasks.add[5acbc926-2a1f-4e8e-bf61-a3bff440d2e2]
[2022-06-28 01:28:38,982: INFO/ForkPoolWorker-36] Task tasks.add[5acbc926-2a1f-4e8e-bf61-a3bff440d2e2] succeeded in 0.00682080816478s: 2
[2022-06-28 01:28:39,106: INFO/MainProcess] Received task: tasks.multiply[dd50cc15-8575-4c6f-8967-c4981048075f]
[2022-06-28 01:28:39,115: INFO/ForkPoolWorker-36] Task tasks.multiply[dd50cc15-8575-4c6f-8967-c4981048075f] succeeded in 0.00673878751695s: 1
[2022-06-28 01:28:39,150: INFO/MainProcess] Received task: tasks.add[43761afa-a0d1-4be0-9600-df7a4d24fe9e]
[2022-06-28 01:28:39,220: INFO/MainProcess] Received task: tasks.multiply[fc8fed3c-ad94-4347-9cde-63dacd11f6cc]
[2022-06-28 01:28:39,228: INFO/ForkPoolWorker-36] Task tasks.multiply[fc8fed3c-ad94-4347-9cde-63dacd11f6cc] succeeded in 0.00698931328952s: 4
[2022-06-28 01:28:39,288: INFO/MainProcess] Received task: tasks.add[d29fccd3-2f8d-4092-8630-b453d6ae7f4f]
[2022-06-28 01:28:39,343: INFO/MainProcess] Received task: tasks.multiply[0e8bf18b-0d1f-48fc-8a87-dc21dbf51d43]
[2022-06-28 01:28:39,352: INFO/ForkPoolWorker-36] Task tasks.multiply[0e8bf18b-0d1f-48fc-8a87-dc21dbf51d43] succeeded in 0.00705090351403s: 9
[2022-06-28 01:28:39,386: INFO/MainProcess] Received task: tasks.add[5f89d120-3333-45ef-8f2b-ec7445e8f433]
[2022-06-28 01:28:39,430: INFO/MainProcess] Received task: tasks.multiply[de2d4151-ca05-4af4-930c-ca529bec4145]
[2022-06-28 01:28:39,502: INFO/MainProcess] Received task: tasks.add[a0b176c3-e3f0-4f82-a6ea-22d4c0bada6b]
[2022-06-28 01:28:39,511: INFO/ForkPoolWorker-28] Task tasks.multiply[de2d4151-ca05-4af4-930c-ca529bec4145] succeeded in 0.00704519171268s: 16
[2022-06-28 01:28:39,518: INFO/MainProcess] Received task: tasks.multiply[e4ad007e-9567-44f9-a62c-b93f9516d9dc]
[2022-06-28 01:28:39,536: INFO/ForkPoolWorker-37] Task tasks.multiply[e4ad007e-9567-44f9-a62c-b93f9516d9dc] succeeded in 0.0156515864655s: 25
[2022-06-28 01:28:39,570: INFO/MainProcess] Received task: tasks.add[dd601cec-40fa-4451-aaba-bb3b340dcc42]
[2022-06-28 01:28:39,686: INFO/MainProcess] Received task: tasks.multiply[3d340759-2552-4b45-a08a-7c93b4b81ce3]
[2022-06-28 01:28:39,695: INFO/ForkPoolWorker-37] Task tasks.multiply[3d340759-2552-4b45-a08a-7c93b4b81ce3] succeeded in 0.00707320123911s: 36
[2022-06-28 01:28:39,696: INFO/MainProcess] Received task: tasks.add[240b1951-92b3-4c36-a6bf-2dee2d57554a]
[2022-06-28 01:28:39,734: INFO/MainProcess] Received task: tasks.multiply[fae3dc33-ad25-4fd4-ba2a-65f6b6477915]
[2022-06-28 01:28:39,743: INFO/ForkPoolWorker-37] Task tasks.multiply[fae3dc33-ad25-4fd4-ba2a-65f6b6477915] succeeded in 0.00721634179354s: 49
[2022-06-28 01:28:39,778: INFO/MainProcess] Received task: tasks.add[c8a32c9a-51ea-4e8c-b7c1-bab9b25ef81c]
[2022-06-28 01:28:39,824: INFO/MainProcess] Received task: tasks.multiply[0b98e952-72de-46c9-a5e6-711e1b7cc3b3]
[2022-06-28 01:28:39,833: INFO/ForkPoolWorker-37] Task tasks.multiply[0b98e952-72de-46c9-a5e6-711e1b7cc3b3] succeeded in 0.00693809334189s: 64
[2022-06-28 01:28:39,871: INFO/MainProcess] Received task: tasks.add[a35d9339-45ac-48e7-b2ed-6c30e44709fe]
[2022-06-28 01:28:39,922: INFO/MainProcess] Received task: tasks.multiply[90553245-97bd-40d5-9fe4-35ac81744225]
[2022-06-28 01:28:39,931: INFO/ForkPoolWorker-37] Task tasks.multiply[90553245-97bd-40d5-9fe4-35ac81744225] succeeded in 0.00734540447593s: 81
[2022-06-28 01:28:45,716: INFO/ForkPoolWorker-39] Task tasks.add[43761afa-a0d1-4be0-9600-df7a4d24fe9e] succeeded in 0.0192958954722s: 4
[2022-06-28 01:28:51,331: INFO/ForkPoolWorker-39] Task tasks.add[d29fccd3-2f8d-4092-8630-b453d6ae7f4f] succeeded in 0.00756212696433s: 6
[2022-06-28 01:28:57,276: INFO/ForkPoolWorker-39] Task tasks.add[5f89d120-3333-45ef-8f2b-ec7445e8f433] succeeded in 0.00807804707438s: 8
[2022-06-28 01:29:03,454: INFO/ForkPoolWorker-39] Task tasks.add[a0b176c3-e3f0-4f82-a6ea-22d4c0bada6b] succeeded in 0.00738424248993s: 10
[2022-06-28 01:29:09,755: INFO/ForkPoolWorker-39] Task tasks.add[dd601cec-40fa-4451-aaba-bb3b340dcc42] succeeded in 0.00734733697027s: 12
[2022-06-28 01:29:15,777: INFO/ForkPoolWorker-40] Task tasks.add[240b1951-92b3-4c36-a6bf-2dee2d57554a] succeeded in 0.0133697129786s: 14
[2022-06-28 01:29:21,593: INFO/ForkPoolWorker-40] Task tasks.add[c8a32c9a-51ea-4e8c-b7c1-bab9b25ef81c] succeeded in 0.00677690654993s: 16
[2022-06-28 01:29:27,102: INFO/ForkPoolWorker-40] Task tasks.add[a35d9339-45ac-48e7-b2ed-6c30e44709fe] succeeded in 0.00660693272948s: 18

