python定时任务有以下常见方案
- python-crontab 系列
如python-crontab、django-crontab
封装了Linux提供的crontab命令
在Linux上需开启crontab，不支持windows，适用于中小型项目 - apscheduler 系列
如apscheduler、django-apscheduler、flask-apscheduler
支持windows和linux，适用于中小型项目 - Celery 系列
如celery、django-celery、flask-celery
支持windows和linux，支持分布式，配置较复杂，适用于大型项目 - 自建轮子
import os, sys, time, datetime
import threading
import django
base_apth = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
# print(base_apth)
# 将项目路径加入到系统path中，这样在导入模型等模块时就不会报模块找不到了
sys.path.append(base_apth)
os.environ['DJANGO_SETTINGS_MODULE'] ='base_django_api.settings' # 注意：base_django_api 是我的模块名，你在使用时需要跟换为你的模块
django.setup()
from base.models import ConfDict
def confdict_handle():
while True:
try:
loca_time = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
print('本地时间：'+str(loca_time))
time.sleep(10)
except Exception as e:
print('发生错误，错误信息为：', e)
continue
def main():
'''
主函数，用于启动所有定时任务，因为当前定时任务是手动实现，因此可以自由发挥
'''
try:
# 启动定时任务，多个任务时，使用多线程
task1 = threading.Thread(target=confdict_handle)
task1.start()
except Exception as e:
print('发生异常：%s' % str(e))
if __name__ == '__main__':
main()
Celery
Celery是一个任务队列管理工具，可用于实现异步接口、定期删除/缓存Redis数据、定期发送消息等。Celery本身不提供消息存储。
- Producer
生产者，调用Celery的API产生任务并交给任务队列 - Celery Beat
任务调度器，Beat进程会读取配置文件的内容，周期性地将配置中到期需要执行的任务发送给任务队列。 - Brokers
中间人，指任务队列，仅支持Redis、RabbitMQ。 - Celery Workers
消费者，从队列中取出任务并执行。可在多台服务器运行多个消费者提高效率 -
Result Stores / backend
任务处理完后保存状态信息和结果，可以使用Redis、RabbitMQ或DjangoORM等。
celery工作流程
消息队列
使用场景
- 解耦
如在订单与库存系统中加入消息队列，使两个系统解耦 - 异步任务
如发送短信、邮件、刷新缓存等 - 流量削峰
如秒杀活动等高并发场景
broker选择
- Redis
其list适用于做轻量级的MQ存储，但功能和逻辑需上层应用自行实现 - RabbitMQ
使用生产-消费者模式，并引入了Echange（交换器）概念，根据调度策略将生产者的消息转发给符合的Queue，实现解耦
相比于redis的优势：
- 发布确认：生产者发布消息给Broker后，会收到Broker的反馈，保证发布成功
- 消费确认：消息提交给消费者后，如未成功消费确认，会返回到消息队列
- 高可用性：自带集群和负载均衡
- 持久化：redis只能将整个数据库持久化，而RabbitMQ可以对每条队列或消息分别设置持久化
基本使用DEMO
- 安装redis和celery
如果celery>=4.0，需要确保redis>=2.10.4
apt-get install redis-server
pip install redis
pip install celery
- 建立task
#tasks.py
from celery import Celery
app = Celery('tasks', backend='redis://:yourpassword@localhost:6379/0', broker='redis://:yourpassword@localhost:6379/0') #配置好celery的backend和broker
@app.task #普通函数装饰为 celery task
def add(x, y):
return x + y
也可以通过app.config_from_object() 加载配置模块：
app.config_from_object('celeryconfig')
# celeryconfig.py
broker_url = 'pyamqp://'
result_backend = 'rpc://'
task_serializer = 'json'
result_serializer = 'json'
accept_content = ['json']
timezone = 'Europe/Oslo'
enable_utc = True
- 启动worker（开始从队列中读取任务并执行）
celery -A tasks worker --loglevel=info
可通过celery worker --help查看命令列表，常用包括以下内容：
- -A, --app
指定使用的 Celery 实例，必须为module.path:attribute格式，如-A swallow.celery。 - -l, --loglevel [DEBUG（默认）|INFO|WARNING|ERROR|CRITICAL|FATAL]
日志级别 - -P, --pool [prefork（默认）|eventlet|gevent|solo|processes|threads]
并发模式，其默认值prefork在windows上不支持，会报错not enough values to unpack (expected 3, got 0)
可使用--pool=solo（单进程）或-P solo代替
也可以使用gevent或eventlet，但需先用pip下载 - -c, --concurrency
同时处理任务的工作进程数量，超出的任务需等待其他任务完成后执行。默认为CPU数
- 触发任务
- 通过
delay或apply_async直接触发
当任务完成时result.ready()为 True，然后用result.get()取结果即可。
确保调用了result.get()或result.forget()，否则资源不会释放
#trigger.py
from tasks import add
result = add.delay(4, 4) #不要直接 add(4, 4)，这里需要用 celery 提供的接口 delay 进行调用
while not result.ready():
time.sleep(1)
print 'task done: {0}'.format(result.get())
- 通过
beat定时触发
celery beat 是一个调度程序，会定期触发任务
通过celery -A 【beat实例】 beat启动，如celery -A swallow.celery beat -l info
此处的crontab模块并未调用系统的crontab，只是同名罢了
#settings.py
from celery.schedules import timedelta, crontab
# 默认使用UTC时区，建议改为`'Asia/Shanghai'`
CELERY_TIMEZONE = 'Asia/Shanghai'
CELERYBEAT_SCHEDULE = {
"task_every_30_minutes": {# 该key随便起，不需要调用。
"task": "task_every_30_minutes",# 实际调用的是这个task
"schedule": timedelta(minutes=30)
},
"task_every_day_start": {
"task": "task_every_day_start",
"schedule": crontab(minute=0, hour=0)
},
"task_every_even_hour": {
"task": "task_every_even_hour",
'schedule': crontab(minute=0, hour='0,2,4,6,8,10,12,14,16,18,20,22'),
},
}
在django中使用celery
- 独立使用
celery
需进行相关配置，使celery可以调用django中的内容，如django.setup()等。 - 使用
celery+djcelery
配置更方便
网友评论