python分布式定时任务_Python 定时任务框架 APScheduler 详解

APScheduler

最近想写个任务调度程序，于是研究了下 Python 中的任务调度工具，比较有名的是：Celery，RQ，APScheduler。

Celery：非常强大的分布式任务调度框架

RQ：基于Redis的作业队列工具

APScheduler：一款强大的任务调度工具

RQ 参考 Celery，据说要比 Celery 轻量级。在我看来 Celery 和 RQ 太重量级了，需要单独启动进程，并且依赖第三方数据库或者缓存，适合嵌入到较大型的 python 项目中。其次是 Celery 和 RQ 目前的最新版本都不支持动态的添加定时任务(celery 官方不支持，可以使用第三方的 redisbeat 或者 redbeat 实现)，所以对于一般的项目推荐用 APScheduler，简单高效。

Apscheduler是一个基于Quartz的python定时任务框架，相关的 api 接口调用起来比较方便，目前其提供了基于日期、固定时间间隔以及corntab类型的任务，并且可持久化任务；同时它提供了多种不同的调用器，方便开发者根据自己的需求进行使用，也方便与数据库等第三方的外部持久化储存机制进行协同工作，非常强大。

安装

最简单的方法是使用 pip 安装：

$ pip install apscheduler

$ python setup.py install

目前版本：3.6.3

基本概念

APScheduler 具有四种组件:

triggers(触发器)

jobstores (job 存储)

executors (执行器)

schedulers (调度器)

triggers：触发器管理着 job 的调度方式。

jobstores： 用于 job 数据的持久化。默认 job 存储在内存中，还可以存储在各种数据库中。除了内存方式不需要序列化之外(一个例外是使用 ProcessPoolExecutor)，其余都需要 job 函数参数可序列化。另外多个调度器之间绝对不能共享 job 存储(APScheduler 原作者的意思是不支持分布式，但是我们可以通过重写部分函数实现，具体方法后面再介绍)。

executors：负责处理 job。通常使用线程池(默认)或者进程池来运行 job。当 job 完成时，会通知调度器并发出合适的事件。

schedulers： 将 job 与以上组件绑定在一起。通常在程序中仅运行一个调度器，并且不直接处理 jobstores ，executors 或 triggers，而是通过调度器提供的接口，比如添加，修改和删除 job。

选择正确的调度器，job 存储，执行器和触发器

调度器的选择主要取决于编程环境以及 APScheduler 的用途。主要有以下几种跳度器：

apscheduler.schedulers.blocking.BlockingScheduler：当调度器是程序中唯一运行的东西时使用，阻塞式。

apscheduler.schedulers.background.BackgroundScheduler：当调度器需要后台运行时使用。

apscheduler.schedulers.asyncio.AsyncIOScheduler：当程序使用 asyncio 框架时使用。

apscheduler.schedulers.gevent.GeventScheduler：当程序使用 gevent 框架时使用。

apscheduler.schedulers.tornado.TornadoScheduler：当构建 Tornado 程序时使用

apscheduler.schedulers.twisted.TwistedScheduler：当构建 Twisted 程序时使用

apscheduler.schedulers.qt.QtScheduler：当构建 Qt 程序时使用

要选择适当的 job 存储，需要看 job 是否需要持久化。如果程序启动会重新创建作业，则可以使用默认的内存方式(MemoryJobStore)。如果需要 job 在程序重新启动或崩溃后继续存在，那么建议使用其他 job 存储方式。系统内置主要有以下几种 job 存储：

apscheduler.jobstores.memory.MemoryJobStore：使用内存存储

apscheduler.jobstores.mongodb.MongoDBJobStore：使用 MongoDB 存储

apscheduler.jobstores.redis.RedisJobStore：使用 redis 存储

apscheduler.jobstores.rethinkdb.RethinkDBJobStore：使用 rethinkdb 存储

apscheduler.jobstores.sqlalchemy.SQLAlchemyJobStore：使用 ORM 框架 SQLAlchemy，后端可以是 sqlite、mysql、PoatgreSQL 等数据库

apscheduler.jobstores.zookeeper.ZooKeeperJobStore：使用 zookeeper 存储

执行器的选择要根据 job 的类型。默认的线程池执行器 apscheduler.executors.pool.ThreadPoolExecutor 可以满足大多数情况。如果 job 属于 CPU 密集型操作则建议使用进程池执行器 apscheduler.executors.pool.ProcessPoolExecutor。当然也可以同时使用两者，将进程池执行器添加为辅助执行器。

