调度器 APScheduler 3.10.1

Posted papering

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了调度器 APScheduler 3.10.1相关的知识,希望对你有一定的参考价值。

APScheduler · PyPI https://pypi.org/project/APScheduler/

Commits · agronholm/apscheduler https://github.com/agronholm/apscheduler/commits/master

 

APScheduler(定时任务二配置调度器)

一. 配置调度器

  APScheduler 有多种不同的配置方法,你可以选择直接传字典或传参的方式创建调度器;

也可以先实例一个调度器对象,再添加配置信息。灵活的配置方式可以满足各种应用场景的需要。

 

整套的配置选项可以参考API文档BaseScheduler类。

一些调度器子类可能有它们自己特有的配置选项,以及独立的任务储存器和执行器也可能有自己特有的配置选项,可以查阅API文档了解。

 1.1 举一个例子,创建一个使用默认任务储存器和执行器的BackgroundScheduler

from apscheduler.schedulers.background import BackgroundScheduler

scheduler = BackgroundScheduler()

# 因为是非阻塞的后台调度器,所以程序会继续向下执行

这样就可以创建了一个后台调度器。这个调度器有一个名称为defaultMemoryJobStore(内存任务储存器)和一个名称是default且最大线程是10的ThreadPoolExecutor(线程池执行器)。

假如你现在有这样的需求,两个任务储存器分别搭配两个执行器;同时,还要修改任务的默认参数;最后还要改时区。可以参考下面例子,它们是完全等价的。

 

  • 名称为“mongo”的MongoDBJobStore
  • 名称为“default”的SQLAlchemyJobStore
  • 名称为“default”的ThreadPoolExecutor,最大线程20个
  • 名称“processpool”的ProcessPoolExecutor,最大进程5个
  • UTC时间作为调度器的时区
  • 默认为新任务关闭合并模式()
  • 设置新任务的默认最大实例数为3
方法一:
#-*- coding:utf-8 -*-

from pytz import utc

from apscheduler.schedulers.background import BackgroundScheduler
from apscheduler.jobstores.mongodb import MongoDBJobStore
from apscheduler.jobstores.sqlalchemy import SQLAlchemyJobStore
from apscheduler.executors.pool import ThreadPoolExecutor, ProcessPoolExecutor


jobstores = {
    mongo: MongoDBJobStore(), #调度器名称为mongo的MemoryJobStore(内存任务储存器)
    default: SQLAlchemyJobStore(url=sqlite:///jobs.sqlite)#调度器名称为“default”的SQLAlchemyJobStore
}
executors = {
    default: ThreadPoolExecutor(20),#名称为“default ”的ThreadPoolExecutor,最大线程20个
    processpool: ProcessPoolExecutor(5)#名称“processpool”的ProcessPoolExecutor,最大进程5个
}
job_defaults = {
    coalesce: False, #默认为新任务关闭合并模式()
    max_instances: 3#设置新任务的默认最大实例数为3
}
scheduler = BackgroundScheduler(jobstores=jobstores, executors=executors, job_defaults=job_defaults, timezone=utc)

方法二:

#-*- coding:utf-8 -*-
from apscheduler.schedulers.background import BackgroundScheduler


# The "apscheduler." prefix is hard coded
scheduler = BackgroundScheduler({
    apscheduler.jobstores.mongo: {
         type: mongodb
    },
    apscheduler.jobstores.default: {
        type: sqlalchemy,
        url: sqlite:///jobs.sqlite
    },
    apscheduler.executors.default: {
        class: apscheduler.executors.pool:ThreadPoolExecutor,
        max_workers: 20
    },
    apscheduler.executors.processpool: {
        type: processpool,
        max_workers: 5
    },
    apscheduler.job_defaults.coalesce: false,
    apscheduler.job_defaults.max_instances: 3,
    apscheduler.timezone: UTC,
})

方法三:

#-*- coding:utf-8 -*-
from pytz import utc

from apscheduler.schedulers.background import BackgroundScheduler
from apscheduler.jobstores.sqlalchemy import SQLAlchemyJobStore
from apscheduler.executors.pool import ProcessPoolExecutor


jobstores = {
    mongo: {type: mongodb},
    default: SQLAlchemyJobStore(url=sqlite:///jobs.sqlite)
}
executors = {
    default: {type: threadpool, max_workers: 20},
    processpool: ProcessPoolExecutor(max_workers=5)
}
job_defaults = {
    coalesce: False,
    max_instances: 3
}
scheduler = BackgroundScheduler()

# ..这里可以添加任务

scheduler.configure(jobstores=jobstores, executors=executors, job_defaults=job_defaults, timezone=utc)

