一、Celery
1、celery是一个分布式任务队列：
简单：几行代码就可以创建一个简单的Celery任务
高可用：工作机会自动重试
快速：可以执行一分钟上百万的任务
灵活：每一块都可扩展
2、大量需要使用异步任务的场景
发送电子邮件、发送IM消息通知
爬取页面，数据分析
图像、视频处理
生成报告、深度学习
3、搭建celery环境，参考官方文档：https://docs.celeryproject.org/en/master/getting-started/first-steps-with-celery.html#first-steps
安装celery：pip install celery
安装消息传输代理，我使用的是redis，用docker安装很方便，再安装redis的依赖：pip install redis
4、创建第一个celery任务，参考官方文档，首先创建一个文件tasks.py
进入tasks.py文件所在目录，运行celery，通过使用worker参数执行：
运行成功后，如图：
二、Celery的监控和管理Flower
Flower是一个基于web的celery实时监控和管理工具。它正在积极开发中，但已经是一个必不可少的工具。
它可以实时监控celery事件、远程控制等。
参考官方文档：https://docs.celeryproject.org/en/master/userguide/monitoring.html，安装pip install flower
启动Flower：
通过浏览器访问http://localhost:5555/dashboard，就可以看到可视化界面了
三、Django与Celery集成
参考官方文档：https://docs.celeryproject.org/en/master/django/first-steps-with-django.html
根据官方文档，3.1版本之后的celery不需要单独的库与Django一起使用。
新建celery.py文件在Django的proj/proj/celery.py目录下，文件内容官方提供如图：
在proj/proj/_init__.py模块中导入此应用程序。这可确保在Django启动时加载应用程序，以便@shared_task装饰器使用它：
settings.py中可以增加配置，有哪些配置可以参考：https://docs.celeryproject.org/en/master/userguide/configuration.html#configuration
创建一个任务，我这里的任务是一个钉钉消息通知的任务，编写tasks.py文件：
场景是在用户登录成功后，发送钉钉消息。使用tasks.py中的方法的delay()延迟调用，任务会被扔到celery的队列里面去异步执行。
到这一步就简单的完成了Django与celery的集成，这时我们启动所有的组件：redis启动、celery启动、Flower启动、Django启动，执行一下登录接口，然后检查Flower界面，celery的处理结果可以在Flower上查看：
官方文档还提到：也可以使用django ORM/Cache存储结果。首先安装pip install django-celery-results；
编辑settings.py，将django_celery_results增加到INSTALLED_APPS：
执行数据库迁移创建表： python manage.py migrate django_celery_results；
配置celery的结果存储后端：
这样就可以了，我们执行一下任务，看一下结果是否存储到数据库表中：
