配置好django的celery配置后 不管是win下还是Linux下，先进入python虚拟环境，然后cd 进入DJANGO项目根目录下（manage.py同一级目录）,

执行以下命令启动celery worker

--------------------------------------------------------------------------------------------------------

如果你的celery.py（celery配置文件),是单独定义并且放在了setting.py同目录，可以使用下面的方式启动worker:

# 多进程模型

celery -A 项目名 worker --loglevel=info --concurrency=8

# 多线程模型

celery -A 项目名 worker --loglevel=info --concurrency=8 --pool=threads

# 事件驱动模型 (eventlet)

celery -A 项目名 worker --loglevel=info --pool=eventlet

# 事件驱动模型 (gevent)

celery -A 项目名 worker --loglevel=info --pool=gevent

如果你是单独的celery应用，celery配置文件是直接写在某个taks.py里面或者配置文件不在setting.py同目录的话

启动的项目名必须明确指向到celery配置文件所在位置，

比如项目根目录下你单独创建了一个celery_tasks目录，
然后创建了一个单独的一个tasks.py 的并且把celery 的配置也写在了tasks.py里面，
那就要明确指明task.py所在：
celery -A celery_tasks.tasks worker --loglevel=info
这样的启动方式
--------------------------------------------------------------------------------------------------------

参数说明：不同启动方式的效果

1. 默认启动 (celery -A myproject worker --loglevel=info):

• 如果你的系统有4个核心，Celery将启动4个工作进程。

• 每个进程独立运行，可以充分利用多核优势。

• 适合CPU密集型任务。

2. 指定并发数 (celery -A myproject worker --loglevel=info --concurrency=8):

• 固定并发数为8，即使系统只有4个核心。

• 可能会导致某些核心过载，但可以提高任务吞吐量。

• 适合任务队列较长的情况。

3. 线程池模型 (celery -A myproject worker --loglevel=info --concurrency=8 --pool=threads):

• 在单个进程中启动8个线程。

• 线程间的切换开销较小，适合IO密集型任务。

• 对于大量并发的网络请求或数据库操作非常有用。
  

--------------------------------------------------------------------------------------------------------
多进程模型：适合计算密集型任务，也可以并行处理 I/O 密集型任务。

多线程模型：更适合 I/O 密集型任务，但由于 GIL 的限制，在 CPU 密集型任务上的性能可能不如多进程模型。

事件驱动模型：最适合处理大量的并发连接和 I/O 密集型任务。

通过增加并发进程或线程的数量，你可以确保 Celery 同一时间并发地与多个 CDN 节点服务器通信并执行 SSH 命令。选择合适的并发模型可以根据你的具体需求来优化任务的执行效率。