安装celery在windows上的步骤和注意事项如下：
由于Celery 4.0版本不支持Windows操作系统，如果在Windows上安装Celery 4.0，会出现以下错误：
flask_clery
因此，你只能安装Celery 3.1版本：
pip install celery==3.1
接下来，安装py for redis模块：
pip install redis
安装Redis服务时需要注意，许多在线文章对系统环境描述不清，导致误导。Redis官方支持Linux，但不支持Windows。要在Windows上使用Redis服务，请从以下地址下载Redis安装包并完成安装：
https://www.php.cn/link/8ee3592d7d251e3f7fe4da469785592b
如果未安装Redis包，将会出现以下错误：
redis.exceptions.ConnectionError: Error 10061 connecting to localhost:6379.
或
redis.exceptions.ConnectionError
注意：安装目录不要选择C盘，否则可能会遇到权限依赖问题。
添加Redis环境变量：
D:\Program Files\Redis
初始化Redis服务：
进入Redis安装目录，打开cmd并运行命令：
redis-server.exe redis.windows.conf
如果出现错误，可以通过双击目录下的
redis-cli.exe并在新窗口中输入
shutdown和
exit来解决。
在Flask中集成Celery时，需要在Flask配置中添加以下配置：
# Celery 配置 CELERY_BROKER_URL = 'redis://localhost:6379/0' # broker是一个消息传输的中间件 CELERY_RESULT_BACKEND = 'redis://localhost:6379/1' # 任务执行器
在Flask工程的
__init__目录下创建Celery实例，注意以下代码必须在Flask app读取完配置文件后编写：
def make_celery(app):
celery = Celery(app.import_name, broker=app.config['CELERY_BROKER_URL'],
backend=app.config['CELERY_RESULT_BACKEND'])
celery.conf.update(app.config)
TaskBase = celery.Task
class ContextTask(TaskBase):
abstract = True
def __call__(self, *args, **kwargs):
with app.app_context():
return TaskBase.__call__(self, *args, **kwargs)
celery.Task = ContextTask
return celery
celery = make_celery(app)完整的示例代码如下：
app = Flask(__name__)
app.config.from_object(config['default'])
def make_celery(app):
celery = Celery(app.import_name, broker=app.config['CELERY_BROKER_URL'],
backend=app.config['CELERY_RESULT_BACKEND'])
celery.conf.update(app.config)
TaskBase = celery.Task
class ContextTask(TaskBase):
abstract = True
def __call__(self, *args, **kwargs):
with app.app_context():
return TaskBase.__call__(self, *args, **kwargs)
celery.Task = ContextTask
return celery
celery = make_celery(app)常用的配置文件示例如下：
# 注意，celery4版本后，CELERY_BROKER_URL改为BROKER_URL
BROKER_URL = 'amqp://username:passwd@host:port/虚拟主机名'
# 指定结果的接受地址
CELERY_RESULT_BACKEND = 'redis://username:passwd@host:port/db'
# 指定任务序列化方式
CELERY_TASK_SERIALIZER = 'msgpack'
# 指定结果序列化方式
CELERY_RESULT_SERIALIZER = 'msgpack'
# 任务过期时间,celery任务执行结果的超时时间
CELERY_TASK_RESULT_EXPIRES = 60 * 20
# 指定任务接受的序列化类型.
CELERY_ACCEPT_CONTENT = ["msgpack"]
# 任务发送完成是否需要确认，这一项对性能有一点影响
CELERY_ACKS_LATE = True
# 压缩方案选择，可以是zlib, bzip2，默认是发送没有压缩的数据
CELERY_MESSAGE_COMPRESSION = 'zlib'
# 规定完成任务的时间
CELERYD_TASK_TIME_LIMIT = 5
# 在5s内完成任务，否则执行该任务的worker将被杀死，任务移交给父进程
# celery worker的并发数，默认是服务器的内核数目,也是命令行-c参数指定的数目
CELERYD_CONCURRENCY = 4
# celery worker 每次去rabbitmq预取任务的数量
CELERYD_PREFETCH_MULTIPLIER = 4
# 每个worker执行了多少任务就会死掉，默认是无限的
CELERYD_MAX_TASKS_PER_CHILD = 40
# 设置默认的队列名称，如果一个消息不符合其他的队列就会放在默认队列里面，如果什么都不设置的话，数据都会发送到默认的队列中
CELERY_DEFAULT_QUEUE = "default"
# 设置详细的队列
CELERY_QUEUES = {
"default": { # 这是上面指定的默认队列
"exchange": "default",
"exchange_type": "direct",
"routing_key": "default"
},
"topicqueue": { # 这是一个topic队列 凡是topictest开头的routing key都会被放到这个队列
"routing_key": "topic.#",
"exchange": "topic_exchange",
"exchange_type": "topic",
},
"task_eeg": { # 设置扇形交换机
"exchange": "tasks",
"exchange_type": "fanout",
"binding_key": "tasks",
},
}在cmd中启动Celery服务：
celery -A your_application.celery worker --loglevel=info
其中，
your_application为你的工程名称，在这里为
