本文以django/flask为例，介绍如何使用celery or Scheduler 来实现python的定时任务计划，并比较二者在使用过程中的不同之处，区分不同场景来选择适当的工具。
异步任务，指的是与同步任务相反的一种逻辑处理流程，在执行某任务A的过程中，需要执行任务B，但是B任务比较耗时，而且B的结果对A无影响。这种情况下，就需要考虑使用异步来实现任务B，从而使A的处理速度加快。一个典型的例子就是用户操作过程中的邮件提醒，比如业务逻辑如下：当用户修改web项目中的某几个敏感参数的时候，需要向该用户以及管理员用户发送通知邮件，并完成参数的修改。那么用户的修改操作即可看作是A任务，邮件发送即为B任务，B任务的发送结果（邮件发送成功还是失败）对修改任务A是否成功执行无影响。此时就需要考虑将B邮件发送任务异步实现，减少修改参数的服务器处理速度，提高用户体验。
定时任务，就更好理解了，比如需要每隔5分钟检查一次数据库里的当天有效数据，如果发生变更，则需要执行某些逻辑。此时就需要定时任务来执行响应的任务计划。
Scheduler作为一个轻量级的定时任务工具，在小型项目或者轻量级异步任务中经常会用到，最常见的使用方法如下： 首先，安装Scheduler：pip install APScheduler； 然后，在项目启动的位置，调用以下函数：
from apscheduler.schedulers.background import BackgroundScheduler def initialize_cron(): apsched = BackgroundScheduler() apsched.add_job(isp_sync , 'cron' , kwargs = {} , hour = 2 , minute = 10) apsched.add_job(kafka_sync,'cron', hour = 6 , minute = 10) apsched.add_job(workflow,'cron', minute = '*/10') apsched.add_job(detect_isp_access,'cron', hour='*') apsched.add_job(mass_report,'cron', minute = '*/5') apsched.start()感觉似乎没什么好介绍的，只要部署上去，就完事了，它会每隔多少时间，或者每天的定点时间，去执行响应的任务。比较高阶的用法，会出现在某些特殊的任务，可能需要在某个时间段内暂停任务，然后再恢复任务。就会需要用到pause / resume，详情可以查看这篇博文，写的很详细。
只要是项目上了点规模，或者说，既有定时任务，也有异步任务需要；再或者，待执行的任务占资源比较多，那就最好使用celery来实现，可以把任务从主任务中剥离出来，减少项目占用资源过多出问题的几率。 在django/flask中使用celery，也是非常简单的，首先，安装celery，
pip install celery==3.1.25 pip install redis==2.10.5 # Broker,用于存放celery任务队列，除celery之外，也可使用rabbitMQ/Zookeeper等安装完毕后，需要在项目中配置celery，以flask为例：在创建flask_app时，对celery进行配置：
app = Flask("cdn_console",static_folder='', static_url_path='') app.config.from_object('DefaultConfig') cdn_celery = configure_celery(app) def configure_celery(app): platforms.C_FORCE_ROOT = True celery = Celery(app.import_name, broker=app.config['CELERY_BROKER_URL']) celery.conf.update(app.config) Taskbase = celery.Task class ContextTask(Taskbase): abstract = True def __call__(self, *args, **kw): with app.app_context(): return Taskbase.__call__(self, *args, **kw) celery.Task = ContextTask return celery class DefaultConfig(object): DEBUG = True TESTING = False _basedir = os.path.join(os.path.abspath(os.path.dirname(os.path.dirname( os.path.dirname(__file__))))) if DEBUG==True: redis_host='127.0.0.1' else: redis_host='redis.test.org' REDIS_URL = "redis://%s:6379/1"%redis_host CELERY_BROKER_URL = 'redis://%s:6379'%redis_host, # Broker 地址 # CELERY_RESULT_BACKEND = 'redis://localhost:6379', # 结果存储地址 # 定时任务， CELERYBEAT_SCHEDULE = { 'task1': { # 定时任务1，每隔5分钟执行一次 'task': 'tasks.api_delay_func_1', "schedule": timedelta(minutes=5), "args": '', }, #'task2': { # 'task': 'tasks.api_delay_func_2', # "schedule": timedelta(minutes=30), # "args": '', #}, } } # tasks.py中的定时任务： @cdn_celery.task def api_delay_func_1(log_type='5'): """ 定时任务 """ from run import app app_ctx = app.app_context() app_ctx.push() try: print '定时任务' app_ctx.pop() except Exception as e: app_ctx.pop() print e配置中之所有有个ContextTask函数，是因此flask的应用上下文，这种配置也是flask官方推荐的配置模块。
如果某个函数需要执行异步任务，添加一个装饰器即可：
@cdn_celery.task def flow_converge(): """ 流量/带宽 汇聚 """ print '异步任务' return # 在需要调用该异步函数的位置，使用delay来调用 from tasks import flow_converge flow_converge.delay()项目中添加完毕之后，在项目所在的目录运行脚本来执行celery：
nohup celery worker -A tasks --loglevel=info -c 2 >../celery_worker.log 2>&1 & nohup celery beat -A tasks --loglevel=info >../celery_beat.log 2>&1 &celery架构
Celery Beat，任务调度器，Beat进程会读取配置文件的内容，周期性的将配置中到期需要执行的任务发送给任务队列Celery Worker，执行任务的消费者 Broker，消息代理，接受生产者的任务消息，存进队列然后按序发送给消费者Producer，定时任务或者调用了API产生任务交给任务队列进行处理 Result Backend，任务处理完后保存状态信息和结果终止执行中的celery任务
from celery.task.control import inspect inspect().active()这将列出正在处理的活动任务的列表。 你可以在那里获得任务的id 。 一旦获得了任务的id，就可以通过使用
from celery.task.control import revoke revoke(task_id, terminate=True)只要不是太小的项目，或者你确定项目以后不会有其他的定时任务出现了，那么就使用scheduler来实现，否则，加入celery的怀抱吧！毕竟celery真的是太好用了。。
AyoCross 20180701