1.2  启动调度器

启动调度器是只需调用start()即可。除了BlockingScheduler,非阻塞调度器都会立即返回,可以继续运行之后的代码,比如添加任务等。

对于BlockingScheduler,程序则会阻塞在start()位置,所以,要运行的代码必须写在start()之前。

注!调度器启动后,就不能修改配置了。

1.3  添加任务

添加任务的方法有两种:

  1. 通过调用add_job()
  2. 通过装饰器scheduled_job()

第一种方法是最常用的;

第二种方法是最方便的,但缺点就是运行时,不能修改任务。

第一种add_job()方法会返回一个apscheduler.job.Job实例,这样就可以在运行时,修改或删除任务。在任何时候你都能配置任务。但是如果调度器还没有启动,此时添加任务,那么任务就处于一个暂存的状态。只有当调度器启动时,才会开始计算下次运行时间。

还有一点要注意,如果你的执行器或任务储存器是会序列化任务的,那么这些任务就必须符合:

  1. 回调函数必须全局可用
  2. 回调函数参数必须也是可以被序列化的

内置任务储存器中,只有MemoryJobStore不会序列化任务;内置执行器中,只有ProcessPoolExecutor会序列化任务。

重要提醒!
如果在程序初始化时,是从数据库读取任务的,那么必须为每个任务定义一个明确的ID,并且使用replace_existing=True,否则每次重启程序,你都会得到一份新的任务拷贝,也就意味着任务的状态不会保存。

建议
如果想要立刻运行任务,可以在添加任务时省略trigger参数

1.4  移除任务

如果想从调度器移除一个任务,那么你就要从相应的任务储存器中移除它,这样才算移除了。有两种方式:

  1. 调用remove_job(),参数为:任务ID,任务储存器名称
  2. 在通过add_job()创建的任务实例上调用remove()方法

第二种方式更方便,但前提必须在创建任务实例时,实例被保存在变量中。对于通过scheduled_job()创建的任务,只能选择第一种方式。

当任务调度结束时(比如,某个任务的触发器不再产生下次运行的时间),任务就会自动移除。

job = scheduler.add_job(myfunc, interval, minutes=2)
job.remove()

同样,通过任务的具体ID:

scheduler.add_job(myfunc, interval, minutes=2, id=my_job_id)
scheduler.remove_job(my_job_id)

 

1.5 暂停和恢复任务

通过任务实例或调度器,就能暂停和恢复任务。如果一个任务被暂停了,那么该任务的下一次运行时间就会被移除。在恢复任务前,运行次数计数也不会被统计。

暂停任务,有以下两个方法:

  • apscheduler.job.Job.pause()
  • apscheduler.schedulers.base.BaseScheduler.pause_job()

恢复任务,

  • apscheduler.job.Job.resume()
  • apscheduler.schedulers.base.BaseScheduler.resume_job()

1.6   获取任务列表

通过get_jobs()就可以获得一个可修改的任务列表。get_jobs()第二个参数可以指定任务储存器名称,那么就会获得对应任务储存器的任务列表。

print_jobs()可以快速打印格式化的任务列表,包含触发器,下次运行时间等信息。

1.7  修改任务

通过apscheduler.job.Job.modify()modify_job(),你可以修改任务当中除了id的任何属性。

比如:

job.modify(max_instances=6, name=Alternate name)

 

如果想要重新调度任务(就是改变触发器),你能通过apscheduler.job.Job.reschedule()reschedule_job()来实现。这些方法会重新创建触发器,并重新计算下次运行时间。

比如:

scheduler.reschedule_job(my_job_id, trigger=cron, minute=*/5)

 

1.8  关闭调度器

关闭方法如下:

scheduler.shutdown()

默认情况下,调度器会先把正在执行的任务处理完,再关闭任务储存器和执行器。但是,如果你就直接关闭,你可以添加参数:

scheduler.shutdown(wait=False)
 

上述方法不管有没有任务在执行,会强制关闭调度器。


1.9  暂停、恢复任务进程

调度器可以暂停正在执行的任务:

scheduler.pause()
 

也可以恢复任务:

 
scheduler.resume()

同时,也可以在调度器启动时,默认所有任务设为暂停状态。

scheduler.start(paused=True)

 

