在日常工作中，我們常常會(huì)用到需要周期性執(zhí)行的任務(wù)，一種方式是采用 Linux 系統(tǒng)自帶的 crond 結(jié)合命令行實(shí)現(xiàn)，另外一種方式是直接使用Python。

最近我整理了一下 Python 定時(shí)任務(wù)的實(shí)現(xiàn)方式，內(nèi)容較長，建議收藏后學(xué)習(xí)，梳理不易，有所收獲，點(diǎn)贊支持。

我們開始學(xué)習(xí)吧！

#目錄

• 利用while True: sleep()實(shí)現(xiàn)定時(shí)任務(wù)
• 使用Timeloop庫運(yùn)行定時(shí)任務(wù)
• 利用threading.Timer實(shí)現(xiàn)定時(shí)任務(wù)
• 利用內(nèi)置模塊sched實(shí)現(xiàn)定時(shí)任務(wù)
• 利用調(diào)度模塊schedule實(shí)現(xiàn)定時(shí)任務(wù)
• 利用任務(wù)框架APScheduler實(shí)現(xiàn)定時(shí)任務(wù)
• 使用分布式消息系統(tǒng)Celery實(shí)現(xiàn)定時(shí)任務(wù)
• 使用數(shù)據(jù)流工具Apache Airflow實(shí)現(xiàn)定時(shí)任務(wù)

#1. 利用while True: sleep()實(shí)現(xiàn)定時(shí)任務(wù)

位于 time 模塊中的 sleep(secs) 函數(shù)，可以實(shí)現(xiàn)令當(dāng)前執(zhí)行的線程暫停 secs 秒后再繼續(xù)執(zhí)行。所謂暫停，即令當(dāng)前線程進(jìn)入阻塞狀態(tài)，當(dāng)達(dá)到 sleep() 函數(shù)規(guī)定的時(shí)間后，再由阻塞狀態(tài)轉(zhuǎn)為就緒狀態(tài)，等待 CPU 調(diào)度。

基于這樣的特性我們可以通過while死循環(huán) sleep()的方式實(shí)現(xiàn)簡(jiǎn)單的定時(shí)任務(wù)。

代碼示例：

import datetimeimport timedef time_printer(): now = datetime.datetime.now() ts = now.strftime('%Y-%m-%d %H:%M:%S') print('do func time :', ts)def loop_monitor(): while True: time_printer() time.sleep(5) # 暫停5秒if __name__ == "__main__": loop_monitor()

主要缺點(diǎn)：

• 只能設(shè)定間隔，不能指定具體的時(shí)間，比如每天早上8:00
• sleep 是一個(gè)阻塞函數(shù)，也就是說 sleep 這一段時(shí)間，程序什么也不能操作。

#2. 使用Timeloop庫運(yùn)行定時(shí)任務(wù)

Timeloop是一個(gè)庫，可用于運(yùn)行多周期任務(wù)。這是一個(gè)簡(jiǎn)單的庫，它使用decorator模式在線程中運(yùn)行標(biāo)記函數(shù)。

示例代碼：

import timefrom timeloop import Timeloopfrom datetime import timedeltatl = Timeloop()@tl.job(interval=timedelta(seconds=2))def sample_job_every_2s(): print "2s job current time : {}".format(time.ctime())@tl.job(interval=timedelta(seconds=5))def sample_job_every_5s(): print "5s job current time : {}".format(time.ctime())@tl.job(interval=timedelta(seconds=10))def sample_job_every_10s(): print "10s job current time : {}".format(time.ctime())

#3. 利用threading.Timer實(shí)現(xiàn)定時(shí)任務(wù)

threading 模塊中的 Timer 是一個(gè)非阻塞函數(shù)，比 sleep 稍好一點(diǎn)，timer最基本理解就是定時(shí)器，我們可以啟動(dòng)多個(gè)定時(shí)任務(wù)，這些定時(shí)器任務(wù)是異步執(zhí)行，所以不存在等待順序執(zhí)行問題。

Timer(interval, function, args=[ ], kwargs={ })

• interval: 指定的時(shí)間
• function: 要執(zhí)行的方法
• args/kwargs: 方法的參數(shù)

代碼示例：

備注：Timer只能執(zhí)行一次，這里需要循環(huán)調(diào)用，否則只能執(zhí)行一次

#4. 利用內(nèi)置模塊sched實(shí)現(xiàn)定時(shí)任務(wù)

sched模塊實(shí)現(xiàn)了一個(gè)通用事件調(diào)度器，在調(diào)度器類使用一個(gè)延遲函數(shù)等待特定的時(shí)間，執(zhí)行任務(wù)。同時(shí)支持多線程應(yīng)用程序，在每個(gè)任務(wù)執(zhí)行后會(huì)立刻調(diào)用延時(shí)函數(shù)，以確保其他線程也能執(zhí)行。

class sched.scheduler(timefunc, delayfunc)這個(gè)類定義了調(diào)度事件的通用接口，它需要外部傳入兩個(gè)參數(shù)，timefunc是一個(gè)沒有參數(shù)的返回時(shí)間類型數(shù)字的函數(shù)(常用使用的如time模塊里面的time)，delayfunc應(yīng)該是一個(gè)需要一個(gè)參數(shù)來調(diào)用、與timefunc的輸出兼容、并且作用為延遲多個(gè)時(shí)間單位的函數(shù)(常用的如time模塊的sleep)。