get_tieba_film。
调用Celery任务的示例代码如下：
@app.route('/')
@app.route('/index')
def index():
print("耗时的任务")
# 任务已经交给异步处理了
result = get_film_content.apply_async(args=[1])
# 如果需要等待返回值，可以使用get()或wait()方法
# result.wait()
return '耗时的任务已经交给了celery'
<p>@celery.task()
def get_film_content(a):
util = SpiderRunUtil.SpiderRun(TieBaSpider.FilmSpider())
util.start()绑定任务的示例：
@task(bind=True) def add(self, x, y): logger.info(self.request.id)
任务继承的示例：
import celery
class MyTask(celery.Task):
def on_failure(self, exc, task_id, args, kwargs, einfo):
print('{0!r} failed: {1!r}'.format(task_id, exc))</p><p>@task(base=MyTask)
def add(x, y):
raise KeyError()任务名称的设置：
每个任务必须有不同的名称。如果没有显示提供名称，任务装饰器将会自动产生一个，产生的名称会基于这些信息：1）任务定义所在的模块，2）任务函数的名称。
显示设置任务名称的例子：
>>> @app.task(name='sum-of-two-numbers') >>> def add(x, y): ... return x + y >>> add.name 'sum-of-two-numbers'
最佳实践是使用模块名称作为命名空间，这样的话如果有一个同名任务函数定义在其他模块也不会产生冲突。
>>> @app.task(name='tasks.add') >>> def add(x, y): ... return x + y
安装Flower来监控任务和worker的状态：
pip install flower
启动Flower（默认会启动一个webserver，端口为5555）:
celery flower --address=127.0.0.1 --port=5555
进入
<a href="https://www.php.cn/link/070ffad3c0f12da66ca3b5d0c2d23069">https://www.php.cn/link/070ffad3c0f12da66ca3b5d0c2d23069</a>即可查看。
常见错误及其解决方案：
ERROR/MainProcess] consumer: Cannot connect to redis://localhost:6379/0:
原因是：Redis-server没有启动。
解决方案：到Redis安装目录下执行
redis-server.exe redis.windows.conf。
检查Redis是否启动：
redis-cli ping。
line 442, in on_task_received
解决：
Did you remember to import the module containing this task?Or maybe you are using relative imports?Please see <a href="https://www.php.cn/link/dc14e10c0ecf8029a86d27e74d140539">https://www.php.cn/link/dc14e10c0ecf8029a86d27e74d140539</a> for more information.The full contents of the message body was:{'timelimit': (None, None), 'utc': True, 'chord': None, 'args': [4, 4], 'retries': 0, 'expires': None, 'task': 'main.add', 'callbacks': None,'errbacks': None, 'taskset': None, 'kwargs': {}, 'eta': None, 'id': '97000322-93be-47e9-a082-4620e123dc5e'} (210b)Traceback (most recent call last): File "d: m_env lask_cardlibsite-packagesceleryworkerconsumer.py", line 442, in on_task_received strategies[name](message, body,KeyError: 'main.add'原因：任务没有注册或注册不成功，只有在启动的时候提示有任务的时候，才能使用该任务。
flask_celery
解决：
你在那个类中使用Celery就在哪个类中执行
celery -A 包名.类名.celery worker -l info。根据上一部提示的任务列表给任务设置对应的名称，如在Test中：
from main import app, celery @celery.task(name="main.Test.add") def add(x, y): print "ddddsws" return x + y
目录结构：
+ Card # 工程</p><ul><li>main<ul><li>admin<ul><li>Task.py</li></ul></li></ul><ul><li><strong>init</strong>.py</li><li>Test.py
则应该启动的命令为：
celery -A main.Test.celery worker -l info
同时，如果你的Task.py也有任务，那么你还应该重新创建一个cmd窗口执行：
celery -A main.admin.Task.celery worker -l info
Celery的工作进程可以创建多个。
flask_celery
flask_celery
参考：
https://www.php.cn/link/d61f3a760c9bcbc9bb75228deddd9379
https://www.php.cn/link/381dc6cd0e6bfa5feb1f70484171a7a9
Celery用户指南，强烈推荐看Redis安装Celery使用https://redis.io/topics/quickstart
https://www.php.cn/link/c031d32c88833d1f9a2144071eaf34d9 最佳实践
https://www.php.cn/link/f6c744ece7e1a36892eba3a5d2938110
https://www.php.cn/link/337751565e513506b6400ca2ad6ff5df
https://www.php.cn/link/a2667dd894062c9ca2a4602cb4718f52 Celery 和 redis 完成任务队列
