Celery 是一个面向 Python 的分布式任务队列系统，用于在多个 worker 之间异步执行后台任务。它支持任务调度、重试、任务工作流，并能与 Django、Flask、FastAPI 等框架集成。
用途 Celery 主要用于将耗时的操作从主流程中剥离，交给后台 worker 异步执行。典型用途包括：后台处理（邮件发送、文件处理、报表生成）、定时任务（类似 cron 的周期性作业，如清理、备份、数据同步）、分布式计算（跨多个 worker 或服务器处理任务）、异步工作流（链式、分组及复杂任务依赖编排）、实时处理（webhook、通知、数据管道）以及负载均衡（将 CPU 密集型工作分散到多个 worker）。
主要能力 Celery 的架构由 broker、worker、结果后端和 beat 调度器组成。broker 是存储任务的消息队列，支持 Redis、RabbitMQ、Amazon SQS 等；worker 是从 broker 拉取并执行任务的进程；结果后端用于存储任务结果，支持 Redis、数据库、S3、Cassandra、Elasticsearch 等；beat 调度器负责周期性任务，支持类似 cron 的调度和基于间隔的任务。任务状态包括 PENDING、STARTED、SUCCESS、FAILURE、RETRY、REVOKED。任务定义支持装饰器、shared_task 和 Task 类三种方式，并提供丰富的任务选项，如自定义名称、绑定实例、忽略结果、最大重试次数、重试延迟、速率限制、硬/软时间限制、序列化、压缩、优先级、目标队列、路由键、延迟确认等。任务执行支持 delay 和 apply_async，后者可控制倒计时、ETA、过期时间、队列、路由键、交换机、优先级、序列化、压缩、重试策略以及成功/错误回调。Celery 还提供 signature（签名）机制，支持部分参数、不可变签名、克隆修改。结果处理支持阻塞获取、非阻塞检查、状态查询、元数据读取、遗忘结果和撤销任务。任务路由支持队列定义、路由规则、基于函数的路由、worker 队列绑定和优先级队列。周期性任务通过 beat_schedule 配置，支持 crontab 和 solar 调度，也可结合 django-celery-beat 实现数据库动态调度。工作流（Canvas）提供 chain（顺序执行）、group（并行执行）、chord（分组加回调）、map 和 starmap 等编排原语。
使用方式 安装可通过 pip install celery，并按需安装 broker 扩展，如 pip install celery[redis]、pip install celery[amqp]，或安装完整依赖 pip install celery[redis,msgpack,auth,cassandra,elasticsearch,s3,sqs]。基本使用需创建 Celery 应用并配置 broker 与 backend，定义任务后启动 worker：celery -A celery_app worker --loglevel=info，可通过 --concurrency 设置并发，通过 -Q 指定队列。执行任务使用 add.delay(4, 6) 或 apply_async。启动 beat 调度器使用 celery -A myapp beat --loglevel=info。
适用场景 适合需要异步执行后台作业、定时调度、分布式处理、复杂任务依赖编排、实时数据管道和负载均衡的 Python 项目，尤其是已使用 Django、Flask 或 FastAPI 的应用。
限制 资料明确指出，简单异步 I/O 应使用 asyncio；实时请求/响应应使用异步 Web 框架；需要亚秒级延迟应使用内存队列；基础设施极简时应考虑 RQ 或 Huey 等更简单的替代方案。