1. Producer：任务发布者；
2. Celery Beat：任务调度器，Beat进程会读取配置文件中的内容，周期性的将配置中到期需要执行的任务发送给任务队列；
3. Broker：消息代理，接受生产者的任务消息，存进队列后发送给消费者；
4. Celery Worker：执行任务的消费者；
5. Result Backend：保存消费者执行任务完后的结果；

如下图：

整体的流程，任务发布者或者是任务调度，将任务发送到消息代理中，接着消息代理将任务发送给消费者来执行，其执行完后将结果保存到backend中。

先创建Celery实例和相关的任务，这里配置Celery可以通过创建一个配置文件，然后通过app.config_from_object('proj.celeryconfig')加载即可。

task.py如下

from celery import Celery

app = Celery('tasks', backend='amqp', broker='amqp://guest@localhost:5672//')

@app.task

def add(x, y):

    return x + y

接下来，创建相关的任务发布者，run_task.py如下

from task2 import add

result = add.delay(1,1)

import time

while not result.ready():

    print('not yet ready')

    time.sleep(1)

print(result.get())

然后在项目目录中，通过命令执行Celery，命令如下：

celery -A task2.app worker --loglevel=info

如果看到命令行里显示该实例的所有任务说明执行成功，最后再开一个进程执行任务，接着就会看到命令行中的提示信息，说明消费者执行成功，并且将结果保存到backend中。

一个简单的用例就结束了。

之前有一个疑惑的点在于，既然RabbitMQ可以实现任务队列，要Celery有何用呢？

从我搜索到的知识来看，有以下几点：

1. Celery可以支持多种消息代理，不仅仅是RabbitMQ，还有Redis、MongoDB等等；
2. RabbitMQ是消息队列，其可以应用到各种场景中，包括任务分发系统，也就是需要自己实现一个Celery，而Celery本身就是一个任务分发系统，显然简化了代码，不需要重复造*；