代碼示例：

import datetimeimport timeimport scheddef time_printer(): now = datetime.datetime.now() ts = now.strftime('%Y-%m-%d %H:%M:%S') print('do func time :', ts) loop_monitor()def loop_monitor(): s = sched.scheduler(time.time, time.sleep) # 生成調(diào)度器 s.enter(5, 1, time_printer, ()) s.run()if __name__ == "__main__": loop_monitor()

scheduler對(duì)象主要方法:

• enter(delay, priority, action, argument)，安排一個(gè)事件來延遲delay個(gè)時(shí)間單位。
• cancel(event)：從隊(duì)列中刪除事件。如果事件不是當(dāng)前隊(duì)列中的事件，則該方法將跑出一個(gè)ValueError。
• run()：運(yùn)行所有預(yù)定的事件。這個(gè)函數(shù)將等待(使用傳遞給構(gòu)造函數(shù)的delayfunc()函數(shù))，然后執(zhí)行事件，直到不再有預(yù)定的事件。

個(gè)人點(diǎn)評(píng)：比threading.Timer更好，不需要循環(huán)調(diào)用。

#5. 利用調(diào)度模塊schedule實(shí)現(xiàn)定時(shí)任務(wù)

schedule是一個(gè)第三方輕量級(jí)的任務(wù)調(diào)度模塊，可以按照秒，分，小時(shí)，日期或者自定義事件執(zhí)行時(shí)間。schedule允許用戶使用簡(jiǎn)單、人性化的語法以預(yù)定的時(shí)間間隔定期運(yùn)行Python函數(shù)(或其它可調(diào)用函數(shù))。

先來看代碼，是不是不看文檔就能明白什么意思？

import scheduleimport timedef job(): print("I'm working...")schedule.every(10).seconds.do(job)schedule.every(10).minutes.do(job)schedule.every().hour.do(job)schedule.every().day.at("10:30").do(job)schedule.every(5).to(10).minutes.do(job)schedule.every().monday.do(job)schedule.every().wednesday.at("13:15").do(job)schedule.every().minute.at(":17").do(job)while True: schedule.run_pending() time.sleep(1)

裝飾器：通過 @repeat() 裝飾靜態(tài)方法

import timefrom schedule import every, repeat, run_pending@repeat(every().second)def job(): print('working...')while True: run_pending() time.sleep(1)

傳遞參數(shù)：

import scheduledef greet(name): print('Hello', name)schedule.every(2).seconds.do(greet, name='Alice')schedule.every(4).seconds.do(greet, name='Bob')while True: schedule.run_pending()

裝飾器同樣能傳遞參數(shù)：

from schedule import every, repeat, run_pending@repeat(every().second, 'World')@repeat(every().minute, 'Mars')def hello(planet): print('Hello', planet)while True: run_pending()

取消任務(wù)：

import schedulei = 0def some_task(): global i i = 1 print(i) if i == 10: schedule.cancel_job(job) print('cancel job') exit(0)job = schedule.every().second.do(some_task)while True: schedule.run_pending()

運(yùn)行一次任務(wù)：

import timeimport scheduledef job_that_executes_once(): print('Hello') return schedule.CancelJobschedule.every().minute.at(':34').do(job_that_executes_once)while True: schedule.run_pending() time.sleep(1)

根據(jù)標(biāo)簽檢索任務(wù)：

# 檢索所有任務(wù)：schedule.get_jobs()import scheduledef greet(name): print('Hello {}'.format(name))schedule.every().day.do(greet, 'Andrea').tag('daily-tasks', 'friend')schedule.every().hour.do(greet, 'John').tag('hourly-tasks', 'friend')schedule.every().hour.do(greet, 'Monica').tag('hourly-tasks', 'customer')schedule.every().day.do(greet, 'Derek').tag('daily-tasks', 'guest')friends = schedule.get_jobs('friend')print(friends)

根據(jù)標(biāo)簽取消任務(wù)：

# 取消所有任務(wù)：schedule.clear()import scheduledef greet(name): print('Hello {}'.format(name)) if name == 'Cancel': schedule.clear('second-tasks') print('cancel second-tasks')schedule.every().second.do(greet, 'Andrea').tag('second-tasks', 'friend')schedule.every().second.do(greet, 'John').tag('second-tasks', 'friend')schedule.every().hour.do(greet, 'Monica').tag('hourly-tasks', 'customer')schedule.every(5).seconds.do(greet, 'Cancel').tag('daily-tasks', 'guest')while True: schedule.run_pending()

