在日常工作中，我們常常會用到需要周期性執(zhí)行的任務(wù)，一種方式是采用 Linux 系統(tǒng)自帶的 crond 結(jié)合命令行實現(xiàn)。另外一種方式是直接使用Python。接下來整理的是常見的Python定時任務(wù)的實現(xiàn)方式。

目錄利用while True： + sleep（）實現(xiàn)定時任務(wù)

使用Timeloop庫運行定時任務(wù)

利用threading.Timer實現(xiàn)定時任務(wù)

利用內(nèi)置模塊sched實現(xiàn)定時任務(wù)

利用調(diào)度模塊schedule實現(xiàn)定時任務(wù)

利用任務(wù)框架APScheduler實現(xiàn)定時任務(wù)

Job 作業(yè)

Trigger 觸發(fā)器

Executor 執(zhí)行器

Jobstore 作業(yè)存儲

Event 事件

調(diào)度器

APScheduler中的重要概念

Scheduler的工作流程

使用分布式消息系統(tǒng)Celery實現(xiàn)定時任務(wù)

使用數(shù)據(jù)流工具Apache Airflow實現(xiàn)定時任務(wù)

Airflow 產(chǎn)生的背景

Airflow 核心概念

Airflow 的架構(gòu)

利用while True： + sleep（）實現(xiàn)定時任務(wù)位于 time 模塊中的 sleep（secs） 函數(shù)，可以實現(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)前線程進入阻塞狀態(tài)，當(dāng)達到 sleep（） 函數(shù)規(guī)定的時間后，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（）的方式實現(xiàn)簡單的定時任務(wù)。

代碼示例：

import datetime

import time

def 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：

只能設(shè)定間隔，不能指定具體的時間，比如每天早上8:00

sleep 是一個阻塞函數(shù)，也就是說 sleep 這一段時間，程序什么也不能操作。

使用Timeloop庫運行定時任務(wù)Timeloop是一個庫，可用于運行多周期任務(wù)。這是一個簡單的庫，它使用decorator模式在線程中運行標(biāo)記函數(shù)。

示例代碼：

import time

from timeloop import Timeloop

from datetime import timedelta

tl = 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（））

利用threading.Timer實現(xiàn)定時任務(wù)threading 模塊中的 Timer 是一個非阻塞函數(shù)，比 sleep 稍好一點，timer最基本理解就是定時器，我們可以啟動多個定時任務(wù)，這些定時器任務(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

利用內(nèi)置模塊sched實現(xiàn)定時任務(wù)sched模塊實現(xiàn)了一個通用事件調(diào)度器，在調(diào)度器類使用一個延遲函數(shù)等待特定的時間，執(zhí)行任務(wù)。同時支持多線程應(yīng)用程序，在每個任務(wù)執(zhí)行后會立刻調(diào)用延時函數(shù)，以確保其他線程也能執(zhí)行。

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

代碼示例：

import datetime

import time

import sched

def 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對象主要方法：

enter（delay， priority， action， argument），安排一個事件來延遲delay個時間單位。

cancel（event）：從隊列中刪除事件。如果事件不是當(dāng)前隊列中的事件，則該方法將跑出一個ValueError。

run（）：運行所有預(yù)定的事件。這個函數(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。

個人點評：比threading.Timer更好，不需要循環(huán)調(diào)用。

利用調(diào)度模塊schedule實現(xiàn)定時任務(wù)schedule是一個第三方輕量級的任務(wù)調(diào)度模塊，可以按照秒，分，小時，日期或者自定義事件執(zhí)行時間。schedule允許用戶使用簡單、人性化的語法以預(yù)定的時間間隔定期運行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 schedule

import time

def 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 time

from 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 schedule

def 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 schedule

i = 0

def 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（）

運行一次任務(wù)：

import time

import schedule

def job_that_executes_once（）：

print（’Hello‘）

return schedule.CancelJob

schedule.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 schedule

def 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 schedule

def 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（）

運行任務(wù)到某時間：

import schedule

from datetime import datetime， timedelta， time

def 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小時后停止

schedule.every（）.second.until（time（23， 59， 59））.do（job） # 今天2359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（）

