一、简介
Celery 是一款非常简单、灵活、可靠的分布式任务队列系统，可用于处理大量消息，实时数据以及任务调度，并且提供了一系列工具。
Celery 通过消息机制进行通信，通常使用中间人（Broker）作为客户端和职程（Worker）调节。启动一个任务，客户端向消息队列发送一条消息，然后中间人（Broker）将消息传递给一个职程（Worker），最后由职程（Worker）进行执行中间人（Broker）分配的任务。
架构图如下：
Celery 可以有多个职程（Worker）和中间人（Broker），用来提高Celery的高可用性以及横向扩展能力。
Celery 是用 Python 编写的，但协议可以用任何语言实现。除了 Python 语言实现之外，还有Node.js的 node-celery 和 php 的 celery-php。
它具有如下这些优点：
- 简单，不需要配置文件就可以直接运行
- 高可用，如果出现丢失连接或连接失败，职程（Worker）和客户端会自动重试，并且中间人通过 主/主 主/从 的方式来进行提高可用性。
- 快速，单个 Celery 进行每分钟可以处理数以百万的任务，而且延迟仅为亚毫秒
- 灵活，Celery 的每个部分几乎都可以自定义扩展和单独使用，例如自定义连接池、序列化方式、压缩方式、日志记录方式、任务调度、生产者、消费者、中间人（Broker）等
二、安装
使用 pip 进行安装：
pip install -U Celery
Celery 自定义了一组用于安装 Celery 和特定功能的依赖。
您可以在中括号加入您需要依赖，并可以通过逗号分割需要安装的多个依赖包。
pip install "celery[librabbitmq,redis,auth,msgpack]"
具体有哪些依赖包，可以自行去官网查看。
三、简单使用
创建第一个 Celery 实例程序，我们把创建 Celery 程序成为 Celery 应用或直接简称 为 app，创建的第一个实例程序可能需要包含 Celery 中执行操作的所有入口点，例如创建任务、管理职程（Worker）等，所以必须要导入 Celery 模块。
首先创建 tasks.py：
from celery import Celery
app = Celery('tasks', broker='amqp://guest@localhost//')
@app.task
def add(x, y):
return x + y
Celery（）第一个参数为当前模块的名称，第二个参数为中间人（Broker）的链接 URL ，实例中使用的 RabbitMQ（Celery默认使用的也是RabbitMQ）。
现在可以使用 worker 参数进行执行我们刚刚创建职程（Worker）：
$ celery -A tasks worker --loglevel=info
需要调用我们创建的实例任务，可以通过 delay() 进行调用。
delay() 是 apply_async() 的快捷方法，可以更好的控制任务的执行：
>>> from tasks import add
>>> add.delay(4, 4)
该任务已经有职程（Worker）开始处理，可以通过控制台输出的日志进行查看执行情况。
如果您需要跟踪任务的状态，Celery 需要在某处存储任务的状态信息，例如使用Redis作为Celery结果后端。
app = Celery('tasks', backend='redis://localhost', broker='pyamqp://')
四、配置
大多数情况下，使用默认的配置就可以满足，也可以按需配置。针对大型的项目，建议使用专用配置模块，进行针对 Celery 配置，一般在同级目录下创建一个名为 celeryconfig.py 的文件，通过 app.config_from_object() 进行加载配置模块：
app.config_from_object('celeryconfig')
配置示例：
broker_url = 'pyamqp://'
result_backend = 'rpc://'
task_serializer = 'json'
result_serializer = 'json'
accept_content = ['json']
timezone = 'Europe/Oslo'
enable_utc = True
可以通过以下命令来进行验证配置模块是否配置正确：
$ python -m celeryconfig