運(yùn)行任務(wù)到某時(shí)間：

import schedulefrom datetime import datetime, timedelta, timedef job(): print('working...')schedule.every().second.until('23:59').do(job) # 今天23:59停止schedule.every().second.until('2030-01-01 18:30').do(job) # 2030-01-01 18:30停止schedule.every().second.until(timedelta(hours=8)).do(job) # 8小時(shí)后停止schedule.every().second.until(time(23, 59, 59)).do(job) # 今天23:59:59停止schedule.every().second.until(datetime(2030, 1, 1, 18, 30, 0)).do(job) # 2030-01-01 18:30停止while True: schedule.run_pending()

馬上運(yùn)行所有任務(wù)（主要用于測(cè)試）：

import scheduledef job(): print('working...')def job1(): print('Hello...')schedule.every().monday.at('12:40').do(job)schedule.every().tuesday.at('16:40').do(job1)schedule.run_all()schedule.run_all(delay_seconds=3) # 任務(wù)間延遲3秒

并行運(yùn)行：使用 Python 內(nèi)置隊(duì)列實(shí)現(xiàn)：

import threadingimport timeimport scheduledef job1(): print("I'm running on thread %s" % threading.current_thread())def job2(): print("I'm running on thread %s" % threading.current_thread())def job3(): print("I'm running on thread %s" % threading.current_thread())def run_threaded(job_func): job_thread = threading.Thread(target=job_func) job_thread.start()schedule.every(10).seconds.do(run_threaded, job1)schedule.every(10).seconds.do(run_threaded, job2)schedule.every(10).seconds.do(run_threaded, job3)while True: schedule.run_pending() time.sleep(1)

#6. 利用任務(wù)框架APScheduler實(shí)現(xiàn)定時(shí)任務(wù)

APScheduler（advanceded python scheduler）基于Quartz的一個(gè)Python定時(shí)任務(wù)框架，實(shí)現(xiàn)了Quartz的所有功能，使用起來十分方便。提供了基于日期、固定時(shí)間間隔以及crontab類型的任務(wù)，并且可以持久化任務(wù)。基于這些功能，我們可以很方便的實(shí)現(xiàn)一個(gè)Python定時(shí)任務(wù)系統(tǒng)。

它有以下三個(gè)特點(diǎn)：

• 類似于 Liunx Cron 的調(diào)度程序(可選的開始/結(jié)束時(shí)間)
• 基于時(shí)間間隔的執(zhí)行調(diào)度(周期性調(diào)度，可選的開始/結(jié)束時(shí)間)
• 一次性執(zhí)行任務(wù)(在設(shè)定的日期/時(shí)間運(yùn)行一次任務(wù))

APScheduler有四種組成部分：

• 觸發(fā)器(trigger) 包含調(diào)度邏輯，每一個(gè)作業(yè)有它自己的觸發(fā)器，用于決定接下來哪一個(gè)作業(yè)會(huì)運(yùn)行。除了他們自己初始配置意外，觸發(fā)器完全是無狀態(tài)的。
• 作業(yè)存儲(chǔ)(job store) 存儲(chǔ)被調(diào)度的作業(yè)，默認(rèn)的作業(yè)存儲(chǔ)是簡(jiǎn)單地把作業(yè)保存在內(nèi)存中，其他的作業(yè)存儲(chǔ)是將作業(yè)保存在數(shù)據(jù)庫中。一個(gè)作業(yè)的數(shù)據(jù)講在保存在持久化作業(yè)存儲(chǔ)時(shí)被序列化，并在加載時(shí)被反序列化。調(diào)度器不能分享同一個(gè)作業(yè)存儲(chǔ)。
• 執(zhí)行器(executor) 處理作業(yè)的運(yùn)行，他們通常通過在作業(yè)中提交制定的可調(diào)用對(duì)象到一個(gè)線程或者進(jìn)城池來進(jìn)行。當(dāng)作業(yè)完成時(shí)，執(zhí)行器將會(huì)通知調(diào)度器。
• 調(diào)度器(scheduler) 是其他的組成部分。你通常在應(yīng)用只有一個(gè)調(diào)度器，應(yīng)用的開發(fā)者通常不會(huì)直接處理作業(yè)存儲(chǔ)、調(diào)度器和觸發(fā)器，相反，調(diào)度器提供了處理這些的合適的接口。配置作業(yè)存儲(chǔ)和執(zhí)行器可以在調(diào)度器中完成，例如添加、修改和移除作業(yè)。通過配置executor、jobstore、trigger，使用線程池(ThreadPoolExecutor默認(rèn)值20)或進(jìn)程池(ProcessPoolExecutor 默認(rèn)值5)并且默認(rèn)最多3個(gè)(max_instances)任務(wù)實(shí)例同時(shí)運(yùn)行，實(shí)現(xiàn)對(duì)job的增刪改查等調(diào)度控制

