Neste artigo
O segredo de aplicações python rápidas? Não processar tudo sincronamente. Celery task queue distribui trabalho pesado para workers em background. Redis + RabbitMQ como brokers, jobs escalonados com Celery Beat. Se sua aplicação fica lenta em uploads, envios de e-mail ou processamento de dados, essa é sua solução.
Por Que Celery É a Bala de Prata Para APIs Lentas
Cenário clássico: usuário faz upload de arquivo. API precisa:
- Validar formato
- Redimensionar imagem
- Gerar miniatura
- Fazer upload para S3
- Enviar e-mail de confirmação
Tudo sincronamente (de uma só vez e na hora)? API travada. Timeout. Usuário pensa que quebrou.
Com Celery? Tudo em "aproximadamente" 200ms. Resto roda no background.
Esse é o poder de task queues distribuídas.
Os 3 Pilares do Celery
1. Task Broker (Intermediário)
- Redis: rápido, simples, cabe em produção pequena
- RabbitMQ: robusto, garantias entrega, produção corporativa
- Amazon SQS: serverless, paga pelo uso
2. Workers (Executores)
- Processos assincronamente
- Escaláveis (rode 1, 10, 100 workers)
- Recuperação automática
3. Result Backend (Armazenamento)
- Guarda resultado da task
- Permite consultar status
- Redis, database, ou memcached
Setup Básico Com Docker Compose
version: '3'
services:
rabbitmq:
image: rabbitmq:3-management
environment:
RABBITMQ_DEFAULT_USER: custom_user
RABBITMQ_DEFAULT_PASS: custom_password
ports:
- "5672:5672"
- "15672:15672"
healthcheck:
test: rabbitmq-diagnostics -q ping
interval: 10s
timeout: 5s
retries: 5
redis:
image: redis:7-alpine
ports:
- "6379:6379"
celery_worker:
build: .
command: celery -A tasks worker --loglevel=info
depends_on:
- rabbitmq
ps.: é um exemplo comum, veja se a versão que você for utilizar teve alguma mudança em funções.
Primeira Task Em 5 Minutos
from celery import Celery
import time
# Inicializa Celery
app = Celery(
'tasks',
broker='amqp://custom_user:custom_password@localhost:5672//',
backend='redis://localhost:6379/0'
)
# Define uma task
@app.task
def multiply(a, b):
time.sleep(5) # Simula trabalho pesado
return a * b
@app.task
def send_email(email, subject):
# Aqui entraria lógica de envio real
print(f"Enviando e-mail para:")
return f"E-mail enviado para"
Executando:
# Submete task e retorna imediatamente
result = multiply.delay(10, 5)
# Checa status
print(result.state) # PENDING, STARTED, SUCCESS
# Pega resultado (quando pronto)
print(result.get()) # 50
Agendamento Com Celery Beat
Quer rodar tarefas em horários específicos? Celery Beat é seu amigo:
from celery.schedules import crontab
app.conf.beat_schedule =,
'backup-diario-2am':,
}
Casos Reais De Uso
E-commerce:
- Processamento de pedidos
- Geração de recibos PDF
- Síncrono com inventory
- Notificações push
SaaS:
- Processamento em lote
- Geração de relatórios
- Limpeza de dados antigos
- Jobs de sincronização
IA/ML:
- Treinamento de modelos
- Predições batch
- Pipeline de dados
- Limpeza de datasets
Performance Real
Uma startup implemente Celery pode ver:
- Tempo médio de resposta: 2.5s → 200ms
- Throughput: 100 req/s → 1000 req/s
- Custos de infraestrutura: -40% (melhor utilização de recursos)
Armadilhas Comuns
❌ NÃO faça:
- Usar Celery sem monitoramento (não sabe se vai quebrar)
- Deixar tasks rodarem para sempre (deadlock)
- Confiar em apenas 1 worker
✅ SEMPRE faça:
- Monitore com Flower (dashboard Celery)
- Defina timeouts
- Scale horizontalmente
Sua API travada em uploads? E-mails lentos? Processamento de dados pegando fogo? Celery task queue + Redis + RabbitMQ = máquina de performance. Devs top não fazem mais isso sincronamente. Sua aplicação merece ser rápida.