celery是一个简单的、灵活的、可靠的分布式系统，提供了工具来维护这样一个系统，用于处理大量的信息（实时信息、定时任务安排），是一个任务队列，易于使用，易于和其他语言进行配合。

任务队列

任务队列是一种把任务通过线程或机器进行分发的机制，输入是一个工作单元--任务，工作进程则不断地检查任务队列来执行新任务。celery使用消息来通信，流程为：客户端添加消息到队列来初始化一个任务，然后消息队列系统把消息分发给工作进程。celery可以包含多个工作进程和消息系统，来保证高可用性和进行水平扩展。

特性

简单，不需要配置文件，高可靠性（工作进程和客户端在连接丢失或失败时会自动重试，一些支持HA的消息系统可以做主主、主从扩展），快速（每分钟处理几百万任务，通过使用RabbitMQ librabbitmq 和 一些优化设置），它的每一部分都可以灵活地扩展（自定义的pool，序列化方式，压缩，日志，周期任务，消费者，生产者），支持的消息队列系统（redis rabbitmq），支持的结果存储（django sqlalchemy redis amqp），并发支持（多进程，eventlet gevent，单线程），序列化方式（json pickle yaml msgpack）。

自带的监控功能，工作流，资源泄露预防，处理速率、运行时间控制

消息队列

rabbitmq 功能完整、稳定、耐用、易安装，作为生产环境很合适。

redis 也是功能完整的，但是丢失数据的可能性较高，如被停止或停电。

应用

需要一个celery实例，即应用。这个应用是使用所有东西的进入点，例如创建任务、管理工作进程，必须可被其他模块引入。

tasks.py

# coding: utf8from celery import Celeryapp = Celery('tasks', broker='pyamqp://guest@localhost//')# 传入的tasks参数即当前的模块名称，broker即为消息队列的地址# ampb(RabbitMQ) redis# 下面创建任务@app.taskdef add(x, y):    return x + y

执行程序，启动服务器：

celery -A tasks worker --loglevel=info

调用

from tasks import addadd.delay(4, 4)

现在task是被之前启动的工作进程来执行，返回值是一个AsyncResult，可以用来判断任务的状态、等待该任务执行完毕或是获得它的返回值。默认是不返回的，需要配置result backend，也可以在工作进程的命令行输出窗口中看到。

保存结果

可以使用很多backend 例如Django的ORM、SQLAlchemy，Redis，RabbitMQ。

app = Celery('tasks', backend='rpc://', broker='pyamqp://')# 这边使用的backend是RabbitMQ的rpc远程调用result = add.delay(4, 4)  # 现在就可以获得返回的result了result.ready()  # 判断任务是否执行完成result.get(timeout=1)  # 等待任务执行（一般不用）# 如果任务出错了这边也会直接获得异常 或：result.get(propagate=False)  # 不抛出result.traceback  # 再获得异常信息

配置

app.conf.task_serializer = 'json'# 设置task的序列化方式# 一次设置很多选项app.conf.update(    task_serializer='json',    accept_content=['json'],    result_serializer='json',)

使用配置模块：

app.config_from_object('celeryconfig')

celeryconfig.py

broke_url = 'pyamqp://'task_serializer = 'json'task_serializer = 'json'result_serializer = 'json'accept_content = ['json']timezone = 'Europe/Oslo'enable_utc = True

如果想测试配置文件是否有语法问题，和普通的py文件一样，使用：

python -m celeryconfig