示例代碼：

from apscheduler.schedulers.blocking import BlockingSchedulerfrom datetime import datetime# 輸出時(shí)間def job(): print(datetime.now().strftime("%Y-%m-%d %H:%M:%S"))# BlockingSchedulersched = BlockingScheduler()sched.add_job(my_job, 'interval', seconds=5, id='my_job_id')sched.start()

6.1 Job 作業(yè)

Job作為APScheduler最小執(zhí)行單位。創(chuàng)建Job時(shí)指定執(zhí)行的函數(shù)，函數(shù)中所需參數(shù)，Job執(zhí)行時(shí)的一些設(shè)置信息。

構(gòu)建說明：

• id：指定作業(yè)的唯一ID
• name：指定作業(yè)的名字
• trigger：apscheduler定義的觸發(fā)器，用于確定Job的執(zhí)行時(shí)間，根據(jù)設(shè)置的trigger規(guī)則，計(jì)算得到下次執(zhí)行此job的時(shí)間， 滿足時(shí)將會(huì)執(zhí)行
• executor：apscheduler定義的執(zhí)行器，job創(chuàng)建時(shí)設(shè)置執(zhí)行器的名字，根據(jù)字符串你名字到scheduler獲取到執(zhí)行此job的 執(zhí)行器，執(zhí)行job指定的函數(shù)
• max_instances：執(zhí)行此job的最大實(shí)例數(shù)，executor執(zhí)行job時(shí)，根據(jù)job的id來計(jì)算執(zhí)行次數(shù)，根據(jù)設(shè)置的最大實(shí)例數(shù)來確定是否可執(zhí)行
• next_run_time：Job下次的執(zhí)行時(shí)間，創(chuàng)建Job時(shí)可以指定一個(gè)時(shí)間[datetime],不指定的話則默認(rèn)根據(jù)trigger獲取觸發(fā)時(shí)間
• misfire_grace_time：Job的延遲執(zhí)行時(shí)間，例如Job的計(jì)劃執(zhí)行時(shí)間是21:00:00，但因服務(wù)重啟或其他原因?qū)е?1:00:31才執(zhí)行，如果設(shè)置此key為40,則該job會(huì)繼續(xù)執(zhí)行，否則將會(huì)丟棄此job
• coalesce：Job是否合并執(zhí)行，是一個(gè)bool值。例如scheduler停止20s后重啟啟動(dòng)，而job的觸發(fā)器設(shè)置為5s執(zhí)行一次，因此此job錯(cuò)過了4個(gè)執(zhí)行時(shí)間，如果設(shè)置為是，則會(huì)合并到一次執(zhí)行，否則會(huì)逐個(gè)執(zhí)行
• func：Job執(zhí)行的函數(shù)
• args：Job執(zhí)行函數(shù)需要的位置參數(shù)
• kwargs：Job執(zhí)行函數(shù)需要的關(guān)鍵字參數(shù)

6.2 Trigger 觸發(fā)器

Trigger綁定到Job，在scheduler調(diào)度篩選Job時(shí)，根據(jù)觸發(fā)器的規(guī)則計(jì)算出Job的觸發(fā)時(shí)間，然后與當(dāng)前時(shí)間比較確定此Job是否會(huì)被執(zhí)行，總之就是根據(jù)trigger規(guī)則計(jì)算出下一個(gè)執(zhí)行時(shí)間。

目前APScheduler支持觸發(fā)器：

• 指定時(shí)間的DateTrigger
• 指定間隔時(shí)間的IntervalTrigger
• 像Linux的crontab一樣的CronTrigger。

觸發(fā)器參數(shù)：date

date定時(shí)，作業(yè)只執(zhí)行一次。

• run_date (datetime|str) – the date/time to run the job at
• timezone (datetime.tzinfo|str) – time zone for run_date if it doesn’t have one already

sched.add_job(my_job, 'date', run_date=date(2009, 11, 6), args=['text'])sched.add_job(my_job, 'date', run_date=datetime(2019, 7, 6, 16, 30, 5), args=['text'])

觸發(fā)器參數(shù)：interval

interval間隔調(diào)度

• weeks (int) – 間隔幾周
• days (int) – 間隔幾天
• hours (int) – 間隔幾小時(shí)
• minutes (int) – 間隔幾分鐘
• seconds (int) – 間隔多少秒
• start_date (datetime|str) – 開始日期
• end_date (datetime|str) – 結(jié)束日期
• timezone (datetime.tzinfo|str) – 時(shí)區(qū)

sched.add_job(job_function, 'interval', hours=2)

