最近做一个小程序开发任务，主要负责后台部分开发；根据项目需求，需要实现三个定时任务：

1>定时更新微信token，需要2小时更新一次；

2>商品定时上线；

3>定时检测后台服务是否存活；

使用Python去实现这三个任务，这里需要使用定时相关知识点；

Python实现定点与定时任务方式比较多，找到下面四中实现方式，每个方式都有自己应用场景；下面来快速介绍Python中常用的定时任务实现方式：

1.循环+sleep；

2.线程模块中Timer类；

3.schedule模块；

4.定时框架：APScheduler

在开始之前先设定一个任务(这样不用依赖外部环境)：

1：定时或者定点监测CPU与内存使用率；

2：将时间，CPU，内存使用情况保存到日志文件；

先来实现系统监测功能：

准备工作：安装psutil：pip install psutil

功能实现

#psutil:获取系统信息模块，可以获取CPU，内存，磁盘等的使用情况

import psutil

import time

import datetime

#logfile：监测信息写入文件

def MonitorSystem(logfile = None):

#获取cpu使用情况

cpuper = psutil.cpu_percent()

#获取内存使用情况：系统内存大小，使用内存，有效内存，内存使用率

mem = psutil.virtual_memory()

#内存使用率

memper = mem.percent

#获取当前时间

now = datetime.datetime.now()

ts = now.strftime('%Y-%m-%d %H:%M:%S')

line = f'{ts} cpu:{cpuper}%, mem:{memper}%'

print(line)

if logfile:

logfile.write(line)

代码运行结果：

2019-03-21 14:23:41 cpu:0.6%, mem:77.2%

接下来我们要实现定时监测，比如3s监测一下系统资源使用情况。

最简单使用方式：sleep

这种方式最简单，直接使用while+sleep就可以实现：

def loopMonitor():

while True:

MonitorSystem()

#2s检查一次

time.sleep(3)

loopMonitor()

输出结果：

2019-03-21 14:28:42 cpu:1.5%, mem:77.6%2019-03-21 14:28:45 cpu:1.6%, mem:77.6%2019-03-21 14:28:48 cpu:1.4%, mem:77.6%2019-03-21 14:28:51 cpu:1.4%, mem:77.6%2019-03-21 14:28:54 cpu:1.3%, mem:77.6%

这种方式存在问题：只能处理单个定时任务。

又来了新任务：需要每秒监测网络收发字节，代码实现如下：

def MonitorNetWork(logfile = None):

#获取网络收信息

netinfo = psutil.net_io_counters()

#获取当前时间

now = datetime.datetime.now()

ts = now.strftime('%Y-%m-%d %H:%M:%S')

line = f'{ts} bytessent={netinfo.bytes_sent}, bytesrecv={netinfo.bytes_recv}'

print(line)

if logfile:

logfile.write(line)

MonitorNetWork()

代码执行结果：

2019-03-21 14:47:21 bytessent=169752183, bytesrecv=1107900973

如果我们同时在while循环中监测两个任务会有等待问题，不能每秒监测网络情况。

Timer实现方式

timer最基本理解就是定时器，我们可以启动多个定时任务，这些定时器任务是异步执行，所以不存在等待顺序执行问题。

先来看Timer的基本使用：

导入：from threading import Timer

主要方法：

Timer方法说明Timer(interval, function, args=None, kwargs=None)创建定时器cancel()取消定时器start()使用线程方式执行join(self, timeout=None)等待线程执行结束

定时器只能执行一次，如果需要重复执行，需要重新添加任务；

我们先来看基本使用：

from threading import Timer

#记录当前时间

print(datetime.datetime.now())

#3S执行一次

sTimer = Timer(3, MonitorSystem)

#1S执行一次

nTimer = Timer(1, MonitorNetWork)

#使用线程方式执行

sTimer.start()

nTimer.start()

#等待结束

sTimer.join()

nTimer.join()

#记录结束时间

print(datetime.datetime.now())

