django和celery

### Django与Celery集成概述

为了使Django项目能够执行异步任务，通常会引入Celery这一强大的分布式任务队列工具。通过合理的配置，可以轻松实现后台处理耗时操作而不阻塞HTTP请求响应。

#### 配置Celery实例

在`setting.py`所在的根目录创建名为`celery_worker.py`的文件来定义Celery应用实例[^1]：

import os
from celery import Celery
from celery.schedules import crontab
from datetime import timedelta

os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'your_project.settings')

app = Celery('your_project')
app.config_from_object('django.conf:settings', namespace='CELERY')
app.autodiscover_tasks()

这里需要注意的是，设置环境变量指向项目的配置模块，并指定命名空间以便于区分不同框架间的配置项；同时自动加载各个应用程序中的任务声明。

#### 结果后端配置

为了让客户端追踪任务的状态以及获取最终的结果数据，建议配置适当的结果存储后端服务。Celery内置支持多种数据库作为结果后端的选择方案，比如Redis、RabbitMQ等[^2]。可以在Django settings中添加如下配置片段（假设采用Redis为例）:

CELERY_RESULT_BACKEND = "redis://localhost:6379/0"

这使得每次完成的任务都会将其状态更新至所选的数据源内，方便后续查询调用。

#### 创建并注册具体任务

对于想要异步化的业务逻辑部分，则需编写具体的任务函数。一般推荐的做法是在各子APP里建立独立的`tasks.py`文件用于存放这些功能点[^4]:

# your_app/tasks.py
from celery import shared_task

@shared_task
def send_email(email_address, subject, content):
    """发送邮件"""
    pass  # 实现邮件发送的具体代码

上述例子展示了怎样利用装饰器将普通Python函数转换成可被调度运行的工作单元。之后只需简单修改视图层或其他地方触发此方法即可让其进入等待被执行的消息队列之中。

#### 启动工作进程和服务

最后一步就是确保整个体系结构正常运作起来。分别开启消息代理服务器（如RabbitMQ）、结果记录库（如果有的话），还有最重要的worker节点负责实际干活儿的部分。针对后者而言，在终端输入下面指令就可以启动一个简单的单线程版本了：

celery -A your_project worker --loglevel=info

而要激活计划表驱动程序的话还需要额外跑起beat组件：

celery -A your_project beat --loglevel=info

这样就完成了基本的功能搭建过程[^3]！