作为分布式异步计算框架。虽然Celery常用于Web框架，但也可以单独使用。虽然常规搭配的消息队列是RabbitMQ，但是由于系统在某些情况下已经包含了Redis，所以可以复用。抛开web框架不谈，下面介绍如何基于Redis配置Celery任务。pipinstallcelery[redis]项目结构$treeyour_projectyour_project├──__init__.py├──main.py├──celery.py└──tasks.py0directories,4files其中main.py是触发Task的业务代码。当然，文件名可以随意更改。celery.py是Celery的app定义位置，tasks.py是Task定义位置。不建议修改文件名。配置Celery，在celery.py中写入如下代码：fromceleryimportCeleryfrom.settingsimportREDIS_URLAPP=Celery(main=__package__,broker=REDIS_URL,backend=REDIS_URL,include=[f'{__package__}.tasks'],)APP.conf.update(task_track_started=True)其中REDIS_URL是从同一个配置settings.py导入的，形式大概是redis://localhost:6379/0。这里Redis既用作代理又用作后端。即既是消息队列又是结果反馈的数据库（默认只保存1天）。在include=中需要填写一个下游worker的包名列表。这里选择了同一个包的tasks.py文件。额外设置task_track_started是为了命令Worker反馈STARTED状态。默认情况下，无法知道任务何时开始执行。在tasks.py文件中编写任务和调用，添加异步任务的实现。from.celeryimportAPP@APP.taskdefdo_sth():pass在需要发起任务的地方，使用.apply_async触发异步调用。即它实际上只是向消息队列发送消息，真正的执行操作是远程的。fromcelery.resultimportAsyncResultfrom.tasksimprtdo_sthresult=do_sth.apply_async()assertisinstance(result,AsyncResult)RunWorker：celery-Ayour_projectworker运行原理一个task从触发到完成，时序图如下：其中main代表业务的主要流程代码。它可以是Django、Flask之类的Web服务，也可以是其他类型的进程。Worker指的是Celery的Worker。main发送消息后，会得到一个AsyncResult，里面有task_id。仅通过task_id，也可以自己构造一个AsyncResult来查询相关信息。其中，代表运行进程的主要是状态。worker会继续关注Redis（或其他消息队列，如RabbitMQ）并查询新消息。如果你收到一条新消息，在消费它之后，开始运行do_sth。操作完成后，会将返回值对应的结果和一些操作信息写回Redis（或其他后端，如Django数据库等）。在系统的任何地方，都可以通过对应的AsyncResult(task_id)查询到结果。CeleryTask的状态如下：除了SUCCESS，还有失败（FAILURE）和取消（REVOKED）两种结束状态。RETRY是设置重试机制后进入的临时等待状态。另外，如果清除保存在Redis中的结果信息（默认只保存1天），那么任务状态会再次变为PENDING。这在设计上是一个很大的问题，使用的时候一定要容错。常见的控制操作result=AsyncResult(task_id)#阻塞等待返回result.wait()#取消任务result.revoke()#删除任务记录result.forget()有时候需要等待异步操作的结果主要业务流程。当你需要使用等待。如果要取消排队或执行的任务，可以使用revoke。即使任务已经执行完毕，也可以使用Revoke，但是什么都不会改变。如果需要提前删除任务记录，可以使用forget。