馬上運行所有任務(wù)（主要用于測試）：

import schedule

def 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

并行運行：使用 Python 內(nèi)置隊列實現(xiàn)：

import threading

import time

import schedule

def 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）

利用任務(wù)框架APScheduler實現(xiàn)定時任務(wù)APScheduler（advanceded python scheduler）基于Quartz的一個Python定時任務(wù)框架，實現(xiàn)了Quartz的所有功能，使用起來十分方便。提供了基于日期、固定時間間隔以及crontab類型的任務(wù)，并且可以持久化任務(wù)?；谶@些功能，我們可以很方便的實現(xiàn)一個Python定時任務(wù)系統(tǒng)。

它有以下三個特點：

類似于 Liunx Cron 的調(diào)度程序（可選的開始/結(jié)束時間）

基于時間間隔的執(zhí)行調(diào)度（周期性調(diào)度，可選的開始/結(jié)束時間）

一次性執(zhí)行任務(wù)（在設(shè)定的日期/時間運行一次任務(wù)）

APScheduler有四種組成部分：

觸發(fā)器（trigger） 包含調(diào)度邏輯，每一個作業(yè)有它自己的觸發(fā)器，用于決定接下來哪一個作業(yè)會運行。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（job store） 存儲被調(diào)度的作業(yè)，默認(rèn)的作業(yè)存儲是簡單地把作業(yè)保存在內(nèi)存中，其他的作業(yè)存儲是將作業(yè)保存在數(shù)據(jù)庫中。一個作業(yè)的數(shù)據(jù)講在保存在持久化作業(yè)存儲時被序列化，并在加載時被反序列化。調(diào)度器不能分享同一個作業(yè)存儲。

執(zhí)行器（executor） 處理作業(yè)的運行，他們通常通過在作業(yè)中提交制定的可調(diào)用對象到一個線程或者進城池來進行。當(dāng)作業(yè)完成時，執(zhí)行器將會通知調(diào)度器。

調(diào)度器（scheduler） 是其他的組成部分。你通常在應(yīng)用只有一個調(diào)度器，應(yīng)用的開發(fā)者通常不會直接處理作業(yè)存儲、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）或進程池（ProcessPoolExecutor 默認(rèn)值5）并且默認(rèn)最多3個（max_instances）任務(wù)實例同時運行，實現(xiàn)對job的增刪改查等調(diào)度控制

示例代碼：

from apscheduler.schedulers.blocking import BlockingScheduler

from datetime import datetime

# 輸出時間

def job（）：

print（datetime.now（）.strftime（“%Y-%m-%d %H：%M：%S”））

# BlockingScheduler

sched = BlockingScheduler（）

sched.add_job（my_job， ‘interval’， seconds=5， id=‘my_job_id’）

sched.start（）

APScheduler中的重要概念

Job 作業(yè)

Job作為APScheduler最小執(zhí)行單位。創(chuàng)建Job時指定執(zhí)行的函數(shù)，函數(shù)中所需參數(shù)，Job執(zhí)行時的一些設(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)行時間，根據(jù)設(shè)置的trigger規(guī)則，計算得到下次執(zhí)行此job的時間， 滿足時將會執(zhí)行

executor：apscheduler定義的執(zhí)行器，job創(chuàng)建時設(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的最大實例數(shù)，executor執(zhí)行job時，根據(jù)job的id來計算執(zhí)行次數(shù)，根據(jù)設(shè)置的最大實例數(shù)來確定是否可執(zhí)行

next_run_time：Job下次的執(zhí)行時間，創(chuàng)建Job時可以指定一個時間［datetime］，不指定的話則默認(rèn)根據(jù)trigger獲取觸發(fā)時間

misfire_grace_time：Job的延遲執(zhí)行時間，例如Job的計劃執(zhí)行時間是2100，但因服務(wù)重啟或其他原因?qū)е?131才執(zhí)行，如果設(shè)置此key為40，則該job會繼續(xù)執(zhí)行，否則將會丟棄此job

coalesce：Job是否合并執(zhí)行，是一個bool值。例如scheduler停止20s后重啟啟動，而job的觸發(fā)器設(shè)置為5s執(zhí)行一次，因此此job錯過了4個執(zhí)行時間，如果設(shè)置為是，則會合并到一次執(zhí)行，否則會逐個執(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)

Trigger 觸發(fā)器

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

目前APScheduler支持觸發(fā)器：

指定時間的DateTrigger

指定間隔時間的IntervalTrigger

像Linux的crontab一樣的CronTrigger。

觸發(fā)器參數(shù)：date

date定時，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

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）

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） – （表示開始時間）

end_date （datetime|str） – latest possible date/time to trigger on （inclusive） – （表示結(jié)束時間）

timezone （datetime.tzinfo|str） – time zone to use for the date/time calculations （defaults to scheduler timezone） -（表示時區(qū)取值）

