最近做一个小程序开发任务，主要负责后台部分开发；根据项目需求老猫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
| 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。
| Timer |
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。
Timer只能执行一次，所以执行完成之后需要再次添加任务，代码如下：
from threading import Timer
import psutil
import time
import datetime
def 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；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。
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 10:32:20 do func2 time： 2019-03-22 10:32:21 do func time : 2019-03-22 10:32:22 do func time : 2019-03-22 10:32:24 do func2 time： 2019-03-22 10:32:24 do 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。
| 最终方案 |
老猫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。
关注微信公众号：安徽思恒信息科技有限公司,了解更多技术内容……