输出结果：

2019-03-21 15:13:36.7397982019-03-21 15:13:37 bytessent=171337324, bytesrecv=11090023492019-03-21 15:13:39 cpu:1.4%, mem:93.2%2019-03-21 15:13:39.745187

可以看到，花费时间为3S，但是我们想要做的是每秒监控网络状态；如何处理。

Timer只能执行一次，所以执行完成之后需要再次添加任务，我们对代码进行修改：

from threading import Timerimport psutilimport timeimport datetimedef MonitorSystem(logfile = None): cpuper = psutil.cpu_percent() mem = psutil.virtual_memory() memper = mem.percent now = datetime.datetime.now() ts = now.strftime('%Y-%m-%d %H:%M:%S') line = f'{ts} cpu:{cpuper}%, mem:{memper}%' print(line) if logfile: logfile.write(line) #启动定时器任务，每三秒执行一次 Timer(3, MonitorSystem).start()def MonitorNetWork(logfile = None): netinfo = psutil.net_io_counters() now = datetime.datetime.now() ts = now.strftime('%Y-%m-%d %H:%M:%S') line = f'{ts} bytessent={netinfo.bytes_sent}, bytesrecv={netinfo.bytes_recv}' print(line) if logfile: logfile.write(line) #启动定时器任务，每秒执行一次 Timer(1, MonitorNetWork).start()MonitorSystem()MonitorNetWork()

执行结果：

2019-03-21 15:18:21 cpu:1.5%, mem:93.2%

2019-03-21 15:18:21 bytessent=171376522, bytesrecv=1109124678

2019-03-21 15:18:22 bytessent=171382215, bytesrecv=1109128294

2019-03-21 15:18:23 bytessent=171384278, bytesrecv=1109129702

2019-03-21 15:18:24 cpu:1.9%, mem:93.2%

2019-03-21 15:18:24 bytessent=171386341, bytesrecv=1109131110

2019-03-21 15:18:25 bytessent=171388527, bytesrecv=1109132600

2019-03-21 15:18:26 bytessent=171390590, bytesrecv=1109134008

从时间中可以看到，这两个任务可以同时进行不存在等待问题。

Timer的实质是使用线程方式去执行任务，每次执行完后会销毁，所以不必担心资源问题。

调度模块：schedule

schedule是一个第三方轻量级的任务调度模块，可以按照秒，分，小时，日期或者自定义事件执行时间；

安装方式：

pip install schedule

我们来看一个例子：

import datetimeimport scheduleimport timedef func(): now = datetime.datetime.now() ts = now.strftime('%Y-%m-%d %H:%M:%S') print('do func time :',ts)def func2(): now = datetime.datetime.now() ts = now.strftime('%Y-%m-%d %H:%M:%S') print('do func2 time：',ts)def tasklist(): #清空任务 schedule.clear() #创建一个按秒间隔执行任务 schedule.every(1).seconds.do(func) #创建一个按2秒间隔执行任务 schedule.every(2).seconds.do(func2) #执行10S for i in range(10): schedule.run_pending() time.sleep(1)tasklist()

执行结果：

do func time : 2019-03-22 08:51:38

do func2 time： 2019-03-22 08:51:39

do func time : 2019-03-22 08:51:39

do func time : 2019-03-22 08:51:40

do func2 time： 2019-03-22 08:51:41

do func time : 2019-03-22 08:51:41

do func time : 2019-03-22 08:51:42

do func2 time： 2019-03-22 08:51:43

do func time : 2019-03-22 08:51:43

do func time : 2019-03-22 08:51:44

do func2 time： 2019-03-22 08:51:45

do func time : 2019-03-22 08:51:45

do func time : 2019-03-22 08:51:46

执行过程分析：

>1>因为在jupyter下执行，所以先将schedule任务清空；>2>按时间间在schedule中隔添加任务；>3>这里按照秒间隔添加func，按照两秒间隔添加func2;>4>schedule添加任务后，需要查询任务并执行任务；>5>为了防止占用资源，每秒查询到点任务，然后顺序执行；

