一、生成器获取redis 数据
操作redis 列表.
import redis """ redis = { k1:[1,2,3,43,45] } """ conn = redis.Redis(host='47.94.172.250',port=6379,password='Luffy!4321') # 左插入 # conn.lpush('k1',11) # 右插入 # conn.rpush('k1',33) # 左获取 # val = conn.lpop('k1') # val = conn.blpop('k1',timeout=10) # hang住 # 右获取 # val = conn.rpop('k1') # val = conn.brpop('k1',timeout=10) # hang住 # conn.lpush('k1',*[11,22,33,44,55,66,77,88,99,66,666,2234,345234,234])
def list_iter(key,count=100): index = 0 while True: data_list = conn.lrange('k1', index, index+count-1) if not data_list: return index += count for item in data_list: yield item print(conn.lrange('k1',0,101)) for item in list_iter('k1',count=3): print(item)
二、celery 分布式消息队列
Cerlery 是基于python 开发的一个分布式任务队列框架，支持使用任务队列的方式在分布的机器/进程/线程上执行。
图2展示的是Celery的架构，它采用典型的生产生-消费者模式，主要由三部分组成：broker（消息队列）、workers（消费者：处理任务）、backend（存储结果）。实际应用中，用户从Web前端发起一个请求，我们只需要将请求所要处理的任务丢入任务队列broker中，由空闲的worker去处理任务即可，处理的结果会暂存在后台数据库backend中。我们可以在一台机器或多台机器上同时起多个worker进程来实现分布式地并行处理任务。
1. 建立消息队列
首先，我们必须拥有一个broker消息对列用于发送和接收消息，celery官方给出了多个broker的备选方案:RabbitMQ,Redis, Database(不推荐)以及其他的消息中间件,在官方的推荐下，我们就使用RabbitMQ作为我们的消息中间件.在linux上安装的方式如下：
（安装 链接https://www.cnblogs.com/grayguo/p/5300776.html）
sudo apt-get install rabbitmq-server
命令执行成功后， rabbitmq-server就已经安装好并运行在后台了。
也可以通过命令rabbitmq-server来启动rabbitmq server，以及命令rabbitmqctl stop 命令来停止server.
linux安装rabbitmq方法
Ubunt安装 方法二：使用APT来装 1.添加以下地址到/etc/apt/sources.list deb http://www.rabbitmq.com/debian/ testing main 2:public key 1 $ wget http://www.rabbitmq.com/rabbitmq-signing-key-public.asc sudo apt-key add 更新包 1 sudo apt-get update 安装Rabbitmq-server 1 sudo apt-get install rabbitmq-server 在rabbitmq安装的过程中，需要用到erlang，使用以上方法安装时，都可以自动安装这些必要的包 1 2 启动：sudo rabbitmq-server start 关闭： sudo rabbitmq-server stop
2. 安装django-celery
pip install celery pip install django-celery
3. 配置settings.py
首先，在Django工程的settings.py文件中加入如下配置代码：
import djcelery djcelery.setup_loader() BROKER_URL= 'amqp://guest@localhost//' CELERY_RESULT_BACKEND = 'amqp://guest@localhost//'
其中，当djcelery.setup_loader()运行时，Celery便会去查看INSTALLD_APPS下包含的所有app目录中的tasks.py文件，找到标记为task的方法，将它们注册为celery task。BROKER_URL和CELERY_RESULT_BACKEND分别指代你的Broker的代理地址以及Backend（result store）数据存储地址。在Django中如果没有设置backend，会使用其默认的后台数据库用来存储数据。注意，此处backend的设置是通过关键字CELERY_RESULT_BACKEND来配置，与一般的.py文件中实现celery的backend设置方式有所不同。一般的.py中是直接通过设置backend关键字来配置，如下所示：
app = Celery('tasks', backend='amqp://guest@localhost//', broker='amqp://guest@localhost//')
然后，在INSTALLED_APPS中加入djcelery：
INSTALLED_APPS = (
……
'qv',
'djcelery'
……
)
4. 在要使用该任务队列的app根目录下（比如qv），建立tasks.py，比如：
在tasks.py中我们就可以编码实现我们需要执行的任务逻辑，在开始处import task，然后在要执行的任务方法开头用上装饰器@task。需要注意的是，与一般的.py中实现celery不同，tasks.py必须建在各app的根目录下，且不能随意命名。
5. 生产任务
在需要执行该任务的View中，通过build_job.delay的方式来创建任务，并送入消息队列。比如：
6. 启动worker的命令
#先启动服务器 python manage.py runserver #再启动worker python manage.py celery worker -c 4 --loglevel=info
四、补充
Django下要查看其他celery的命令，包括参数配置、启动多worker进程的方式都可以通过python manage.py celery --help来查看:
另外，Celery提供了一个工具flower，将各个任务的执行情况、各个worker的健康状态进行监控并以可视化的方式展现，如下图所示：
Django下实现的方式如下：
1. 安装flower:
pip install flower
2. 启动flower（默认会启动一个webserver，端口为5555）:
python manage.py celery flower
3. 进入http://localhost:5555即可查看。