您可能感兴趣的与本文相关的镜像

Wan2.2-T2V-A5B

Wan2.2-T2V-A5B

文生视频
Wan2.2

Wan2.2是由通义万相开源高效文本到视频生成模型，是有​50亿参数的轻量级视频生成模型，专为快速内容创作优化。支持480P视频生成，具备优秀的时序连贯性和运动推理能力

I am ZD
关注
Python Celery分布式任务队列（1）--celery介绍+集群部署+参数了解
qq_35061334的博客
05-31 7891
目录1、安装，集群部署1.1、server节点1.1.1、安装celery1.1.2、安装redis-server1.1.2、选择中间人（Broker）1.1.3、拷贝任务代码到机子上1.2、worker节点1.2.1、安装celery1.2.2、拷贝任务代码到机子上介绍 1、安装，集群部署 1.1、server节点 1.1.1、安装celery 如果使用 Redis 作为中间人（Broker）必须要安装 Celery 的依赖库，您可以通过 celery[redis] 进行安装： pip3 install
可能是最详细的Celery微服务分布式系统任务提交流程
qq_35869630的博客
04-12 2177
一、Celery分布式系统构建简介 1、Celery简介 Celery是一个简单、灵活且可靠的，处理大量消息的分布式系统，专注于实时处理的异步任务队列， 同时也支持任务调度，Celery一个worker就是一个守护进程。 2、组件 在网上可以搜到Celery分布式组件大概是由这三个组件构成，Celery+RabbitMQ+Redis,当然也可以用MySQL,这种中间件的选择可以根据你的业务情况来选...
从单机到集群：Celery分布式调度进阶之路，你走了几步？
SimTrans的博客
10-04 880
掌握Celery分布式任务调度，轻松应对高并发异步任务处理。本文详解从单机部署到集群架构的进阶路径，涵盖任务队列、Broker选择、Worker扩展与性能优化等核心方法，适用于Web后端、定时任务等场景，提升系统可扩展性与稳定性，值得收藏。
celery 集群配置
最新发布
qq_34410634的博客
10-29 86
【代码】celery 集群配置。
分布式任务队列：Celery 最佳实践
三余知行
08-23 2829
在现代应用开发中，通过正确配置、合理使用各种功能以及监控管理，开发者可以构建出高效且可靠的异步任务处理系统。我们还探讨了异步任务的高级使用、特定应用场景中的优化、任务的故障与恢复策略，以及团队协作的最佳实践。Celery 的优势在应对复杂业务要求时尤为明显，随着需求的变化与大规模需求下推动下，Celery 的引入将会是提升开发效率与应用性能的一个不错选择。
django-celery异步任务以及多机器部署(Krpano实现全景图)
右手开外的博客
11-22 2737
django-celery 项目，包括多机器部署（等待linux执行完 ，windows执行，等待完成后，linux在执行），包括前后台交互，初学者，写的一般，项目比较大，未上传，需要私聊：qq:251063482 ...
celery实现分布式
无痕的博客
12-05 1915
框架图： task.py： # -*- coding: utf-8 -*- from celery import Celery from celery.schedules import timedelta from celery.task import periodic_task class Config: BROKER_URL = 'redis://10.21.144.11...
Celery分布式任务队列
bill的博客
06-06 905
Celery 是一个流行的分布式任务队列，它支持异步处理、任务调度和分布式消息传递。开发者可以使用 Celery 来实现异步处理任务，比如发送电子邮件、生成报告、定时任务等。Celery 通过消息代理（如 RabbitMQ、Redis）来进行任务调度和分发，它可以在多台机器上同时运行任务，并且支持任务的重试和定时执行。Celery 还提供了监控和管理工具，以便开发者可以方便地查看任务的执行状态和性能指标。
Celery分布式任务队列简介与应用
标签中的“分布式”体现了 Celery 可跨多台机器部署 Worker 节点，形成任务处理集群；“任务队列”指其本质是一个先进先出的任务管理系统；“异步任务”强调非阻塞性质；“消息队列”说明其底层通信依赖于消息中间件...
Machinery：Go语言的Celery分布式任务队列
