1.Celery异步介绍
1.1celery应用举例
1.Celery是一个基于python开发的分布式异步消息任务队列，通过它可以轻松实现任务的异步处理，如果你的业务场景中需要用到异步任务，就可以考虑使用celery。
2.你想对100台机器执行一条批量命令，可能会花很长时间，但你不想让你的程序等着结果返回，而是给你返回一个任务ID，
你过一段时间只需要拿着这个任务id就可以拿到任务执行结果，在任务执行ying进行时，你可以继续做其他事。
3.Celery在执行任务时，需要通过一个消息中间件来接收和发送消息，以及储存任务结果，一般使用rabbitMQ or Redis
1.2 Celery有以下优点
1.简单：一旦熟悉celery的工作流程后，配置和使用还是比较简单的。
2.高可用：当任务执行失败或执行过程中发生连接中断，celery会自动尝试重新执行任务。
3.快速：一个单进程的celery每分钟可用处理上百万个任务。
4.灵活：几乎celery的各个组件都可以被扩展及自定制。
1.3Celery基本工作流程图
user：用户程序，用于告知celery去执行一个任务。
broker：存放任务（依赖RabbitMQ或Redis，进行储存）
worker：执行任务。
1.4Celery特性
1）方便查看定时任务的执行情况，如是否成功，当前状态，执行任务花费的时间等。
2）可选多进程，Ecentlet和Gevent三种模型并发执行。
3）Celery是与语言无关的，他提供了python等常见语言的接口支持。
2.Celery组件
2.1Celery扮演生产者和消费者的角色
Celery Beat： 任务调度器，Beat进程会读取配置文件的内容，周期性将配置中到期需要执行的任务发送给任务队列。
Celery Worker：执行任务的消费者，通常会在多台服务器运行多个消费者，提高运行效率。
Broker：消息代理，代理本身，也称为消息中间件，接受任务生产者发送过来的任务消息，存进队列，再按顺序发送给任务消费者（通常是消息队列或者数据库）
Producer：任务生产者，调用Celery API，函数或者装饰器，而产生任务并交给任务队列处理的都是任务生产者。
Result Backend：任务处理完成之后保存状态信息和结果，以供查询。
2.2Celery架构图
2.3产生任务的方式
1）发布者发布任务（WEB任务)
2）任务调度按期发布任务（定时任务）
2.4Celery 依赖三个库：这三个库，都由Celery的开发者开发和维护。
billiard ：基于Python2.7的multisuprocessing而改进的库，主要用来提高性能和稳定性。
librabbitmp ：C语言实现的Python客户端
kombu ：Celery自带的用来收发消息的库，提供了符合Python语言习惯的，使用AMQP协议的高级接口。