摘要：結論執行完任務不釋放內存與原一直沒有被銷毀有關，因此可以適當配置小點，而任務并發數與配置項有關，每增加一個必然增加內存消耗，同時也影響到一個何時被銷毀，因為是均勻調度任務至每個，因此也不宜配置過大，適當配置。

? 監控task的執行結果：任務id，結果，traceback，children，任務狀態

? 配置 backend="redis://127.0.0.1:6379/5"給Celery的app對象，直接在redis中查看

? 還可以

? 健壯celery：celery -A proj worker -l info

?  proj  tree
├── __init__.py 
├── celery.py | app=Clery("proj",include=["proj.tasks"])
                app.config_from_object("proj.config")
                if __name__==__main__： app.start()
├── config.py |  CELERY_RESULT_BACKEND = "redis://127.0.0.1:6379/6"
                BROKER_URL = "redis://127.0.0.1:6379/5"      
└── tasks.py  |  @app.task            # 注意這個文件名必須是tasks.py
                def add(x, y): return x + y             

? tasks可以有多個在celery.py中添加一行代碼加載任務函數

? app.autodiscover_tasks(["proj.sms", "proj.email"])

? Scheduler計劃定時任務：celery -A proj worker -B -l info

#config.py
CELERY_TIMEZONE = "Asia/Shanghai" # 指定時區
from datetime import timedelta
CELERYBEAT_SCHEDULE = {
    "add-every-30-seconds": {
         "task": "proj.tasks.add", # 指定要執行的函數任務
         "schedule": timedelta(seconds=30), # 指定計劃時間間隔30s執行一次task
         "args": (16, 16)
    },
}

? celery.schedules import crontab定時周期任務：（比如每周一執行一次 ）

? 只需要修改 "schedule": crontab(hour=7, minute=30, day_of_week=1),

? 指定隊列名：

? 啟動加上-Q參數 celery -A proj worker --loglevel=info -Q "testq"

? 跑任務時 add.delay(3,4,queue="testq")

? 指定開啟的worker進程數：單個Celery進程每分鐘就可以處理數百萬個任務

? 底層是調用的Python的multiprocessing模塊中的Pool進程池思想來做

? 啟動加上-c參數 celery -A proj worker --loglevel=info -c 2 2個worker進程來同時搶任務

? 圖像化查看broker里面的數據，查看任務狀態，以及任務的詳細信息:flower的webUI

? pip install flower 注意創建celery實例app時指定的broker設置的redis/5

? 任意目錄執行 celery flower --port=5555 --broker=redis://localhost:6379/5

? 應用： django調用celery跑異步任務，常見場景有注冊成功，發送郵件可以異步來防止網絡IO阻塞，以及耗時間的任務，可以在WEB應用中使用這種異步方式

安裝django-celery==3.1.17 與celery==3.1.17對應

創建celery必須的數據庫表結構 python manage.py migrate

django項目的settings.py文件中追加如下內容：backend，任務執行結果超時時間，worker并發數也就是 -c 指定的數據，指定任務周期存儲在orm數據庫中

在django的app應用目錄下創建tasks.py任務文件@task def add(x,y):

開啟django服務和celery服務，雖然耦合了，還要開python manage.py celery worker --loglevel=info

celery內存泄露分析

celery配置項如下

CELERYD_CONCURRENCY = 2??????celery worker并發數
CELERYD_MAX_TASKS_PER_CHILD = 5???每個worker最大執行任務數

?
執行celery -A ansibleAPI.celery worker啟動celery，通過ps -ef | grep celery可以看到兩個celery worker進程（8226，8228）。

利用celery worker進行某個任務，當worker沒有執行到最大任務時（即銷毀重建），每執行一次任務占用內存必然有所增加，任務數為9，10時（celery均勻調度，并發數*最大任務數），分別有原8228 worker被銷毀，重新創建9386 worker及原8226 worker被銷毀，重新創建9564 worker，此時，運行第9次時，占用總內存有所下降，運行第10次時，總內存回到初如值，同樣任務執行第19、20次情況類似。

celery并發計算規則
celery任務并發只與celery配置項CELERYD_CONCURRENCY 有關，與CELERYD_MAX_TASKS_PER_CHILD沒有關系，即CELERYD_CONCURRENCY=2，只能并發2個worker，此時任務處理較大的文件時，執行兩次可以看到兩個task任務并行執行，而執行第三個任務時，開始排隊，直到兩個worker執行完畢。

結論
celery執行完任務不釋放內存與原worker一直沒有被銷毀有關，因此CELERYD_MAX_TASKS_PER_CHILD可以適當配置小點，而任務并發數與CELERYD_CONCURRENCY配置項有關，每增加一個worker必然增加內存消耗，同時也影響到一個worker何時被銷毀，因為celery是均勻調度任務至每個worker，因此也不宜配置過大，適當配置。