第5个顺序执行怎么理解，我们修改func函数，里面添加time.sleep(2)

然后只执行func工作，输出结果：

do func time : 2019-03-22 09:00:59

do func time : 2019-03-22 09:01:02

do func time : 2019-03-22 09:01:05

可以看到时间间隔为3S，为什么不是1S？

因为这个按照顺序执行，func休眠2S，循环任务查询休眠1S，所以会存在这个问题。

在我们使用这种方式执行任务需要注意这种阻塞现象。

我们看下schedule模块常用使用方法：

#schedule.every(1)创建Job, seconds.do(func)按秒间隔查询并执行schedule.every(1).seconds.do(func)#添加任务按分执行schedule.every(1).minutes.do(func)#添加任务按天执行schedule.every(1).days.do(func)#添加任务按周执行schedule.every().weeks.do(func)#添加任务每周1执行，执行时间为下周一这一时刻时间schedule.every().monday.do(func)#每周1，1点15开始执行schedule.every().monday.at("12:00").do(job)

这种方式局限性：如果工作任务回非常耗时就会影响其他任务执行。我们可以考虑使用并发机制配置这个模块使用。

任务框架APScheduler

APScheduler是Python的一个定时任务框架，用于执行周期或者定时任务，

可以基于日期、时间间隔，及类似于Linux上的定时任务crontab类型的定时任务；

该该框架不仅可以添加、删除定时任务，还可以将任务存储到数据库中，实现任务的持久化，使用起来非常方便。

安装方式：pip install apscheduler

apscheduler组件及简单说明：

1>triggers(触发器)：触发器包含调度逻辑，每一个作业有它自己的触发器

2>job stores(作业存储):用来存储被调度的作业，默认的作业存储器是简单地把作业任务保存在内存中,支持存储到MongoDB，Redis数据库中

3> executors(执行器)：执行器用来执行定时任务，只是将需要执行的任务放在新的线程或者线程池中运行

4>schedulers(调度器)：调度器是将其它部分联系在一起,对使用者提供接口，进行任务添加，设置，删除。

来看一个简单例子：

import time

from apscheduler.schedulers.blocking import BlockingScheduler

def func():

now = datetime.datetime.now()

ts = now.strftime('%Y-%m-%d %H:%M:%S')

print('do func time :',ts)

def func2():

#耗时2S

now = datetime.datetime.now()

ts = now.strftime('%Y-%m-%d %H:%M:%S')

print('do func2 time：',ts)

time.sleep(2)

def dojob():

#创建调度器：BlockingScheduler

scheduler = BlockingScheduler()

#添加任务,时间间隔2S

scheduler.add_job(func, 'interval', seconds=2, id='test_job1')

#添加任务,时间间隔5S

scheduler.add_job(func2, 'interval', seconds=3, id='test_job2')

scheduler.start()

dojob()

输出结果：

do func time : 2019-03-22 10:32:20do func2 time： 2019-03-22 10:32:21do func time : 2019-03-22 10:32:22do func time : 2019-03-22 10:32:24do func2 time： 2019-03-22 10:32:24do func time : 2019-03-22 10:32:26

输出结果中可以看到：任务就算是有延时，也不会影响其他任务执行。

APScheduler框架提供丰富接口去实现定时任务，可以去参考官方文档去查看使用方式。

最后选择：

简单总结上面四种定时定点任务实现：

1：循环+sleep方式适合简答测试，

2：timer可以实现定时任务，但是对定点任务来说，需要检查当前时间点；

3：schedule可以定点定时执行，但是需要在循环中检测任务，而且存在阻塞；

4：APScheduler框架更加强大，可以直接在里面添加定点与定时任务；

综合考虑，决定使用APScheduler框架，实现简单，只需要直接创建任务，并将添加到调度器中即可。