Machinery 是一个基于 Go 语言（Golang）实现的分布式任务队列框架，其设计灵感来源于 Python 中广受欢迎的任务调度系统 Celery，因此在项目描述中被称为“Celery for Golang”。该项目由开发者 RichardKnop 创建并...
celery 分布式部署
03-01
每个worker可以运行在一个独立服务器上，它们共同连接到同一个消息代理(broker)，从而形成一个分布式的架构体系。确保各个工作进程能够均匀地接收到来自生产者发布的异步请求并执行相应的函数调用逻辑。 ```bash ...
分布式异步任务神器-Celery
somezz的专栏
09-03 7190
最近研究了下异步任务神器-Celery，发现非常好用，可以说是高可用，假如你发出一个任务执行命令给 Celery，只要 Celery 的执行单元 (worker) 在运行，那么它一定会执行；如果执行单元 (worker) 出现故障，如断电，断网情况下，只要执行单元 (worker) 恢复运行，那么它会继续执行你已经发出的命令。这一点有很强的实用价值：假如有交易系统接到了大量交易请求，主机却挂了...
celery分布式
一个程序员的成长之路。。。
04-15 2185
Celery的分布式实际包含两个层次： Distribute work on a given machine across all CPUs Distribute work to many machines 先说第一点，默认情况下，Celery在一台机器上启动worker，worker的进程数量和机器的CPU个数一致。比如你的机器只有一个CPU，例如，同时启动5个worker进程，其中concurr
一文读懂 Python 分布式任务队列 celery
Python中文社区
05-06 1168
作者：wedo实验君, 数据分析师；热爱生活，热爱写作1.什么是celerycelery是一个简单，灵活、可靠的分布式任务执行框架，可以支持大量任务的并发执行。celery采用典型生产者...
分布式异步任务框架celery
m0_61810345的博客
03-21 2587
celery只是用来调度任务的，但是它本身并不具备存储任务的功能，而调度任务的时候肯定是要把任务存起来，因此要使用celery的话，还需要搭配一些具有存储、访问功能的工具，比如：消息队列、Redis缓存、数据库等。如果延迟任务提交了，但是worker没启动，等延迟的时间，worker再启动，任务会立马启动。异步调用函数--》add--》执行5s钟--》执行完的数据，找个地方存起来。同步调用函数 --》add--》执行5s钟--》数据返回了。调用方--》去存的地方看一下--》任务有没有执行完。
celery-分布式系统
ǫɪ ԃα√‘的博客
12-29 825
Celery: Celery是一个简单。灵活可靠的，处理大量消息的分布式系统，专注于实时处理的任务队列，同事也支持任务调度 celery中的几个对象要知道： broker:消息传输的中间键，生产者一旦有消息发送，将发送至broker(RQ,redis) backend:用于存储消息/任务结果，如果需要跟踪和查询任务状态，则需要添加相关配置 worker:也就是消费者，工作者，它需要独立启动的 #test.py from celery import Celery #初始化celery, app =
笔记：集群部署celery分布式任务队列
0x8g1T9E-
03-30 6380
https://www.213.name/archives/1105 https://zhuanlan.zhihu.com/p/100109543 估计来看此文的已经对celery有一些了解了，基本概念不再赘述。 网上找来找去全都是单机版的基础部署教程，也没有深入讲解分布式的部署过程。没办法只好靠着我渣渣英语强行研究了一波官方文档。 只有三台阿里云的服务器，不过做集群演示是够了。服务器配置比...
Celery分布式应用
自由 平等~忠诚 奉献
07-22 6667
最近有应用需要部署到不同的服务器上运行，但是有没有PBS这样的调度系统，就想起来Python的调度神器 Celery。现在针对我的实际应用做一些记录。1. 安装因为我并不注重结果而是把命令拿到不同的机器上运行，所以消息代理和结果保存我都选择了 Redis# 只需要在一台服务器上安装 redis，其他服务器均使用该服务器redis即可 sudo apt-get install redis-server
Celery - 分布式任务队列
IT之一小佬的博客
12-29 2488
Celery - 分布式任务队列
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值