最近在调整游戏的后台架构，之前因为需要快速出产品，所以整个代码都揉成一团，也基本没有做任何分层处理。现在服务器端的开发也开始逐渐招进来，所以打算打算换一套统一的架构，以后做新游戏只要做其中的业务逻辑即可。 其实之前在腾讯的时候，基本不会用到
最近在调整游戏的后台架构，之前因为需要快速出产品，所以整个代码都揉成一团，也基本没有做任何分层处理。现在服务器端的开发也开始逐渐招进来，所以打算打算换一套统一的架构，以后做新游戏只要做其中的业务逻辑即可。
其实之前在腾讯的时候，基本不会用到message queue这种，所有的分布式处理都是由自己写c++ server来互相通信的。这样的处理虽然开发量稍微大一点，但是性能和灵活性确实很高。
现在自己在外面做，虽然自己已经封装了一套server的框架出来，但是毕竟还有太多的轮子需要自己制造，所以就想到了之前一直有了解过celery，来看一下这种基于message queue的任务系统能达到什么性能。
celery首推的mq是rabbitmq，所以需要先安装一下:
在mac下用brew 安装：
brew install rabbitmq
安装成功之后，即可启动server了。
不过在这之前，我们先把后台管理的插件打开：
rabbitmq-plugins enable rabbitmq_management
之后执行如下命令，启动server:
rabbitmq-server
这个时候就可以通过?http://127.0.0.1:15672/?来访问后台管理端了，默认的用户名和密码是guest guest，可以自己在页面上修改。截图如下：
?
celery也支持redis作为broker和backend，所以redis也需要安装一下，这里就不赘述了?
安装命令为:
pip install celery
?
新建 t.py:
from celery import Celery
app = Celery(backend='amqp', broker='amqp://')
@app.task
def add(x, y):
return x + y以及测试文件 test.py:
import time from t import add t1 = time.time() result = add.delay(1, 2) print result.get() print time.time() - t1
?
启动celery worker:
celery -A t worker --loglevel=info -c 2
执行 python test.py 输出结果为:
0.545017004013
修改 t.py 为:
from celery import Celery
app = Celery(backend='redis', broker='redis://')
@app.task
def add(x, y):
return x + y?
测试结果为:
0.603708028793
?
无论是rabbitmq还是redis，性能都慢的让人无法接受，最终还是放弃了用celery做任务分布的想法，还是老老实实的用server通信吧。
原文地址：分布式消息系统尝试(rabbitmq, celery, redis), 感谢原作者分享。