CronTrigger可用的表達式：

表達式參數(shù)類型描述

*所有通配符。例：minutes=*即每分鐘觸發(fā)

* / a所有每隔時長a執(zhí)行一次。例：minutes=”* / 3″ 即每隔3分鐘執(zhí)行一次

a – b所有a – b的范圍內(nèi)觸發(fā)。例：minutes=“2-5”。即2到5分鐘內(nèi)每分鐘執(zhí)行一次

a – b / c所有a – b范圍內(nèi)，每隔時長c執(zhí)行一次。

xth y日第幾個星期幾觸發(fā)。x為第幾個，y為星期幾

last x日一個月中，最后一個星期的星期幾觸發(fā)

last日一個月中的最后一天觸發(fā)

x， y， z所有組合表達式，可以組合確定值或上述表達式

# 6-8，11-12月第三個周五 00:00， 01:00， 02:00， 03:00運行

sched.add_job（job_function， ‘cron’， month=‘6-8，11-12’， day=‘3rd fri’， hour=‘0-3’）

# 每周一到周五運行 直到2024-05-30 0000

sched.add_job（job_function， ‘cron’， day_of_week=‘mon-fri’， hour=5， minute=30， end_date=‘2024-05-30’

Executor 執(zhí)行器

Executor在scheduler中初始化，另外也可通過scheduler的add_executor動態(tài)添加Executor。每個executor都會綁定一個alias，這個作為唯一標(biāo)識綁定到Job，在實際執(zhí)行時會根據(jù)Job綁定的executor找到實際的執(zhí)行器對象，然后根據(jù)執(zhí)行器對象執(zhí)行Job。

Executor的種類會根據(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，如果選擇啟動進程作為調(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和進程ProcessPoolExecutor

executors.twisted：基于事件驅(qū)動

Jobstore 作業(yè)存儲

Jobstore在scheduler中初始化，另外也可通過scheduler的add_jobstore動態(tài)添加Jobstore。每個jobstore都會綁定一個alias，scheduler在Add Job時，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)存儲器決定任務(wù)的保存方式， 默認(rèn)存儲在內(nèi)存中（MemoryJobStore），重啟后就沒有了。APScheduler支持的任務(wù)存儲器有：

jobstores.memory：內(nèi)存

jobstores.mongodb：存儲在mongodb

jobstores.redis：存儲在redis

jobstores.rethinkdb：存儲在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)存儲器可以在調(diào)度器的配置中進行配置（見調(diào)度器）

Event 事件

Event是APScheduler在進行某些操作時觸發(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，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)行時間錯過事件 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事件時可以根據(jù)需求做一些其他處理。

調(diào)度器

Scheduler是APScheduler的核心，所有相關(guān)組件通過其定義。scheduler啟動之后，將開始按照配置的任務(wù)進行調(diào)度。除了依據(jù)所有定義Job的trigger生成的將要調(diào)度時間喚醒調(diào)度之外。當(dāng)發(fā)生Job信息變更時也會觸發(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)度程序是進程中唯一運行的進程，調(diào)用start函數(shù)會阻塞當(dāng)前線程，不能立即返回。

BackgroundScheduler：適用于調(diào)度程序在應(yīng)用程序的后臺運行，調(diào)用start后主線程不會阻塞。

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。

Scheduler的工作流程

Scheduler添加job流程：

Scheduler調(diào)度流程：

使用分布式消息系統(tǒng)Celery實現(xiàn)定時任務(wù)Celery是一個簡單，靈活，可靠的分布式系統(tǒng)，用于處理大量消息，同時為操作提供維護此類系統(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輕量級的調(diào)度工具，Celery 不會是一個好選擇。

Celery 是一個強大的分布式任務(wù)隊列，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上運行。我們通常使用它來實現(xiàn)異步任務(wù)（async task）和定時任務(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的操作 ，定時任務(wù)是需要在特定時間執(zhí)行的任務(wù)。

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

它的架構(gòu)組成如下圖：

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

Celery Beat，任務(wù)調(diào)度器，Beat進程會讀取配置文件的內(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)隊列。