觸發(fā)器參數(shù)：cron

cron調(diào)度

• (int|str) 表示參數(shù)既可以是int類型，也可以是str類型
• (datetime | str) 表示參數(shù)既可以是datetime類型，也可以是str類型
• year (int|str) – 4-digit year -（表示四位數(shù)的年份，如2008年）
• month (int|str) – month (1-12) -（表示取值范圍為1-12月）
• day (int|str) – day of the (1-31) -（表示取值范圍為1-31日）
• week (int|str) – ISO week (1-53) -（格里歷2006年12月31日可以寫成2006年-W52-7（擴(kuò)展形式）或2006W527（緊湊形式））
• day_of_week (int|str) – number or name of weekday (0-6 or mon,tue,wed,thu,fri,sat,sun) – （表示一周中的第幾天，既可以用0-6表示也可以用其英語縮寫表示）
• hour (int|str) – hour (0-23) – （表示取值范圍為0-23時(shí)）
• minute (int|str) – minute (0-59) – （表示取值范圍為0-59分）
• second (int|str) – second (0-59) – （表示取值范圍為0-59秒）
• start_date (datetime|str) – earliest possible date/time to trigger on (inclusive) – （表示開始時(shí)間）
• end_date (datetime|str) – latest possible date/time to trigger on (inclusive) – （表示結(jié)束時(shí)間）
• timezone (datetime.tzinfo|str) – time zone to use for the date/time calculations (defaults to scheduler timezone) -（表示時(shí)區(qū)取值）

CronTrigger可用的表達(dá)式：

# 6-8,11-12月第三個(gè)周五 00:00, 01:00, 02:00, 03:00運(yùn)行sched.add_job(job_function, 'cron', month='6-8,11-12', day='3rd fri', hour='0-3')# 每周一到周五運(yùn)行 直到2024-05-30 00:00:00sched.add_job(job_function, 'cron', day_of_week='mon-fri', hour=5, minute=30, end_date='2024-05-30'

6.3 Executor 執(zhí)行器

Executor在scheduler中初始化，另外也可通過scheduler的add_executor動(dòng)態(tài)添加Executor。每個(gè)executor都會(huì)綁定一個(gè)alias，這個(gè)作為唯一標(biāo)識(shí)綁定到Job，在實(shí)際執(zhí)行時(shí)會(huì)根據(jù)Job綁定的executor找到實(shí)際的執(zhí)行器對(duì)象，然后根據(jù)執(zhí)行器對(duì)象執(zhí)行Job。

Executor的種類會(huì)根據(jù)不同的調(diào)度來選擇，如果選擇AsyncIO作為調(diào)度的庫，那么選擇AsyncIOExecutor，如果選擇tornado作為調(diào)度的庫，選擇TornadoExecutor，如果選擇啟動(dòng)進(jìn)程作為調(diào)度，選擇ThreadPoolExecutor或者ProcessPoolExecutor都可以。

Executor的選擇需要根據(jù)實(shí)際的scheduler來選擇不同的執(zhí)行器。目前APScheduler支持的Executor：

• executors.asyncio：同步io，阻塞
• executors.gevent：io多路復(fù)用，非阻塞
• executors.pool: 線程ThreadPoolExecutor和進(jìn)程ProcessPoolExecutor
• executors.twisted：基于事件驅(qū)動(dòng)

6.4 Jobstore 作業(yè)存儲(chǔ)

Jobstore在scheduler中初始化，另外也可通過scheduler的add_jobstore動(dòng)態(tài)添加Jobstore。每個(gè)jobstore都會(huì)綁定一個(gè)alias，scheduler在Add Job時(shí)，根據(jù)指定的jobstore在scheduler中找到相應(yīng)的jobstore，并將job添加到j(luò)obstore中。作業(yè)存儲(chǔ)器決定任務(wù)的保存方式， 默認(rèn)存儲(chǔ)在內(nèi)存中（MemoryJobStore），重啟后就沒有了。APScheduler支持的任務(wù)存儲(chǔ)器有：

• jobstores.memory：內(nèi)存
• jobstores.mongodb：存儲(chǔ)在mongodb
• jobstores.redis：存儲(chǔ)在redis
• jobstores.rethinkdb：存儲(chǔ)在rethinkdb
• jobstores.sqlalchemy：支持sqlalchemy的數(shù)據(jù)庫如mysql，sqlite等
• jobstores.zookeeper：zookeeper

不同的任務(wù)存儲(chǔ)器可以在調(diào)度器的配置中進(jìn)行配置（見調(diào)度器）

6.5 Event 事件

Event是APScheduler在進(jìn)行某些操作時(shí)觸發(fā)相應(yīng)的事件，用戶可以自定義一些函數(shù)來監(jiān)聽這些事件，當(dāng)觸發(fā)某些Event時(shí)，做一些具體的操作。常見的比如。Job執(zhí)行異常事件 EVENT_JOB_ERROR。Job執(zhí)行時(shí)間錯(cuò)過事件 EVENT_JOB_MISSED。

