celery简介

Celery 是一个 基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理， 如果你的业务场景中需要用到异步任务，就可以考虑使用celery， 举几个实例场景中可用的例子:

你想对100台机器执行一条批量命令，可能会花很长时间 ，但你不想让你的程序等着结果返回，而是给你返回 一个任务ID,你过一段时间只需要拿着这个任务id就可以拿到任务执行结果， 在任务执行ing进行时，你可以继续做其它的事情。

你想做一个定时任务，比如每天检测一下你们所有客户的资料，如果发现今天 是客户的生日，就给他发个短信祝福。

Celery有以下优点：

1. 简单：一单熟悉了celery的工作流程后，配置和使用还是比较简单的
2. 高可用：当任务执行失败或执行过程中发生连接中断，celery 会自动尝试重新执行任务
3. 快速：一个单进程的celery每分钟可处理上百万个任务
4. 灵活： 几乎celery的各个组件都可以被扩展及自定制

Celery包括如下组件：

• Celery Beat

任务调度器，Beat进程会读取配置文件的内容，周期性的将配置中到期需要执行的任务发送给任务队列

• celery Worker

执行任务的消费者，通常会在多台服务器运行多个消费者来提高执行效率

• Broker

消息代理，或者叫做消息中间件，接受任务生产者发送过来的任务消息，存进队列在按序分发给任务消费方（通常是消息队列或者数据库）

• Producer

调用了Celery提供的API，函数或者装饰器而产生任务并交给任务队列处理的都是任务生产者

• Result Backend

任务处理完后保存状态信息和结果，以供查询。Celery默认已支持 Redis，RabbitMQ， MongoDB，Django ORM，SQLAIchemy等方式

Celery目前支持很多第三方软件作为消息代理，但适用于生产环境的只有RabbitMQ和Redis，至于其他的方式，一是支持有限，二是可能得不到更好的技术支持。Celery官方推荐的是RabbitMQ。

在客户端和消费者之间传输数据需要序列化和反序列化，Celery支持如下表的序列化方案：

方案	说明
pickle	pickle是Python标准库中的一个模块，支持Python内置的数据结构，但是它是Python的专有协议。 从Celery3.2开始，由于安全性等原因Celery将拒绝pickle这个方案
json	json支持多种语言，可用于跨语言方案
yaml	yaml的表达能力更强，支持的数据类型比json多，但是python客户端的性能不如json
msgpack	msgpack是一个二进制的类json的序列化方案，但是比json的数据结构更小、更快