# 使用 Celery 擴大規模 > 貢獻者：[@ImPerat0R\_](https://github.com/tssujt)、[@ThinkingChen](https://github.com/cdmikechen) `CeleryExecutor`是您擴展 worker 數量的方法之一。為此，您需要設置 Celery 后端（**RabbitMQ**，**Redis**，...）并更改`airflow.cfg`以將執行程序參數指向`CeleryExecutor`并提供相關的 Celery 設置。 有關設置 Celery broker 的更多信息，請參閱[有關該主題的詳細的 Celery 文檔](http://docs.celeryproject.org/en/latest/getting-started/brokers/index.html)。 以下是您的 workers 的一些必要要求： * 需要安裝`airflow`，CLI 需要在路徑中 * 整個集群中的 Airflow 配置設置應該是同構的 * 在 worker 上執行的 Operators（執行器）需要在該上下文中滿足其依賴項。例如，如果您使用`HiveOperator`，則需要在該框上安裝 hive CLI，或者如果您使用`MySqlOperator`，則必須以某種方式在`PYTHONPATH`提供所需的 Python 庫 * workers 需要訪問其`DAGS_FOLDER`的權限，您需要通過自己的方式同步文件系統。常見的設置是將 DAGS_FOLDER 存儲在 Git 存儲庫中，并使用 Chef，Puppet，Ansible 或用于配置環境中的計算機的任何內容在計算機之間進行同步。如果您的所有盒子都有一個共同的掛載點，那么共享您的管道文件也應該可以正常工作 要啟動 worker，您需要設置 Airflow 并啟動 worker 子命令 ```py airflow worker ``` 您的 worker 一旦啟動就應該開始接收任務。 請注意，您還可以運行“Celery Flower”，這是一個建立在 Celery 之上的 Web UI，用于監控您的 worker。 您可以使用快捷命令`airflow flower`啟動 Flower Web 服務器。 一些警告： * 確保使用數據庫來作為 result backend（Celery result_backend，celery 的后臺存儲數據庫）的后臺存儲 * 確保在[celery_broker_transport_options]中設置超過最長運行任務的 ETA 的可見性超時 * 任務會消耗資源，請確保您的 worker 有足夠的資源來運行 worker_concurrency 任務