当添加 job 时，可以选择一个触发器，它管理着 job 的调度方式。APScheduler 内置三种触发器：

apscheduler.triggers.date：在某个特定时间仅运行一次 job 时使用

apscheduler.triggers.interval：当以固定的时间间隔运行 job 时使用

apscheduler.triggers.cron：当在特定时间定期运行 job 时使用

配置调度器

APScheduler 提供了多种不同的方式来配置调度器。

假设使用默认 job 存储和默认执行器运行 BackgroundScheduler：

from apscheduler.schedulers.background import BackgroundScheduler

scheduler = BackgroundScheduler()

以上创建了一个 BackgroundScheduler 调度器，job 存储使用默认的 MemoryJobStore，执行器使用默认的 ThreadPoolExecutor，最大线程数 10 个。

假如想做以下设置：

一个名为 mongo 的 job 存储，后端使用 MongoDB

一个名为 default 的 job 存储，后端使用数据库(使用 Sqlite)

一个名为 default 的线程池执行器，最大线程数 20 个

一个名为 processpool 的进程池执行器，最大进程数 5 个

调度器使用 UTC 时区

开启 job 合并

job 最大实例限制为 3 个

方法一：

from pytz import utc

from apscheduler.schedulers.background import BackgroundScheduler

from apscheduler.jobstores.mongodb import MongoDBJobStore

from apscheduler.jobstores.sqlalchemy import SQLAlchemyJobStore

from apscheduler.executors.pool import ThreadPoolExecutor, ProcessPoolExecutor

jobstores = {

'mongo': MongoDBJobStore(),

'default': SQLAlchemyJobStore(url='sqlite:///jobs.sqlite')

}

executors = {

'default': ThreadPoolExecutor(20),

'processpool': ProcessPoolExecutor(5)

}

job_defaults = {

'coalesce': False,

'max_instances': 3

}

scheduler = BackgroundScheduler(jobstores=jobstores, executors=executors, job_defaults=job_defaults, timezone=utc)

方法二：

from apscheduler.schedulers.background import BackgroundScheduler

scheduler = BackgroundScheduler({

'apscheduler.jobstores.mongo': {

'type': 'mongodb'

},

'apscheduler.jobstores.default': {

'type': 'sqlalchemy',

'url': 'sqlite:///jobs.sqlite'

},

'apscheduler.executors.default': {

'class': 'apscheduler.executors.pool:ThreadPoolExecutor',

'max_workers': '20'

},

'apscheduler.executors.processpool': {

'type': 'processpool',

'max_workers': '5'

},

'apscheduler.job_defaults.coalesce': 'false',

'apscheduler.job_defaults.max_instances': '3',

'apscheduler.timezone': 'UTC',

})

方法三：

from pytz import utc

from apscheduler.schedulers.background import BackgroundScheduler

from apscheduler.jobstores.sqlalchemy import SQLAlchemyJobStore

from apscheduler.executors.pool import ProcessPoolExecutor

jobstores = {

'mongo': {'type': 'mongodb'},

'default': SQLAlchemyJobStore(url='sqlite:///jobs.sqlite')

}

executors = {

'default': {'type': 'threadpool', 'max_workers': 20},

'processpool': ProcessPoolExecutor(max_workers=5)

}

job_defaults = {

'coalesce': False,

'max_instances': 3

}

scheduler = BackgroundScheduler()

scheduler.configure(jobstores=jobstores, executors=executors, job_defaults=job_defaults, timezone=utc)

启动调度器

只需调用 start() 即可启动调度器。对于 BlockingScheduler 以外的调度器，都会直接返回，返回后可以继续其他工作，比如添加 job；对于 BlockingScheduler ，必须在完成所有初始化已经添加好 job 后才能调用 start()。

注意：调度器启动后就无法更改配置了。

添加 job

两种方式：

使用方法 add_job()

使用装饰器 scheduled_job()

第一种是最常用方法，第二种方法适合程序运行后不需要更改的作业。 add_job() 会返回一个 apscheduler.job.Job 实例，可以用于修改或者删除 job 等。如果添加 job 时，调度器尚未启动，则会暂停调度 job，并且仅在调度器启动时才计算其首次运行时间

