一、 简介
Celery 是一个简单、灵活且足够可靠的分布式消息处理系统，核心是一个专注于实时处理的任务队列，同时也支持任务调度。说白了，它就是为了帮你把那些耗时的操作从主流程里抽出来，异步执行，或者定时执行。
安装也很简单，一行命令搞定：
pip install celery # 看看是否安装成功 pip freeze | grep -i 'celery'
二、名词解释
在真正上手之前，先理清几个关键角色：
- broker——消息传输的中间件。生产者一旦有消息发送，就会先放到 broker 里。常见的实现有 Redis、RabbitMQ。
- backend——用来存储任务执行的结果。如果你需要跟踪任务状态、查询返回值，就得配置 backend，比如 Redis 或 MySQL。
- worker——真正干活的人。它是一个进程，负责从 broker 里取出消息并执行对应的任务。
三、使用 Celery
写一个简单的 Celery 应用只需要几行代码：
from celery import Celery
app = Celery('kqlproject', broker='redis://:password@127.0.0.1:6379/1')
# 第一个参数是自定义的项目名称
# 定义任务函数
@app.task
def task_test():
print("task is running")
注意 broker 的地址要替换成你自己的 Redis 连接信息，密码可选。
四、启动 Worker
在终端里，进入 tasks.py 所在的目录，执行下面的命令来启动 worker：
# 前台启动，日志会直接输出到终端 celery -A tasks worker --loglevel=info
这时 worker 就处于监听状态，等着处理消息。
五、创建生产者——推送任务
在同一个目录下打开 Python 交互式环境（比如 ipython3），然后：
from tasks import task_test task_test.delay()
执行之后，回到 worker 的终端窗口，你就能看到 task is running 的日志输出。
六、存储执行结果
Celery 也支持把任务执行结果保存下来，方便后续查询。需要借助 Redis、MySQL 或 Memcached 等后端存储。配置方法很简单，在创建 Celery 实例时加上 backend 参数：
from celery import Celery
app = Celery(
'demo',
broker='redis://@127.0.0.1:6379/1',
backend='redis://@127.0.0.1:6379/2',
)
@app.task
def test_task(a, b):
print("task is running")
return a + b
这样任务执行完毕后，返回值就会存入指定的 Redis 数据库中。
七、Django 中使用 Celery
在 Django 项目里集成 Celery 也很规范，大致分四步走：
1. 在项目同名目录下创建 celery.py 配置文件。
2. 在各个应用下创建 tasks.py，集中定义要执行的 worker 函数。
3. 视图函数充当生产者，调用 delay() 推送任务。
4. 在项目根目录启动 worker。
启动命令示例：
celery -A 项目同名目录名 worker -l info
下面给出一个典型的 celery.py 配置：
# 在 settings 同级目录下新建 celery.py
from celery import Celery
from django.conf import settings
import os
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'dadablog.settings')
app = Celery('dadablog')
app.conf.update(
BROKER_URL='redis://:@127.0.0.1:6379/1'
)
# 自动去注册的应用下寻找加载 worker 函数
app.autodiscover_tasks(settings.INSTALLED_APPS)
然后在每个应用下创建 tasks.py，比如发送信息的示例：
# 在某应用下的 tasks.py
from tools.sms import YunTongXin
from dadablog.celery import app
@app.task
def send_sms_c(phone, code):
config = {
"accountSid": "2c94811c***********",
"accountToken": "bd81141c************8",
"appId": "2c94811c88b*****************",
"templateId": "1"
}
yun = YunTongXin(**config)
res = yun.run(phone, code)
return res
启动 worker 后，当视图函数调用 send_sms_c.delay(phone, code) 时，worker 就会异步执行信息发送任务。
八、正式环境后台启动
生产环境不能让 worker 挂在前台，需要后台运行。推荐使用 nohup 配合协程模式：
nohup celery -A projectname worker -P gevent -c 1000 > celery.log 2>&1 & # 参数说明： # nohub —— 忽略所有挂断信号（SIGHUP） # projectname —— 项目配置目录名 # -P gevent —— 使用 Python 协程，这里开启 1000 个协程 # celery.log —— 日志输出文件（也可用绝对路径） # 2>&1 —— 将标准错误重定向到标准输出 # & —— 后台运行
这样即便终端关闭，worker 也能继续跑。
九、总结
Celery 的核心价值在于把耗时的任务从业务主流程中解耦出来，让系统响应更快、更稳定。从简单的单机任务到复杂的分布式调度，这套机制都能很好地胜任。希望这篇笔记能帮你快速上手，在实际项目中用好 Celery。