目前APScheduler定義的Event：

• EVENT_SCHEDULER_STARTED
• EVENT_SCHEDULER_START
• EVENT_SCHEDULER_SHUTDOWN
• EVENT_SCHEDULER_PAUSED
• EVENT_SCHEDULER_RESUMED
• EVENT_EXECUTOR_ADDED
• EVENT_EXECUTOR_REMOVED
• EVENT_JOBSTORE_ADDED
• EVENT_JOBSTORE_REMOVED
• EVENT_ALL_JOBS_REMOVED
• EVENT_JOB_ADDED
• EVENT_JOB_REMOVED
• EVENT_JOB_MODIFIED
• EVENT_JOB_EXECUTED
• EVENT_JOB_ERROR
• EVENT_JOB_MISSED
• EVENT_JOB_SUBMITTED
• EVENT_JOB_MAX_INSTANCES

Listener表示用戶自定義監(jiān)聽的一些Event，比如當(dāng)Job觸發(fā)了EVENT_JOB_MISSED事件時(shí)可以根據(jù)需求做一些其他處理。

6.6 調(diào)度器

Scheduler是APScheduler的核心，所有相關(guān)組件通過其定義。scheduler啟動(dòng)之后，將開始按照配置的任務(wù)進(jìn)行調(diào)度。除了依據(jù)所有定義Job的trigger生成的將要調(diào)度時(shí)間喚醒調(diào)度之外。當(dāng)發(fā)生Job信息變更時(shí)也會(huì)觸發(fā)調(diào)度。

APScheduler支持的調(diào)度器方式如下，比較常用的為BlockingScheduler和BackgroundScheduler

• BlockingScheduler：適用于調(diào)度程序是進(jìn)程中唯一運(yùn)行的進(jìn)程，調(diào)用start函數(shù)會(huì)阻塞當(dāng)前線程，不能立即返回。
• BackgroundScheduler：適用于調(diào)度程序在應(yīng)用程序的后臺(tái)運(yùn)行，調(diào)用start后主線程不會(huì)阻塞。
• AsyncIOScheduler：適用于使用了asyncio模塊的應(yīng)用程序。
• GeventScheduler：適用于使用gevent模塊的應(yīng)用程序。
• TwistedScheduler：適用于構(gòu)建Twisted的應(yīng)用程序。
• QtScheduler：適用于構(gòu)建Qt的應(yīng)用程序。

6.7 Scheduler的工作流程

Scheduler添加job流程：

Scheduler調(diào)度流程：

#7. 使用分布式消息系統(tǒng)Celery實(shí)現(xiàn)定時(shí)任務(wù)

Celery是一個(gè)簡(jiǎn)單，靈活，可靠的分布式系統(tǒng)，用于處理大量消息，同時(shí)為操作提供維護(hù)此類系統(tǒng)所需的工具, 也可用于任務(wù)調(diào)度。Celery 的配置比較麻煩，如果你只是需要一個(gè)輕量級(jí)的調(diào)度工具，Celery 不會(huì)是一個(gè)好選擇。

Celery 是一個(gè)強(qiáng)大的分布式任務(wù)隊(duì)列，它可以讓任務(wù)的執(zhí)行完全脫離主程序，甚至可以被分配到其他主機(jī)上運(yùn)行。我們通常使用它來實(shí)現(xiàn)異步任務(wù)（async task）和定時(shí)任務(wù)（crontab）。異步任務(wù)比如是發(fā)送郵件、或者文件上傳, 圖像處理等等一些比較耗時(shí)的操作 ，定時(shí)任務(wù)是需要在特定時(shí)間執(zhí)行的任務(wù)。

需要注意，celery本身并不具備任務(wù)的存儲(chǔ)功能，在調(diào)度任務(wù)的時(shí)候肯定是要把任務(wù)存起來的，因此在使用celery的時(shí)候還需要搭配一些具備存儲(chǔ)、訪問功能的工具，比如：消息隊(duì)列、Redis緩存、數(shù)據(jù)庫等。官方推薦的是消息隊(duì)列RabbitMQ，有些時(shí)候使用Redis也是不錯(cuò)的選擇。

它的架構(gòu)組成如下圖：

Celery架構(gòu)，它采用典型的生產(chǎn)者-消費(fèi)者模式，主要由以下部分組成：

• Celery Beat，任務(wù)調(diào)度器，Beat進(jìn)程會(huì)讀取配置文件的內(nèi)容，周期性地將配置中到期需要執(zhí)行的任務(wù)發(fā)送給任務(wù)隊(duì)列。
• Producer：需要在隊(duì)列中進(jìn)行的任務(wù)，一般由用戶、觸發(fā)器或其他操作將任務(wù)入隊(duì)，然后交由workers進(jìn)行處理。調(diào)用了Celery提供的API、函數(shù)或者裝飾器而產(chǎn)生任務(wù)并交給任務(wù)隊(duì)列處理的都是任務(wù)生產(chǎn)者。
• Broker，即消息中間件，在這指任務(wù)隊(duì)列本身，Celery扮演生產(chǎn)者和消費(fèi)者的角色，brokers就是生產(chǎn)者和消費(fèi)者存放/獲取產(chǎn)品的地方(隊(duì)列)。
• Celery Worker，執(zhí)行任務(wù)的消費(fèi)者，從隊(duì)列中取出任務(wù)并執(zhí)行。通常會(huì)在多臺(tái)服務(wù)器運(yùn)行多個(gè)消費(fèi)者來提高執(zhí)行效率。
• Result Backend：任務(wù)處理完后保存狀態(tài)信息和結(jié)果，以供查詢。Celery默認(rèn)已支持Redis、RabbitMQ、MongoDB、Django ORM、SQLAlchemy等方式。