添加 job 时第二个参数是 trigger，正如前面所说，可以指定三种类型的触发器：cron、interval 和 date。

cron：在特定时间定期运行 job

兼容 unix/linux 系统 crontab 格式，但是比其多了秒(second)、年(year)、第多少周(week)以及限定开始时间(start_date)和结束时间(end_date)的功能，并且天(day)的设置更加灵活，支持类似 last fri 的格式，具体见以下的详解。

主要参数：

year(int|str) - 年，4位数

month(int|str) - 月，1-12

day(int|str) - 日，1-31

week(int|str) - 一年中的第多少周，1-53

day_of_week(int|str) - 星期，0-6 或者 mon，tue，wed，thu，fri，sat，sun

hour(int|str) - 小时，0-23

minute(int|str) - 分，0-59

second(int|str) - 秒，0-59

start_date(date|datetime|str) - 开始时间

end_date(date|datetime|str) - 结束时间

不同于 unix/linux 系统 crond 格式，添加 job 时可以忽略不必要的字段。

大于最小有效值的字段默认为*，而较小的字段默认为其最小值，除了 week 和 day_of_week 默认为 *。

可能这种表述不是太理解，举几个例子：

day=1, minute=20 最小有效值字段为 minute 故等价于 year='*', month='*', day=1, week='*', day_of_week='*', hour='*', minute=20, second=0，意思是在每年每月 1 号每小时的 20 分 0 秒运行；

hour=1 最小有效值字段为 hour 故等价于 year='*', month='*', day=*, week='*', day_of_week='*', hour=1, minute=0, second=0，意思是在每年每月每天 1 点的 0 分 0 秒运行；

month=6, hour=1 最小有效值字段也为 hour 故等价于 year='*', month=6, day=*, week='*', day_of_week='*', hour=1, minute=0, second=0，意思是在每年 6 月每天 0 点 0 分 0 秒运行；

month=6 最小有效值字段也为 month 故等价于 year='*', month=6, day=1, week='*', day_of_week='*', hour=0, minute=0, second=0，意思是在每年 6 月 1号 0 点 0 分 0 秒运行；

year=2020 最小有效值字段也为 year 故等价于 year=2020, month=1, day=1, week='*', day_of_week='*', hour=0, minute=0, second=0，意思是在 2020 年 1 月 1 号 0 点 0 分 0 秒运行；

参数还支持表达式，下表列出了从 year 到 second 字段可用的表达式。一个字段中可以给出多个表达式，用 , 分隔。

序号

表达式

可用字段

描述

1

*

所有

匹配字段所有取值

2

*/a

所有

匹配字段每递增 a 后的值, 从字段最小值开始，包括最小值，比如小时(hour)的 */5，则匹配0,5,10,15,20

3

a/b

所有

匹配字段每递增 b 后的值, 从字段值 a 开始，包括 a，比如小时(hour)的 2/9，则匹配2,11,20

4

a-b

所有

匹配字段 a 到 b 之间的取值，a 必须小于 b，包括 a 与 b，比如2-5，则匹配2,3,4,5

5

a-b/c

所有

匹配 a 到 b 之间每递增 c 后的值，包括 a，不一定包括 b，比如1-20/5，则匹配1,6,11,16

6

xth y

day

匹配 y 在当月的第 x 次，比如 3rd fri 指当月的第三个周五

7

last x

day

匹配 x 在当月的最后一次，比如 last fri 指当月的最后一个周五

8

last

day

匹配当月的最后一天

9

x,y,z

所有

匹配以 , 分割的多个表达式的组合

例：

import datetime

from apscheduler.schedulers.background import BackgroundScheduler

def job1():

print('job1')

def job2(x, y):

print('job2', x, y)

scheduler = BackgroundScheduler()

scheduler.start()

# 每天 2 点运行

scheduler.add_job(

job1,

trigger='cron',

hour=2

)

# 每天 2 点 30 分 5 秒运行

scheduler.add_job(

job2,

trigger='cron',

second=5,

minute=30,

hour=2,

args=['hello', 'world']

)

# 每 10 秒运行一次

scheduler.add_job(

job1,

trigger='cron',

second='*/10'

)

# 每天 1:00,2:00,3:00 运行

scheduler.add_job(

job1,

trigger='cron',

hour='1-3'

)

# 在 6,7,8,11,12 月的第三个周五 的 1:00,2:00,3:00 运行

scheduler.add_job(

job1,

trigger='cron',

month='6-8,11-12',

day='3rd fri',

hour='1-3'

