Python Celery多队列配置与路由实战指南

Felix
Felix
发布时间:2026-10-13| 4人浏览过
原创

本文详细介绍Python Celery框架中多队列的配置方法。通过实例代码展示如何定义Queue对象、设置CELERY_QUEUES与CELERY_ROUTES参数,实现任务到指定队列和routing_key的精准路由。涵盖项目结构、配置文件编写及Worker启动命令,帮助开发者优化异步任务分发策略。

本文通过详细的代码示例,解析Python Celery框架中多队列的配置方法,旨在为开发者的学习或实际工作提供具有参考价值的技术方案。

参考Celery官方文档以获取更深入的配置说明。

项目结构与初始化配置

首先明确项目的目录结构,确保文件层级清晰。


/proj
-__init__
-app.py            #实例化celery对象
-celeryconfig.py        #celery的配置文件
-tasks.py           #celery编写任务文件

核心应用文件app.py负责初始化Celery实例。


#coding:utf-8
from __future__ import absolute_import
from celery import Celery

app = Celery('proj', include=['proj.tasks'])   #实例化celery对象

app.config_from_object('proj.celeryconfig')   #引入配置文件

if __name__ == '__main__':            
  app.start()
  • 其中proj参数指定了Celery实例的唯一名称。
  • include参数用于指定启动时需自动导入的任务模块列表。

tasks.py文件用于编写具体的异步任务逻辑。


#coding:utf-8
from __future__ import absolute_import

from proj.app import app
@app.task()
def add(x, y):
  return x + y

队列与路由参数详解

celeryconfig.py文件集中管理Celery的各项配置参数。


#coding:utf-8
from kombu import Queue

BROKER_URL = 'amqp://guest:guest@127.0.0.1:5672//' # 使用RabbitMQ作为消息代理


CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/0' # 把任务结果存在了Redis

CELERY_TASK_SERIALIZER = 'msgpack' # 任务序列化和反序列化使用msgpack方案

CELERY_RESULT_SERIALIZER = 'json' # 读取任务结果一般性能要求不高,所以使用了可读性更好的JSON

CELERY_TASK_RESULT_EXPIRES = 60 * 60 * 24 # 任务过期时间,不建议直接写86400,应该让这样的magic数字表述更明显

CELERY_ACCEPT_CONTENT = ['json', 'msgpack'] # 指定接受的内容类型

CELERY_QUEUES = (  #设置add队列,绑定routing_key
  Queue('add', routing_key='xue.add'),
)


CELERY_ROUTES = {  #projq.tasks.add这个任务进去add队列并routeing_key为xue.add 
  'projq.tasks.add': { 
    'queue': 'add',
    'routing_key': 'xue.add',
  }
}
  • CELERY_ACCEPT_CONTENT设置为msgpack,这是一种相比JSON体积更小、解析更快的序列化格式,使用此格式需安装对应的Python包。
  • CELERY_QUEUES用于定义指定routing_key的队列,队列名称可根据实际需求任意指定。
  • CELERY_ROUTES用于配置任务路由,将特定任务名映射到对应的队列及routing_key,需注意这里的routing_key必须与CELERY_QUEUES中定义的一致。

Worker启动与任务发布

接下来介绍如何启动Celery Worker进程。

在项目根目录(proj的上层目录)执行启动命令。


celery -A proj.app worker -Q add -l info

命令中的proj.tasks.add对应CELERY_ROUTES中配置的任务名称。

参数-Q add指定监听的队列,key=xue.add对应配置的routing_key。

介绍如何发布异步任务至指定队列。


from proj.tasks import add
add.delay(2,3)

多队列配置示例

在多队列模式下,配置文件需要做出相应调整。


CELERY_QUEUES = (  #设置add队列,绑定routing_key
  Queue('add', routing_key='xue.add'),
)


CELERY_ROUTES = {  #projq.tasks.add这个任务进去add队列并routeing_key为xue.add 
  'projq.tasks.add': { 
    'queue': 'add',
    'routing_key': 'xue.add',
  }

示例中配置了两个独立的队列以处理不同任务。


# 配置队列
CELERY_QUEUES = (
  Queue('default', routing_key='default'),
  Queue('队列1', routing_key='key1'),
  Queue('队列2', routing_key='key2'),
)

# 路由(哪个任务放入哪个队列)
CELERY_ROUTES = {
  '任务1': {'queue': '队列1', 'routing_key': 'key1'},
  '任务2': {'queue': '对列2', 'routing_key': 'key2'},
}

以上内容涵盖了Celery多队列配置的核心要点,希望对读者有所帮助。

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。