1.APScheduler简介

APScheduler是一个Python库，可让您安排稍后执行的Python代码，是一套任务调度框架，可以用来做定时任务控制器，可以添加删除任务。如果将作业存储在数据库中，它们也将在调度程序重新启动后继续运行并保持其状态。重新启动调度程序后，它将运行它应该在脱机时运行的所有作业。

😁我这里先给出一个写调度api的模版吧

步骤一：写好自己运行的函数 def fuction()

步骤二：创建flask路由，在路由下定义一个需要调度的函数def job_function():，把之前的def fuction()函数放到里面

步骤三：创建调度任务函数，def task()，这里需要配置任务调度的方式等参数

步骤四：运行任务 task()，主要写在主函数外面

步骤五：主函数运行api接口，app.run()

from flask import Flask
from flask_apscheduler import APScheduler
import datetime
def fuction()
    print("showmaker")
app = Flask(__name__)
@app.route("/test", methods=['GET','POST'])
def job_function():
    fuction()
def task():
    scheduler = APScheduler()
    scheduler.init_app(app)
    # 定时任务的格式
    scheduler.add_job(func=job_function, trigger='interval',seconds=3600, id='my_job_id')
    scheduler.start()
# 写在main里面，IIS不会运行
task()
if __name__ == "__main__":
    app.run(debug=False, port="5005")

2.APScheduler调度方式

APScheduler有三种可以调度任务的方式：

我们的目的就是通过api接口，在终端一直运行这个接口进程，让它自己去调度我们的程序，这里的程序也就是任务。

1. 可以选择调度的任务，开始和结束的时间
2. 基于一个时间区间，间隔的执行任务
3. 一次性任务执行

3.APScheduler组件

知道了我们的任务有哪些调度方式，现在了解一下APScheduler的组件：

• triggers： 任务触发器组件，提供任务触发方式
• job stores： 任务商店组件，提供任务保存方式
• executors：任务调度组件，提供任务调度方式
• schedulers： 任务调度组件，提供任务工作方式
• 
  

3.1 triggers

triggers: 支持三种任务触发方式

date：

固定日期触发器，任务只运行一次，运行完毕自动清除；若错过指定运行时间，任务不会被创建

scheduler.add_job(func=job_function, trigger='date',run_date='2021-10-27 13:00:00', id='my_job_id')

interval：

时间间隔触发器，每个一定时间间隔执行一次。

scheduler.add_job(func=job_function, trigger='interval',seconds=3600, id='my_job_id')

cron

cron风格的任务触发，这个不常用就不介绍了，我懒

3.2 job stores:支持四种任务存储方式

memory：默认配置任务存在内存中

mongdb：支持文档数据库存储

sqlalchemy：支持关系数据库存储

redis：支持键值对数据库存储

这里如果你的数据库是mysql，我推荐使用sqlalchemy作为数据库，用过create_engine来连接数据库实现数据库操作，比如说删除数据记录，写入数据记录。这里是我自己的例子

from flask import Flask
from flask_apscheduler import APScheduler
import datetime
import pandas as pd
from sqlalchemy import create_engine
from sqlalchemy import MetaData,Table
def delete():
    engine = create_engine('mysql+pymysql://用户名:密码@ip:端口号/数据库?charset=gbk')
    meta = MetaData(bind=engine)
    tb_1 = Table('数据表名', meta, autoload=True, autoload_with=engine)
    tb_2 = Table('数据表名', meta, autoload=True, autoload_with=engine)
    dlt_1=tb_1.delete()
    dlt_2=tb_2.delete()
    conn = engine.connect()
    # 执行delete操作
    conn.execute(dlt_1)
    conn.execute(dlt_2)
    conn.close()
def write(t):
    r1=pd.DataFrame()
    r3=pd.DataFrame()
    engine = create_engine('mysql+pymysql://用户名:密码@ip:端口号/数据库?charset=gbk')
    r1.to_sql('数据表名', con=engine, if_exists='append', index=False)
    r3.to_sql('数据表名', con=engine, if_exists='append', index=False)
def write_log(buf):
    print(buf)
    with open('test.txt', 'a') as f:
        f.write(buf + "\n")
app = Flask(__name__)
@app.route("/test", methods=['GET','POST'])
def job_function():
    now_time=datetime.datetime.now()
    t=now_time.strftime('%Y-%m-%d')
    write_log("update time:"+t)
    delete()
    write_log("delete data")
    write(t)
    write_log("write data")
def task():
    scheduler = APScheduler()
    scheduler.init_app(app)
    # 定时任务，每隔10s执行1次
    scheduler.add_job(func=job_function, trigger='interval',seconds=60, id='my_job_id')
    scheduler.start()
# 写在main里面，IIS不会运行
task()
if __name__ == "__main__":
    app.run(debug=False, port="8888")

最后可以在test.txt查看自己的调用的时间

3.3 schedulers:

调度器主要分三种，一种独立运行的，一种是后台运行的，最后一种是配合其它程序使用

BlockingScheduler: 当这个调度器是你应用中 唯一要运行 的东西时使用

BackgroundScheduler: 当不运行其它框架 的时候使用，并使你的任务在 后台运行

AsyncIOScheduler: 当你的程序是 异步IO模型 的时候使用

GeventScheduler: 和 gevent 框架配套使用

TornadoScheduler: 和 tornado 框架配套使用

TwistedScheduler: 和 Twisted 框架配套使用

QtScheduler: 开发 qt 应用的时候使用