)

# 在 2019-12-31 号之前的周一到周五 5 点 30 分运行

scheduler.add_job(

job1,

trigger='cron',

day_of_week='mon-fri',

hour=5,

minute=30,

end_date='2019-12-31'

)

interval：以固定的时间间隔运行 job

主要参数：

weeks(int) - 表示等待时间的周数

days(int) - 表示等待时间天数

hours(int) - 表示等待时间小时数

minutes(int) - 表示等待时间分钟数

seconds(int) - 表示等待时间秒数

start_date(date|datetime|str) - 开始时间

end_date(date|datetime|str) - 结束时间

例：

from apscheduler.schedulers.background import BackgroundScheduler

def job():

print('job')

scheduler = BackgroundScheduler()

scheduler.start()

# 每 2 小时运行一次

scheduler.add_job(

job,

trigger='interval',

hours=2

)

# 2019-10-01 00:00:00 到 2019-10-31 23:59:59 之间每 2 小时运行一次

scheduler.add_job(

job,

trigger='interval',

hours=2,

start_date='2019-10-01 00:00:00',

end_date='2019-10-31 23:59:59',

)

# 每 2 天 3 小时 4 分钟 5 秒 运行一次

scheduler.add_job(

job,

trigger='interval',

days=2,

hours=3,

minutes=4,

seconds=5

)

date：某个特定时间仅运行一次 job

例：

import datetime

from apscheduler.schedulers.background import BackgroundScheduler

def job():

print('job')

scheduler = BackgroundScheduler()

scheduler.start()

# 3 秒后运行

scheduler.add_job(

job,

trigger='date',

run_date=datetime.datetime.now() + datetime.timedelta(seconds=3)

)

# 2019.11.22 00:00:00 运行

scheduler.add_job(

job,

trigger='date',

run_date=datetime.date(2019, 11, 22),

)

# 2019.11.22 16:30:01 运行

scheduler.add_job(

job,

trigger='date',

run_date=datetime.datetime(2019, 11, 22, 16, 30, 1),

)

# 2019.11.31 16:30:01 运行

scheduler.add_job(

job,

trigger='date',

run_date='2019-11-31 16:30:01',

)

# 立即运行

scheduler.add_job(

job,

trigger='date'

)

小提示：

如果想立即运行 job ，则可以在添加 job 时省略 trigger 参数；

添加 job 时的日期设置参数 start_date、end_date 以及 run_date 都支持字符串格式('2019-12-31' 或者 '2019-12-31 12:01:30')、datetime.date(datetime.date(2019, 12, 31)) 或者 datetime.datetime(datetime.datetime(2019, 12, 31, 16, 30, 1))；

删除 job

当调度器中删除 job 时，该 job 也将从其关联的 job 存储中删除，并且将不再执行。有两种方法可以实现此目的：

通过调用方法 remove_job() ，指定 job ID 和 job 存储别名

通过调用 add_job() 时 返回的 apscheduler.job.Job 实例的 remove() 方法

例：

job = scheduler.add_job(myfunc, 'interval', minutes=2)

job.remove()

或者：

scheduler.add_job(myfunc, 'interval', minutes=2, id='my_job_id')

scheduler.remove_job('my_job_id')

注意： 如果任务已经调度完毕，并且之后也不会再被执行的情况下，会被自动删除。

暂停和恢复 job

暂停和恢复 job 与 删除 job 方法类似：

暂停：

job = scheduler.add_job(myfunc, 'interval', minutes=2, id='my_job_id')

job.pause()# or

scheduler.pause_job('my_job_id')

恢复：

job = scheduler.add_job(myfunc, 'interval', minutes=2, id='my_job_id')

job.resume()# or

scheduler.resume_job('my_job_id')

获取 job 列表

使用 get_jobs() 方法获取一个列表，或者使用 print_jobs() 方法打印一个格式化的列表。

jobs = scheduler.get_jobs()# or

scheduler.print_jobs()

提示：可以使用 get_job(id) 获取单个 job 信息

修改 job

修改 job 依然与 删除 job 方法类似，可以修改除 job id 以外的其他属性。

例：

job.modify(max_instances=6, name='Alternate name')

如果想修改触发器，可以使用 apscheduler.job.Job.reschedule 或者 apscheduler.schedulers.base.BaseScheduler.reschedule_job 。

