一、项目结构
    image.png
    1、app.py文件

    1. from __future__ import absolute_import, unicode_literals
    2. from celery import Celery
    4. capp = Celery('proj', include=['proj.tasks']) #创建Celery实例，include是程序启动时导入的模块，可以在该处添加任务模块，便于职程能够对应相应的任务。
    6. capp.config_from_object('proj.celeryconfig') #加载配置项
    8. if __name__ == '__main__':
    9.     capp.start()
    1.   2、celeryconfig.py配置文件
    1. BROKER_URL = 'redis://:密码@服务器ip:6379/0'  # 使用redis中0数据库作为消息代理
    3. CELERY_RESULT_BACKEND = 'redis://:密码@服务器ip:6379/1'  # 把任务结果存在了Redis 1数据库中
    5. CELERY_TASK_SERIALIZER = 'msgpack'  # 任务序列化和反序列化使用msgpack方案
    7. CELERY_RESULT_SERIALIZER = 'json'  # 读取任务结果一般性能要求不高，所以使用了可读性更好的JSON
    9. CELERY_TASK_RESULT_EXPIRES = 60 * 60 * 24  # 任务过期时间，不建议直接写86400，应该让这样的magic数字表述更明显
    11. CELERY_ACCEPT_CONTENT = ['json', 'msgpack']  # 指定接受的内容类型
    1. 3、tasks.py文件
    1. from __future__ import absolute_import
    2. from proj.app import capp
    5. @capp.task
    6. def add(x, y):
    7.     return x + y

    二、启动运行消费者（worker）

    1. 终端：celery -A proj.app worker -l info
    1. 启动完的效果：Control + c 就可以停止<br />![image.png](https://cdn.nlark.com/yuque/0/2021/png/22661793/1638969000619-afa8e999-d488-418d-aade-c0f5011d5aa4.png#clientId=ue9651524-dd32-4&from=paste&height=123&id=u49435f71&margin=%5Bobject%20Object%5D&name=image.png&originHeight=246&originWidth=1488&originalType=binary&ratio=1&size=47431&status=done&style=none&taskId=u480f4f4c-f05a-451e-830b-af6df5f9f6c&width=744)

    三、发布任务
    调用任务.py文件

    1. from proj.tasks import add
    3. for i in range(1, 5):
    4.     add.delay(i, 5)   # 方法必须.delay才可以发布任务，如果只是add(),这就跟调用普通方法，没区别，任务不会发布出去
    1. 备注：delay() 实际上为 apply_async() 的快捷使用，apply_async() 可以指定调用时执行的参数，例如运行的时间，使用的任务队列等，add.apply_async((2, 2), queue='lopri', countdown=10)，任务被下发到 lopri 队列中，任务下发之后会在最早10秒内执行。 直接调用任务函数进行执行任务，不会发送任何任务消息

    redis服务运行后的效果：
    1、调用任务执行任务的时候，会通过下面的broker发布出去，redis 0数据库
    image.png

    2、消费者消费后数据存储在，redis 1数据库
    image.png

    3、你可以在终端将worker消费者关闭掉再执行一遍调度任务看看效果：
    所有任务都积压在broker通道中了，因为没有消费者去消费，当你再次启动worker，会发现积压的任务会自动被消费掉
    image.png