Python使用定时调度任务的方式_Python

今天构建的大多数应用程序都需要某种方式的调度机制。轮询 API 或数据库、不断检查系统健康状况、将日志存档等是常见的例子。 Kubernetes和Apache Mesos等使用自动伸缩扩容技术（Auto-scaling）的软件需要检查部署的应用程序的状态，为此它们使用定期运行的存活探针（Liveness Probe）。调度任务需要与业务逻辑解耦，因此我们要使用解耦的执行队列，例如Redis队列。

Python 有几种方法可以定时调度一个任务，这就是我们将在本文中学习的内容。我将使用以下方式讨论调度任务：

简单循环（Simple Loops）
简单循环但是使用了线程（Simple Loops but Threaded）
调度库（Schedule Library）
Python Crontab
RQ 调度器作为解耦队列（RQ Scheduler as decoupled queues）

1、简单循环 Simple loops

使用简单循环来实现调度任务这是毫不费力的。使用无限运行的 while 循环定期调用函数可用于调度作业，但这不是最好的方法，不过它是很有效的。可以使用内置time模块的slleep()来延迟执行。不过这并不是大多数作业的调度方式，因为，它看起来很难看，而且与其他方法相比，它的可读性较差。

				?

									import time

									​

									def task():

									    print("Job Completed!")

									​

									 while 1:

									    task()

									    time.sleep(10)

当涉及到每天早上 9:00 或每周三晚上 7:45 等这些日程安排时，事情就变得比较棘手了。

				?

									import datetime

									​

									def task():

									    print("Job Completed!")

									​

									 while 1:

									    now = datetime.datetime.now()

									    # schedule at every wednesday,7:45 pm

									    if now.weekday == 3 and now.strftime("%H:%m") == "19:45":

									        task()

									    # sleep for 6 days

									    time.sleep(6 * 24 * 60 * 60)

这是我的第一时间想到的解决办法，不用谢！这种方法的一个问题是这里的逻辑是阻塞的，即一旦在 python 项目中发现这段代码，它就会卡在 while 1 循环中，从而阻塞其他代码的执行。

2、简单循环但是使用了线程Simple loops but threaded

线程是计算机科学中的一个概念。具有自己指令的小程序由进程执行并独立管理，这就可以解决我们第一种方法的阻塞情况，让我们看看怎么样。

				?

									import time

									import threading

									​

									def task():

									    print("Job Completed!")

									​

									def schedule():

									    while 1:

									        task()

									        time.sleep(10)

									​

									# makes our logic non blocking

									thread = threading.Thread(target=schedule)

									thread.start()

线程启动后，其底层逻辑无法被主线程修改，因此我们可能需要添加资源，程序通过这些资源可以检查特定场景并根据它们执行逻辑。

3、定时调度库 Schedule Library

早些时候，我说使用 while 循环进行调度看起来很丑陋，调度库可以解决这个问题。

				?

									import schedule

									import time

									​

									def task():

									    print("Job Executing!")

									​

									# for every n minutes

									schedule.every(10).minutes.do(task)

									​

									# every hour

									schedule.every().hour.do(task)

									​

									# every daya at specific time

									schedule.every().day.at("10:30").do(task)

									​

									# schedule by name of day

									schedule.every().monday.do(task)

									​

									# name of day with time

									schedule.every().wednesday.at("13:15").do(task)

									​

									while True:

									    schedule.run_pending()

									    time.sleep(1)

正如您所见，通过这样我们可以毫不费力地创建多个调度计划。我特别喜欢创建作业的方式和方法链（Method Chaining），另一方面，这个片段有一个 while 循环，这意味着代码被阻塞，不过我相信你已经知道什么可以帮助我们解决这个问题。

4、Python Crontab

Liunx 中的 crontab 实用程序是一种易于使用且被广泛接受的调度解决方案。Python 库python-crontab提供了一个 API 来使用 Python 中的 CLI 工具。在crontab中，一个定时调度使用 unix-cron字符串格式（ *）来描述，它是一组五个值的一条线，这表明当作业应该被执行时，python-crontab 将在文件中写入 crontab 的计划转换为写入编程方法。

Python使用定时调度任务的方式

				?

									from crontab import CronTab

									​

									cron = CronTab(user='root')

									​

									job = cron.new(command='my_script.sh')

									​

									job.hour.every(1)

									cron.write()

python-crontab 不会自动保存计划，需要执行 write() 方法来保存计划。还有更多功能，我强烈建议您查看他们的文档。

5、RQ 调度器 RQ Scheduler

有些任务不能立即执行，因此我们需要根据 LIFO 或 FIFO 等队列系统创建任务队列并弹出任务。python-rq允许我们做到这一点，使用 Redis 作为代理来排队作业。新作业的条目存储为带有信息的哈希映射，例如created_at, enqueued_at, origin, data, description.

排队任务由名为 worker 的程序执行。workers 在 Redis 缓存中也有一个条目，负责将任务出列以及更新 Redis 中的任务状态。任务可以在需要时排队，但要安排它们，我们需要rq-scheduler。

				?

									from rq_scheduler import Scheduler

									​

									queue = Queue('circle', connection=Redis())

									scheduler = Scheduler(queue=queue)

									​

									scheduler.schedule(

									    scheduled_time=datetime.utcnow(), # Time for first execution, in UTC timezone

									    func=func,                     # Function to be queued

									    args=[arg1, arg2],             # Arguments passed into function when executed

									    kwargs={'foo': 'bar'},         # Keyword arguments passed into function when executed

									    interval=60,                   # Time before the function is called again, in seconds

									    repeat=None,                     # Repeat this number of times (None means repeat forever)

									    meta={'foo': 'bar'}            # Arbitrary pickleable data on the job itself

									)