接着上一篇Python Django 实现restful API ，本次目的是为了实现异步任务

先从需求说起

• 接口实现之后，需要异步跑自动化任务，因为自动化执行是耗时耗资源的操作，不可能在请求发出去后一直等待全部结果返回，所以需要实现异步。

• 环境：

  Python3.6 , PyCharm, W7

• Celery介绍：

  • 安装：

    pip install celery
    pip install djcelery

  • Celery DOC

  • Celery是一个简单、灵活可靠的，处理大量消息的分布式系统，它是一个专注于实时处理的任务队列， 同时也支持任务调度。

  • Celery中有两个比较关键的概念

    Worker: worker 是一个独立的进程，它持续监视队列中是否有需要处理的任务；

    Broker: broker 也被称为中间人或者协调者，broker 负责协调客户端和 worker 的沟通。客户端向 队列添加消息，broker 负责把消息派发给 worker。

• 项目结构：
  

• 实现：

  • 编写代码：

    1. 修改项目setting.py配置

       
       # celery 配置
       
       djcelery.setup_loader()
       BROKER_URL = 'django://'  # 使用django做broker
       CELERYBEAT_SCHEDULER = 'djcelery.schedulers.DatabaseScheduler'  # 定时任务.
       CELERY_RESULT_BACKEND = 'djcelery.backends.database:DatabaseBackend'  # 需要跟踪任务的状态时保存结果和状态
       CELERY_ENABLE_UTC = False  # 不用UTC.
       CELERY_TIMEZONE = 'Asia/Shanghai'  # 指定上海时区
       CELERY_ACCEPT_CONTENT = ['pickle', 'json', 'msgpack', 'yaml']  # 允许的格式
       CELERY_TASK_SERIALIZER = 'json'
       CELERY_RESULT_SERIALIZER = 'json'
       CELERY_IGNORE_RESULT = True
       
       INSTALLED_APPS = [
           'djcelery',# 新增
           'kombu.transport.django',  # 新增kombu.transport.django则是基于Django的broker
           ]
       

    2. 在项目下新建celery.py 如上图

       from __future__ import absolute_import, unicode_literals
       import os
       from celery import Celery
       
       os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'AutoApi.settings')
       
       app = Celery('AutoApi')
       
       app.config_from_object('django.conf:settings')
       
       app.autodiscover_tasks()
       

    3. 在应用下新建tasks.py 如上图

       @shared_task
       def running(env, project, cases):
       print('开始执行异步任务') 
       print(env,project,cases)
       
       # test_cases_runing(env, project, cases) 启动自动化测试
       
       return 1

    4. 创建Celery所需的数据表

       python manage.py migrate

    5. 启动Django服务

       python manage.py runserver 0.0.0.0:8090

    6. 启动celery worker 服务

       celery -A AutoApi worker -l info

    7. celer worker 启动成功提示

       提示 [2017-11-03 20:30:17,526: WARNING/MainProcess] celery@SHANB040312 ready.
       代码celery worker 服务启成功了

    8. postman 请求如下图,可以看到响应的时间是毫秒
       

    9. 看下console celery worker 的输出,可以看到成功执行了我们的异步任务

       [2017-11-03 20:39:25,234: INFO/MainProcess] Received task: Api.tasks.running[8a994909-a139-4f2a-bcdd-58b6280a2bc3]
       [2017-11-03 20:39:31,740: WARNING/Worker-1] 开始执行异步任务
       [2017-11-03 20:39:31,740: WARNING/Worker-1] sit
       [2017-11-03 20:39:31,741: WARNING/Worker-1] zhengxin
       [2017-11-03 20:39:31,741: WARNING/Worker-1] test_taiyue.py
       [2017-11-03 20:39:31,742: INFO/MainProcess] Task Api.tasks.running[8a994909-a139-4f2a-bcdd-58b6280a2bc3] succeeded in 0s: 1

其中有很多细节可以优化

• broker 可以使用RabbitMQ 和 Redis
• worker 可以再多启几个进程, 可以使用
• 可以启用 Celery Flower 它是一个 celery 的监控工具，它提供了一个图形用户界面，可以极大的方便我们监控任务的执行过程， 执行细节及历史记录，还提供了统计功能。

原理(网络资源)：

celery的模块架构

工作原理

以上就是我们的异步任务的实现，后面有机会再总结下定时任务的实现和使用RabbitMQ 。