apscheduler简单使用

APScheduler（Advanced Python Scheduler）是一个轻量级的Python定时任务调度框架（Python库）。

安装：

pip install apscheduler

基本概念介绍

触发器（triggers）：

触发器包含调度逻辑，描述一个任务何时被触发，按日期(date)或按时间间隔(interval)或按 cronjob 表达式(cron)三种方式触发。每个作业都有它自己的触发器，除了初始配置之外，触发器是完全无状态的。

作业存储器（job stores）：

作业存储器指定了作业被存放的位置，默认情况下作业保存在内存，也可将作业保存在各种数据库中，当作业被存放在数据库中时，它会被序列化，当被重新加载时会反序列化。作业存储器充当保存、加载、更新和查找作业的中间商。在调度器之间不能共享作业存储。
任务储存器的选择，要看任务是否需要持久化。如果你运行的任务是无状态的，选择默认任务储存器MemoryJobStore就可以应付。但是，如果你需要在程序关闭或重启时，保存任务的状态，那么就要选择持久化的任务储存器。如果，作者推荐使用SQLAlchemyJobStore并搭配PostgreSQL作为后台数据库。这个方案可以提供强大的数据整合与保护功能。

执行器（executors）：

执行器是将指定的作业（调用函数）提交到线程池或进程池中运行，当任务完成时，执行器通知调度器触发相应的事件。
执行器的选择，同样要看你的实际需求。默认的ThreadPoolExecutor线程池执行器方案可以满足大部分需求。如果，你的程序是计算密集型的，那么最好用ProcessPoolExecutor进程池执行器方案来充分利用多核算力。也可以将ProcessPoolExecutor作为第二执行器，混合使用两种不同的执行器

调度器（schedulers）：

任务调度器，属于控制角色，通过它配置作业存储器、执行器和触发器，添加、修改和删除任务。调度器协调触发器、作业存储器、执行器的运行，通常只有一个调度程序运行在应用程序中，开发人员通常不需要直接处理作业存储器、执行器或触发器，配置作业存储器和执行器是通过调度器来完成的。
分为：
BlockingScheduler 阻塞式调度器：适用于只跑调度器的程序。
BackgroundScheduler 后台调度器：适用于非阻塞的情况，调度器会在后台独立运行。
AsyncIOScheduler AsyncIO调度器，适用于应用使用AsnycIO的情况。
GeventScheduler Gevent调度器，适用于应用通过Gevent的情况。
TornadoScheduler Tornado调度器，适用于构建Tornado应用。
TwistedScheduler Twisted调度器，适用于构建Twisted应用。
QtScheduler Qt调度器，适用于构建Qt应用。

# 导入相关包：
from apscheduler.schedulers.blocking import BlockingScheduler
import logging
from apscheduler.events import EVENT_JOB_EXECUTED, EVENT_JOB_ERROR
# 定义一个简单的函数用来测试：
def func():
    print("test")

# 配置日志记录信息，方便查找问题。
logging.basicConfig(level=logging.INFO,
                    
format = '%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s %(message)s',
         
datefmt = '%Y-%m-%d %H:%M:%S',
          
filename = 'log1.txt',
           
filemode = 'a')
#  定义一个事件监听，出现意外情况打印相关信息报警。
def my_listener(event): 
    if event.exception:
        print ('任务出错了！！！！！！')       
    else: 
        print ('任务照常运行...')
        
scheduler = BlockingScheduler()
scheduler.add_job(func,trigger='interval', seconds=3)
scheduler.add_listener(my_listener, EVENT_JOB_EXECUTED | EVENT_JOB_ERROR)
scheduler._logger = logging
scheduler.start()