Producer：需要在隊列中進行的任務(wù)，一般由用戶、觸發(fā)器或其他操作將任務(wù)入隊，然后交由workers進行處理。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)隊列本身，Celery扮演生產(chǎn)者和消費者的角色，brokers就是生產(chǎn)者和消費者存放/獲取產(chǎn)品的地方（隊列）。

Celery Worker，執(zhí)行任務(wù)的消費者，從隊列中取出任務(wù)并執(zhí)行。通常會在多臺服務(wù)器運行多個消費者來提高執(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。

實際應(yīng)用中，用戶從Web前端發(fā)起一個請求，我們只需要將請求所要處理的任務(wù)丟入任務(wù)隊列broker中，由空閑的worker去處理任務(wù)即可，處理的結(jié)果會暫存在后臺數(shù)據(jù)庫backend中。我們可以在一臺機器或多臺機器上同時起多個worker進程來實現(xiàn)分布式地并行處理任務(wù)。

Celery定時任務(wù)實例：

Python Celery & RabbitMQ Tutorial

Celery 配置實踐筆記

使用數(shù)據(jù)流工具Apache Airflow實現(xiàn)定時任務(wù)Apache Airflow 是Airbnb開源的一款數(shù)據(jù)流程工具，目前是Apache孵化項目。以非常靈活的方式來支持?jǐn)?shù)據(jù)的ETL過程，同時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）來表達一個工作流中所要執(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實現(xiàn)，可以完成各種任務(wù)實現(xiàn)：

BashOperator – 執(zhí)行 bash 命令或腳本。

SSHOperator – 執(zhí)行遠程 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 HTTP 請求。

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)，這樣工作流會產(chǎn)生分支。如：

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

Airflow 產(chǎn)生的背景

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

時間依賴：任務(wù)需要等待某一個時間點觸發(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，兩個任務(wù)互相間會產(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器上執(zhí)行。

crontab 可以很好地處理定時執(zhí)行任務(wù)的需求，但僅能管理時間上的依賴。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，按照那些計劃規(guī)范任務(wù)執(zhí)行，并在實際工作進程之間分發(fā)需執(zhí)行的任務(wù)。

Airflow 提供了一個用于顯示當(dāng)前活動任務(wù)和過去任務(wù)狀態(tài)的優(yōu)秀 UI，并允許用戶手動管理任務(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 中的每個節(jié)點都是一個任務(wù)，DAG 中的邊表示的是任務(wù)之間的依賴（強制為有向無環(huán)，因此不會出現(xiàn)循環(huán)依賴，從而導(dǎo)致無限執(zhí)行循環(huán)）。

Airflow 核心概念

DAGs：即有向無環(huán)圖（Directed Acyclic Graph），將所有需要運行的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：可以簡單理解為一個class，描述了DAG中某個的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請求， SqlOperator 用于執(zhí)行SQL命令等等，同時，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的一個實例，也就是DAGs中的一個node。

Task Instance：task的一次運行。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）。

Airflow 的架構(gòu)

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

元數(shù)據(jù)庫：這個數(shù)據(jù)庫存儲有關(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)先級的過程。調(diào)度器通常作為服務(wù)運行。

執(zhí)行器：Executor 是一個消息隊列進程，它被綁定到調(diào)度器中，用于確定實際執(zhí)行每個任務(wù)計劃的工作進程。有不同類型的執(zhí)行器，每個執(zhí)行器都使用一個指定工作進程的類來執(zhí)行任務(wù)。例如，LocalExecutor 使用與調(diào)度器進程在同一臺機器上運行的并行進程執(zhí)行任務(wù)。其他像 CeleryExecutor 的執(zhí)行器使用存在于獨立的工作機器集群中的工作進程執(zhí)行任務(wù)。

Workers：這些是實際執(zhí)行任務(wù)邏輯的進程，由正在使用的執(zhí)行器確定。

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

SequentialExecutor： 單進程順序執(zhí)行，一般只用來測試

LocalExecutor： 本地多進程執(zhí)行

CeleryExecutor： 使用Celery進行分布式任務(wù)調(diào)度

DaskExecutor：使用Dask進行分布式任務(wù)調(diào)度

KubernetesExecutor： 1.10.0新增， 創(chuàng)建臨時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：

其它參考：

Getting started with Apache Airflow

Understanding Apache Airflow’s key concepts

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

責(zé)任編輯：haq