實(shí)際應(yīng)用中，用戶從Web前端發(fā)起一個(gè)請(qǐng)求，我們只需要將請(qǐng)求所要處理的任務(wù)丟入任務(wù)隊(duì)列broker中，由空閑的worker去處理任務(wù)即可，處理的結(jié)果會(huì)暫存在后臺(tái)數(shù)據(jù)庫backend中。我們可以在一臺(tái)機(jī)器或多臺(tái)機(jī)器上同時(shí)起多個(gè)worker進(jìn)程來實(shí)現(xiàn)分布式地并行處理任務(wù)。

Celery定時(shí)任務(wù)實(shí)例：

• Python Celery & RabbitMQ Tutorial
• Celery 配置實(shí)踐筆記

#8. 使用數(shù)據(jù)流工具Apache Airflow實(shí)現(xiàn)定時(shí)任務(wù)

Apache Airflow 是Airbnb開源的一款數(shù)據(jù)流程工具，目前是Apache孵化項(xiàng)目。以非常靈活的方式來支持?jǐn)?shù)據(jù)的ETL過程，同時(shí)還支持非常多的插件來完成諸如HDFS監(jiān)控、郵件通知等功能。Airflow支持單機(jī)和分布式兩種模式，支持Master-Slave模式，支持Mesos等資源調(diào)度，有非常好的擴(kuò)展性。被大量公司采用。

Airflow使用Python開發(fā)，它通過DAGs(Directed Acyclic Graph, 有向無環(huán)圖)來表達(dá)一個(gè)工作流中所要執(zhí)行的任務(wù)，以及任務(wù)之間的關(guān)系和依賴。比如，如下的工作流中，任務(wù)T1執(zhí)行完成，T2和T3才能開始執(zhí)行，T2和T3都執(zhí)行完成，T4才能開始執(zhí)行。

Airflow提供了各種Operator實(shí)現(xiàn)，可以完成各種任務(wù)實(shí)現(xiàn)：

• BashOperator – 執(zhí)行 bash 命令或腳本。
• SSHOperator – 執(zhí)行遠(yuǎn)程 bash 命令或腳本（原理同 paramiko 模塊）。
• PythonOperator – 執(zhí)行 Python 函數(shù)。
• EmailOperator – 發(fā)送 Email。
• HTTPOperator – 發(fā)送一個(gè) HTTP 請(qǐng)求。
• MySqlOperator, SqliteOperator, PostgresOperator, MsSqlOperator, OracleOperator, JdbcOperator, 等，執(zhí)行 SQL 任務(wù)。
• DockerOperator, HiveOperator, S3FileTransferOperator, PrestoToMysqlOperator, SlackOperator…

除了以上這些 Operators 還可以方便的自定義 Operators 滿足個(gè)性化的任務(wù)需求。

一些情況下，我們需要根據(jù)執(zhí)行結(jié)果執(zhí)行不同的任務(wù)，這樣工作流會(huì)產(chǎn)生分支。如:

這種需求可以使用BranchPythonOperator來實(shí)現(xiàn)。

8.1 Airflow 產(chǎn)生的背景

通常，在一個(gè)運(yùn)維系統(tǒng)，數(shù)據(jù)分析系統(tǒng)，或測(cè)試系統(tǒng)等大型系統(tǒng)中，我們會(huì)有各種各樣的依賴需求。包括但不限于：

• 時(shí)間依賴：任務(wù)需要等待某一個(gè)時(shí)間點(diǎn)觸發(fā)。
• 外部系統(tǒng)依賴：任務(wù)依賴外部系統(tǒng)需要調(diào)用接口去訪問。
• 任務(wù)間依賴：任務(wù) A 需要在任務(wù) B 完成后啟動(dòng)，兩個(gè)任務(wù)互相間會(huì)產(chǎn)生影響。
• 資源環(huán)境依賴：任務(wù)消耗資源非常多， 或者只能在特定的機(jī)器上執(zhí)行。

crontab 可以很好地處理定時(shí)執(zhí)行任務(wù)的需求，但僅能管理時(shí)間上的依賴。Airflow 的核心概念 DAG（有向無環(huán)圖）—— 來表現(xiàn)工作流。