例：

scheduler.reschedule_job('my_job_id', trigger='cron', minute='*/5')

其实修改 job 也可以使用 add_job() 方法，只需要指定参数 replace_existing=True 以及相同的 job_id 即可。

关闭调度器

关闭调度器方法：

scheduler.shutdown()

默认情况下，会关闭 job 存储和执行器，并等待所有正在执行的 job 完成。如果不想等待则可以使用以下方法关闭：

scheduler.shutdown(wait=False)

暂停/恢复调度器

暂停调度器：

scheduler.pause()

恢复调度器：

scheduler.resume()

启动调度器的时候可以指定 paused=True，以这种方式启动的调度器直接就是暂停状态。

scheduler.start(paused=True)

限制 job 并发执行实例数量

默认情况下，每个 job 仅允许 1 个实例同时运行。这意味着，如果该 job 将要运行，但是前一个实例尚未完成，则最新的 job 不会调度。可以在添加 job 时指定 max_instances 参数解除限制。

max_instances 可以在初始化调度器的时候设置一个全局默认值，添加任务时可以再单独指定

job 合并

当由于某种原因导致某个 job 积攒了好几次没有实际运行(比如说系统挂了 5 分钟后恢复，有一个任务是每分钟跑一次的，按道理说这 5 分钟内本来是“计划”运行 5 次的，但实际没有执行)，如果 coalesce 为 True，下次这个 job 被 submit 给 executor 时，只会执行 1 次，也就是最后这次，如果为 False，那么会执行 5 次(不一定，因为还有其他条件，看后面misfire_grace_time)。misfire_grace_time：单位为秒，假设有这么一种情况,当某一 job 被调度时刚好线程池都被占满，调度器会选择将该 job 排队不运行，misfire_grace_time 参数则是在线程池有可用线程时会比对该 job 的应调度时间跟当前时间的差值，如果差值小于 misfire_grace_time 时，调度器会再次调度该 job；反之该 job 的执行状态为 EVENTJOBMISSED 了，即错过运行。

coalesce 与 misfire_grace_time 可以在初始化调度器的时候设置一个全局默认值，添加任务时可以再单独指定

调度器事件

调度器事件只有在某些情况下才会被触发，并且可以携带某些有用的信息。通过 add_listener() 传递适当参数，可以实现监听不同是事件，比如 job 运行成功、运行失败等。具体支持的事件类型见官方文档

。

例：

from apscheduler.events import EVENT_JOB_EXECUTED, EVENT_JOB_ERROR

def my_listener(event):

if event.exception:

print('The job crashed :(')

else:

print('The job worked :)')

scheduler.add_listener(my_listener, EVENT_JOB_EXECUTED | EVENT_JOB_ERROR)

扩展 APScheduler

APScheduler 的四种组件都可以自定义扩展:

triggers(触发器)

jobstores (job 存储)

executors (执行器)

schedulers (调度器)

具体方法参考官方文档。

分布式 APScheduler

APScheduler 默认是不支持分布式运行的，详见官方 FAQ。当将其集成到 flask 或者 django 项目后，如果用 gunicorn 部署，gunicorn 可能会启动多个 worker 从而导致 job 重复执行。gunicorn 配置参数 --preload 和 worker=1 后，只启动一个 worker，可以适当缓解这个问题(这个方法有个问题：当自动重启 worker 的时候，如果这时后台刚好有一个耗时任务正常执行，比如需要执行 30s，而系统中还有一个每秒执行的任务，这时就会丢失部分每秒执行的任务)。

那有没有好的方法解决呢？肯定是有的，首先我们看看其基本原理：总的来说，其主要是利用 python threading Event 和 Lock 锁来写的。scheduler 在主循环 (_main_loop)中，反复检查是否有需要执行的任务，完成任务的检查函数为 _process_jobs，这个函数主要有以下几个步骤：

1、 询问储存的每个 jobStore，是否有到期要执行的任务。

...

due_jobs = jobstore.get_due_jobs(now)

...

2、due_jobs 不为空，则计算这些 jobs 中每个 job 需要运行的时间点，时间一到就 submit 给任务调度。

...

run_times = job._get_run_times(now)

run_times = run_times[-1:] if run_times and job.coalesce else run_times

if run_times:

try:

executor.submit_job(job, run_times)

except MaxInstancesReachedError:

...

