虽然现代的网络应用比以往任何时候都更快速、更便捷，但仍有许多情况下，需要把繁重的任务转移到系统的其他部分执行，而不是在主线程上进行工作。
这些情况中的示例如下：
- 周期性任务 —— 计划在特定时间间隔内运行的工作。例如，每日、每月的报告生成。
- 第三方工具 —— 应用程序应该快速向用户返回响应，而不是等待其他任务先完成。例如，发送电子邮件、通知，将更新进度传递给内部工具。
- 长时间运行的工作 —— 执行复杂或资源昂贵的工作，并且用户需要等待工作完成。例如。DAG工作流、基于Map-Reduce的任务、长时间运行的Spark作业等。
那么，如何处理这些情况呢？这时，Celery就派上用场了。
什么是Celery？
Celery是一个开源的任务队列实现，通常与基于Python的网络框架（如Flask和Django）相结合，在典型的请求-响应周期之外异步执行任务。
因此，Celery本质上是一个基于分布式消息传递的任务队列。执行单元或任务在一个或多个worker上使用多处理、gevent或Eventlet同时执行。这些任务可以同步执行（即等到准备就绪）或异步执行（即在后台）。
Celery是如何工作的？
Celery是一个分布式任务队列，基于生产者-消费者模式。
任务队列是用于跨线程和机器分配工作的机制，本质上是生产者（Web应用程序）和消费者（Celery工作者）之间的消息中介。
Celery通过消息进行交互，代理（broker）在客户（生产者）和工作者（消费者）之间充当中间人。为了启动任务，客户端将消息推送到队列中，然后代理将该消息传递给工作者。
Celery系统可以由多个worker和broker组成，这为高可用性和横向扩展提供了可能。
简而言之，Celery客户端是生产者，它通过消息代理向队列中添加新的任务。然后，Celery工作者同样通过消息代理从队列中获取新的任务。一旦处理完毕，结果就会存储在结果后端。
工作实例
下面的例子将使用RedisMQ作为消息代理。
设置Redis
在linux/macOS系统上，通过以下命令在本地运行Redis服务器：
$ wget http://download.redis.io/redis-stable.tar.gz $ tar xvzf redis-stable.tar.gz $ rm redis-stable.tar.gz $ cd redis-stable $ make
设置好Redis后，通过执行以下命令运行Redis服务器：
$ redis-server
该服务器在默认的6379端口运行。
设置应用程序
首先，在本地设置Python项目。
Celery可以通过标准工具如pip或easy_install来安装。通过以下命令安装Celery和Redis：
pip install celery redis==4.3.4
现在需要一个Celery实例来运行应用程序，Celery实现任何任务都是以实例开始，比如创建和管理任务等。
在项目中创建一个文件tasks.py：
From celery import Celery
broker_url = 'redi://localhost:6379/0'
app = Celery('tasks',broker = broker_url)
@app.task
def add(x, y):
return x+y这里定义了一个简单的任务add()，返回两个数字的总和。
运行Celery Worker
在终端上，切换到项目位置并用以下命令运行Celery worker：
$ celery -A tasks worker - loglevel=info
关于Celery worker命令行的详细信息，可以使用help：
$ celery worker - help
调用任务
在Celery中，使用delay()方法来调用任务。
打开项目的另一个终端窗口并运行以下命令：
$ python
这将打开Python命令行。
>> from tasks import add >> add.delay(1,2)
这将返回一个AsyncResult实例，可以用来检查任务状态，获得其返回值，等待任务完成，也可以在失败时获得异常和回溯。
运行add.delay()命令后，任务会被推送到队列中，然后被worker获取。这可以在Celery worker终端上进行验证，可以清楚地看到任务被接收，之后任务成功完成。
