文章结尾第五章放出大杀器 funboost 自动化操作celery demo例子
文件夹 PATH 列表
卷序列号为 927B-F991
celery_demo:.
│ .gitignore
│ nb_log_config.py
│ README.md
│
│
├─aaaa
│ └─b
│ └─c
│ │ celery_app_inatcance.py
│
├─dddd
│ ├─e
│ │ │ taske.py
│ │
│ └─f
│ | │ taskf.py
| │
│ └─j
│ │ taskj.py
│
├─gggg
│ | publish.py
│
如果学会了这个demo，则celery已近掌握了60%至少，大部分人是要celery会遇到任务不执行不动，或这行报错。
所以网上的celery博客教程虽然很多，但是并不能学会使用，因为要运行起来需要以下6个方面都掌握好，博客文字很难表达清楚或者没有写全面以下6个方面。 celery消费任务不执行或者报错NotRegistered，与很多方面有关系，如果要别人排错，至少要发以下6方面的截图
1) 整个项目目录结构,celery的目录结构和任务函数位置，有很大影响
2) @task入参 ,用户有没有主动设置装饰器的入参 name,设置了和没设置有很大不同，建议主动设置这个名字对函数名字和所处位置依赖减小
3) celery的配置，task_queues 和task_routes
4) celery的配置 include 或者 imports 或者 app.autodiscover_tasks的入参
5) cmd命令行启动参数 --queues= 的值
6) 用户在启动cmd命令行时候，用户所在的文件夹。
(如果不精通这个demo的，使用cmd命令行启动时候，用户必须cd切换到当前python项目的根目录，
如果精通主动自己设置PYTHONPATH和精通此demo，可以在任何目录下启动celery命令行或者不使用celery命令行而是调用app.worker_main 用python脚本启动。不标准文件夹结构下，解决老是问celery怎么不执行任务了 不标准文件夹结构下，解决恼人的 celery.exceptions.NotRegistered celery除了性能很差以外，celery做的最差劲的方面无疑就是他的门槛太高， 多少人没小心翼翼按照严格标准的项目目录结构调用celery，卡在celery不运行任务或者报错NotRegistered在第一步就劝退了。 分布式函数调度框架对比celery有19个提升，其中之一就是随意目录层级 随意文件夹 文件命名。
只要学会了这个demo的文件夹，celery 70%以上的使用问题就能掌握了，
只有掌握这种不规则的文件夹结构，而不是靠不断的改文件夹名字，不断的移动py文件位置，不断地测试，完全靠瞎猜测来使用celery。
如果想不依赖特定项目结构，同时也不需要复杂配置的指定 include 或 autodiscover_tasks ，怎么玩转分布式任务调度呢， 这就需要使用分布式函数调度框架。 https://github.com/ydf0509/funboost pip install funboost
1).使用python xxx.py的方式启动消费
2).使用celery 命令的方式启动消费
delay
apply_async
send_task
app.task装饰器 + include
app.task装饰器 + autodiscover_tasks
app._task_from_fun 非装饰器方式， 用法类似于flask框架的@app.route 和app.add_url_route的关系。
@shared_task装饰器，这个不需要@app.task的app，所以可以在app实例化所在模块直接导入任务函数，不会出现互相导入的纠结。
包含了三种方式找到消费函数,# -*- coding: utf-8 -*-
# @Author : ydf
# @Time : 2020/1/16 0016 9:40
"""
主要用用来测试深层文件夹，celery完全不按照特定目录结构写代码。
"""
import nb_log
import celery
from celery import platforms
from dddd.j.taskj import funj
platforms.C_FORCE_ROOT = True
class Config1:
# broker_url = f'redis://' # 使用redis
broker_url = 'sqla+sqlite:////celerydb.sqlite'
include = ['dddd.e.taske', ] # 这行非常重要,第一种方式找到消费函数
task_routes = {
'求和': {"queue": "queue_add", },
# 'd.e.taske.add': {"queue": "queue_add4", },
'sub啊': {"queue": 'queue_sub'},
'功能j': {"queue": 'queue_j'},
'测试自动关联使用已存在celery app 实例': {'queue': 'queue_test_auto_share_celeryapp'}
}
celery_app = celery.Celery()
celery_app.config_from_object(Config1)
celery_app.autodiscover_tasks(['dddd.f', ], 'taskf') # 第二种方式找到消费函数。
"""
特别要需要说明一下这个 autodiscover_tasks 方法，表面意思是自动发现任务，那意思是不是这很流弊，暴击第一种配置include的用法呢，
这个方法仍然是需要很多个传参的，你理解的自动发现好像是神仙级别的智能的，啥参数都不需要传，自动就能发现任务。
喂，快醒醒吧，要是对于任意层级和命名的py文件，autodiscover_tasks方法啥参数都不需要传，就能自动发现，
那官方早就把 autodiscover_tasks 弄成框架内部自动替你运行了，还会需要用暴露成公有方法需要户去手动调用吗,
用脑子想想就知道官方不可能这么傻非要麻烦用户的。写代码就怕一味地望文生义，宁愿乱猜测自己瞎意淫，也不愿意跳转到源码面稍微看看入参有哪些。
autodiscover_tasks 的 两个重要入参有 packages=None,related_name='tasks'，这两个入参有默认值，
啥参数都不传就能自动发现，前提是你的消费函数写在了一个叫tasks.py的文件中，同时 tasks.py和celery的app实例是在同一个文件夹层级里面。
如果你把被 @app.task 装饰的函数写在了一个 叫 job666.py的文件中，你就发现消费运行时候，报错 celery.exceptions.NotRegistered
"""
celery_app._task_from_fun(funj, '功能j') # 非装饰器方式注册消费任务函数，第三种方式找到消费函数
if __name__ == '__main__':
# celery_demo 项目在我的磁盘是 F:\coding2\celery_demo。
# 第一种运行方式，直接运行此py脚本。如果在pycahrm中可以直接运行，
# 如果控制台运行py脚本先设置PYTHONPATH=F:\coding2\celery_demo，再python celery_app_inatcance.py 运行。
# 控制台运行py脚本，不需要设置PYTHONPATH方式，先进入到celery_demo的根目录下，再python -m aaaa.b.c.celery_app_inatcance
# --queues=queue_add,queue_sub,queue_j
celery_app.worker_main(
argv=['worker', '--pool=gevent', '--concurrency=20', '-n', 'worker1@%h', '--loglevel=debug',
'--queues=queue_j,queue_sub', '--detach', ])
"""
第二种运行方式，使用官方介绍的流行的celery命令行运行
F: & cd F:\coding2\celery_demo
celery worker --app=aaaa.b.c.celery_app_inatcance:celery_app --pool=gevent --concurrency=5 --queues=queue_add,queue_sub
# 注意一下 --app后面接的值，这才是celery的本质。
"""
funboost自动化配置和操作celery,用户无需处理celery配置,funboost自动搞定这些