• Airflow 是一種 WMS，即：它將任務(wù)以及它們的依賴看作代碼，按照那些計(jì)劃規(guī)范任務(wù)執(zhí)行，并在實(shí)際工作進(jìn)程之間分發(fā)需執(zhí)行的任務(wù)。
• Airflow 提供了一個(gè)用于顯示當(dāng)前活動(dòng)任務(wù)和過去任務(wù)狀態(tài)的優(yōu)秀 UI，并允許用戶手動(dòng)管理任務(wù)的執(zhí)行和狀態(tài)。
• Airflow 中的工作流是具有方向性依賴的任務(wù)集合。
• DAG 中的每個(gè)節(jié)點(diǎn)都是一個(gè)任務(wù)，DAG 中的邊表示的是任務(wù)之間的依賴（強(qiáng)制為有向無環(huán)，因此不會(huì)出現(xiàn)循環(huán)依賴，從而導(dǎo)致無限執(zhí)行循環(huán)）。

8.2 Airflow 核心概念

• DAGs：即有向無環(huán)圖(Directed Acyclic Graph)，將所有需要運(yùn)行的tasks按照依賴關(guān)系組織起來，描述的是所有tasks執(zhí)行順序。
• Operators：可以簡(jiǎn)單理解為一個(gè)class，描述了DAG中某個(gè)的task具體要做的事。其中，airflow內(nèi)置了很多operators，如BashOperator 執(zhí)行一個(gè)bash 命令，PythonOperator 調(diào)用任意的Python 函數(shù)，EmailOperator 用于發(fā)送郵件，HTTPOperator 用于發(fā)送HTTP請(qǐng)求， SqlOperator 用于執(zhí)行SQL命令等等，同時(shí)，用戶可以自定義Operator，這給用戶提供了極大的便利性。
• Tasks：Task 是 Operator的一個(gè)實(shí)例，也就是DAGs中的一個(gè)node。
• Task Instance：task的一次運(yùn)行。Web 界面中可以看到task instance 有自己的狀態(tài)，包括”running”, “success”, “failed”, “skipped”, “up for retry”等。
• Task Relationships：DAGs中的不同Tasks之間可以有依賴關(guān)系，如 Task1 >> Task2，表明Task2依賴于Task2了。通過將DAGs和Operators結(jié)合起來，用戶就可以創(chuàng)建各種復(fù)雜的 工作流（workflow）。

8.3 Airflow 的架構(gòu)

在一個(gè)可擴(kuò)展的生產(chǎn)環(huán)境中，Airflow 含有以下組件：

• 元數(shù)據(jù)庫：這個(gè)數(shù)據(jù)庫存儲(chǔ)有關(guān)任務(wù)狀態(tài)的信息。
• 調(diào)度器：Scheduler 是一種使用 DAG 定義結(jié)合元數(shù)據(jù)中的任務(wù)狀態(tài)來決定哪些任務(wù)需要被執(zhí)行以及任務(wù)執(zhí)行優(yōu)先級(jí)的過程。調(diào)度器通常作為服務(wù)運(yùn)行。
• 執(zhí)行器：Executor 是一個(gè)消息隊(duì)列進(jìn)程，它被綁定到調(diào)度器中，用于確定實(shí)際執(zhí)行每個(gè)任務(wù)計(jì)劃的工作進(jìn)程。有不同類型的執(zhí)行器，每個(gè)執(zhí)行器都使用一個(gè)指定工作進(jìn)程的類來執(zhí)行任務(wù)。例如，LocalExecutor 使用與調(diào)度器進(jìn)程在同一臺(tái)機(jī)器上運(yùn)行的并行進(jìn)程執(zhí)行任務(wù)。其他像 CeleryExecutor 的執(zhí)行器使用存在于獨(dú)立的工作機(jī)器集群中的工作進(jìn)程執(zhí)行任務(wù)。
• Workers：這些是實(shí)際執(zhí)行任務(wù)邏輯的進(jìn)程，由正在使用的執(zhí)行器確定。

Worker的具體實(shí)現(xiàn)由配置文件中的executor來指定，airflow支持多種Executor:

• SequentialExecutor: 單進(jìn)程順序執(zhí)行，一般只用來測(cè)試
• LocalExecutor: 本地多進(jìn)程執(zhí)行
• CeleryExecutor: 使用Celery進(jìn)行分布式任務(wù)調(diào)度
• DaskExecutor：使用Dask進(jìn)行分布式任務(wù)調(diào)度
• KubernetesExecutor: 1.10.0新增, 創(chuàng)建臨時(shí)POD執(zhí)行每次任務(wù)

生產(chǎn)環(huán)境一般使用CeleryExecutor和KubernetesExecutor。

使用CeleryExecutor的架構(gòu)如圖:

使用KubernetesExecutor的架構(gòu)如圖:

其它參考：

• Getting started with Apache Airflow
• Understanding Apache Airflow’s key concept

作者：錢魏Way原文鏈接：https://www.biaodianfu.com/python-schedule.html