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。

最近我整理了一下 Python 定時任務(wù)的實現(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，點贊支持。

我們開始學(xué)習(xí)吧！

# 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)
•  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)

# 1. 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。

# 2. 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()) 

# 3. 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

# 4. 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。

# 5. 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) 

# 6. 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)。

搜索公眾號Linux中文社區(qū)猿后臺回復(fù)“私房菜”，獲取一份驚喜禮包。

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默認值20)或進程池(ProcessPoolExecutor 默認值5)并且默認最多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() 

 6.1 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)

 6.2 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： 

# 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 00:00:00  
sched.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動態(tài)添加Executor。每個executor都會綁定一個alias，這個作為唯一標識綁定到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

 6.4 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）

 6.5 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。

 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。

 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

# 8. 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數(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)。

 8.1 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)）。

 8.2 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）。

 8.3 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:

使用KubernetesExecutor的架構(gòu)如圖:

其它參考：

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