项目开发中经常碰到需要使用异步任务的场景，比如一个WEB请求中有运行时间很长的业务运算，如果不采用异步任务，会阻塞当前的web请求，影响用户体验。
celery是python的一个分布式任务调度模块，由消息中间件broker、任务执行体worker、任务执行结果backend三部分组成。
celery通过消息中间件broker实现消息服务，通常broker使用rabbitMQ，redis等，搭建异步任务系统时需要部署相关的消息服务，比如选择用redis，就需要部署redis-server。
任务执行体worker可以分布式的部署到多个节点，比如多台机器或多个docker中。
任务执行结果backend用于保存任务执行结果，通常使用redis、ＭongoDB等，仍然需要部署相关的服务。
借助docker我们可以将celery与消息服务集成在一起，提供完整的异步任务执行体。
flower是python的一个专门用于监控celery的模块，比如可以在web页面实时显示celery worker的状态、任务的状态等，最重要的，flower还提供了REST API用于方便第三方应用直接触发任务执行、获取任务执行结果等，这也极大地扩展了celery的应用范围
celery应用举例
- Celery 是一个 基于python开发的分布式异步消息任务队列，通过它可以轻松的实现任务的异步处理，如果你的业务场景中需要用到异步任务，就可以考虑使用celery
- 你想对100台机器执行一条批量命令，可能会花很长时间 ，但你不想让你的程序等着结果返回，而是给你返回 一个任务ID, 你过一段时间只需要拿着这个任务id就可以拿到任务执行结果， 在任务执行ing进行时，你可以继续做其它的事情
- Celery 在执行任务时需要通过一个消息中间件来接收和发送任务消息，以及存储任务结果， 一般使用rabbitMQ or Redis
Celery有以下优点
1、简单：一单熟悉了celery的工作流程后，配置和使用还是比较简单的
2、高可用：当任务执行失败或执行过程中发生连接中断，celery 会自动尝试重新执行任务
3、快速：一个单进程的celery每分钟可处理上百万个任务
4、灵活： 几乎celery的各个组件都可以被扩展及自定制
Celery基本工作流程图
user：用户程序，用于告知celery去执行一个任务。
broker: 存放任务（依赖RabbitMQ或Redis，进行存储）
worker：执行任务