2.0 限制任务执行的实例并行数

默认情况下,在同一时间,一个任务只允许一个执行中的实例在运行。

比如说,一个任务是每5秒执行一次,但是这个任务在第一次执行的时候花了6秒,也就是说前一次任务还没执行完,

后一次任务又触发了,由于默认一次只允许一个实例执行,所以第二次就丢失了。为了杜绝这种情况,可以在添加任务时,

设置max_instances参数,为指定任务设置最大实例并行数。

2.1  丢失任务的执行与合并

有时,任务会由于一些问题没有被执行。

最常见的情况就是,在数据库里的任务到了该执行的时间,但调度器被关闭了,那么这个任务就成了“哑弹任务”。

错过执行时间后,调度器才打开了。这时,调度器会检查每个任务的misfire_grace_time参数int值,即哑弹上限,来确定是否还执行哑弹任务(这个参数可以全局设定的或者是为每个任务单独设定)。

此时,一个哑弹任务,就可能会被连续执行多次。

但这就可能导致一个问题,有些哑弹任务实际上并不需要被执行多次。coalescing合并参数就能把一个多次的哑弹任务揉成一个一次的哑弹任务。

也就是说,coalescingTrue能把多个排队执行的同一个哑弹任务,变成一个,而不会触发哑弹事件。

注!如果是由于线程池/进程池满了导致的任务延迟,执行器就会跳过执行。要避免这个问题,可以添加进程或线程数来实现或把 misfire_grace_time值调高。

2.2   调度器事件

调度器允许添加事件侦听器。部分事件会有特有的信息,比如当前运行次数等。add_listener(callback,mask)中,第一个参数是回调对象,mask是指定侦听事件类型,mask参数也可以是逻辑组合。回调对象会有一个参数就是触发的事件。

具体可以查看文档中events模块,里面有关于事件类型以及事件参数的详细说明。

def my_listener(event):
    if event.exception:
        print(The job crashed :()
    else:
        print(The job worked :))

# 当任务执行完或任务出错时,调用my_listener
scheduler.add_listener(my_listener, EVENT_JOB_EXECUTED | EVENT_JOB_ERROR)

事件类型

ConstantDescriptionEvent class
EVENT_SCHEDULER_STARTED

计划程序已启动 

SchedulerEvent
EVENT_SCHEDULER_SHUTDOWN 调度程序已关闭 SchedulerEvent
EVENT_SCHEDULER_PAUSED 计划程序中的作业处理已暂停 SchedulerEvent
EVENT_SCHEDULER_RESUMED 计划程序中的作业处理已恢复 SchedulerEvent
EVENT_EXECUTOR_ADDED 已将执行器添加到计划程序中 SchedulerEvent
EVENT_EXECUTOR_REMOVED 一个执行器被移到调度程序中 SchedulerEvent
EVENT_JOBSTORE_ADDED 已将作业存储添加到计划程序 SchedulerEvent
EVENT_JOBSTORE_REMOVED

已从计划程序中删除作业存储

SchedulerEvent
EVENT_ALL_JOBS_REMOVED 所有作业都已从所有作业存储或一个特定作业存储中删除 SchedulerEvent
EVENT_JOB_ADDED

作业已添加到作业存储中

JobEvent
EVENT_JOB_REMOVED 已从作业存储中删除作业 JobEvent
EVENT_JOB_MODIFIED 已从计划程序外部修改作业 JobEvent
EVENT_JOB_SUBMITTED

作业已提交给其执行者以运行

JobSubmissionEvent
EVENT_JOB_MAX_INSTANCES

提交给其执行者的作业未被执行者接受,因为该作业已达到其最大并发执行实例数

JobSubmissionEvent
EVENT_JOB_EXECUTED

作业已成功执行

JobExecutionEvent
EVENT_JOB_ERROR

作业在执行期间引发异常

JobExecutionEvent
EVENT_JOB_MISSED

错失了一份工作

JobExecutionEvent
EVENT_ALL

包含所有事件类型的全部捕获掩码

N/A


2.3  异常捕获

通过logging模块,可以添加apscheduler日志至DEBUG级别,这样就能捕获异常信息。

关于logging初始化的方式如下:

import logging

logging.basicConfig()
logging.getLogger(apscheduler).setLevel(logging.DEBUG)

 

日志会提供很多调度器的内部运行信息。

文章参考链接:https://apscheduler.readthedocs.io/en/latest/index.html



以上是关于调度器 APScheduler 3.10.1的主要内容,如果未能解决你的问题,请参考以下文章

Python任务调度模块APScheduler(内含定点报时案例)

APScheduler轻量级定时任务框架

python中APScheduler的使用详解(python3经典编程案例)

python中APScheduler的使用详解(python3经典编程案例)

python中APScheduler的使用详解(python3经典编程案例)

Python任务调度模块 – APScheduler(摘抄)