3、在主循环中，如果不间断地调用，而实际上没有要执行的 job，这会造成资源浪费。因此在程序中，如果每次掉用 _process_jobs 后，进行了预先判断，判断下一次要执行的 job(离现在最近的)还要多长时间，作为返回值告诉 main_loop, 这时主循环就可以去睡一觉，等大约这么长时间后再唤醒，执行下一次 _process_jobs。

...

# Determine the delay until this method should be called again

if self.state == STATE_PAUSED:

wait_seconds = None

self._logger.debug('Scheduler is paused; waiting until resume() is called')

elif next_wakeup_time is None:

wait_seconds = None

self._logger.debug('No jobs; waiting until a job is added')

else:

wait_seconds = min(max(timedelta_seconds(next_wakeup_time - now), 0), TIMEOUT_MAX)

self._logger.debug('Next wakeup is due at %s (in %f seconds)', next_wakeup_time,

wait_seconds)

return wait_seconds

根据以上基本原理，其实可以发现重写 _process_jobs 函数就能解决。主要思路是文件锁，当 worker 准备获取要执行的 job 时必须先获取到文件锁，获取文件锁后分配 job 到执行器后，再释放文件锁。具体代码如下：

from apscheduler.schedulers.background import BackgroundScheduler

from apscheduler.executors.base import MaxInstancesReachedError

from apscheduler.events import (

JobSubmissionEvent, EVENT_JOB_SUBMITTED, EVENT_JOB_MAX_INSTANCES,

)

from apscheduler.util import (

timedelta_seconds, TIMEOUT_MAX

)

from datetime import datetime, timedelta

import six

import fcntl

import os

#: constant indicating a scheduler's stopped state

STATE_STOPPED = 0

#: constant indicating a scheduler's running state (started and processing jobs)

STATE_RUNNING = 1

#: constant indicating a scheduler's paused state (started but not processing jobs)

STATE_PAUSED = 2

class DistributedBackgroundScheduler(BackgroundScheduler):

def __init__(self, *args, **kwargs):

super().__init__(*args, **kwargs)

def _process_jobs(self):

"""

Iterates through jobs in every jobstore, starts jobs that are due and figures out how long

to wait for the next round.

If the ``get_due_jobs()`` call raises an exception, a new wakeup is scheduled in at least

``jobstore_retry_interval`` seconds.

"""

if self.state == STATE_PAUSED:

self._logger.debug('pid: %s Scheduler is paused -- not processing jobs' % os.getpid())

return None

f = None

try:

f = open("scheduler.lock", "wb")

# 这里必须使用 lockf, 因为 gunicorn 的 worker 进程都是 master 进程 fork 出来的

# flock 会使子进程拥有父进程的锁

# fcntl.flock(flock, fcntl.LOCK_EX | fcntl.LOCK_NB)

fcntl.lockf(f, fcntl.LOCK_EX | fcntl.LOCK_NB)

self._logger.info("pid: %s get Scheduler file lock success" % os.getpid())

except BaseException as exc:

self._logger.warning("pid: %s get Scheduler file lock error: %s" % (os.getpid(), str(exc)))

try:

if f:

f.close()

except BaseException:

pass

return None

else:

self._logger.debug('pid: %s Looking for jobs to run' % os.getpid())

now = datetime.now(self.timezone)

next_wakeup_time = None

events = []

with self._jobstores_lock:

for jobstore_alias, jobstore in six.iteritems(self._jobstores):

try:

due_jobs = jobstore.get_due_jobs(now)

except Exception as e:

# Schedule a wakeup at least in jobstore_retry_interval seconds

self._logger.warning('pid: %s Error getting due jobs from job store %r: %s',

os.getpid(), jobstore_alias, e)

retry_wakeup_time = now + timedelta(seconds=self.jobstore_retry_interval)

if not next_wakeup_time or next_wakeup_time > retry_wakeup_time:

next_wakeup_time = retry_wakeup_time

continue

for job in due_jobs:

# Look up the job's executor

try:

executor = self._lookup_executor(job.executor)

except BaseException:

self._logger.error(

'pid: %s Executor lookup ("%s") failed for job "%s" -- removing it from the '

'job store', os.getpid(), job.executor, job)

self.remove_job(job.id, jobstore_alias)

continue

run_times = job._get_run_times(now)

run_times = run_times[-1:] if run_times and job.coalesce else run_times

if run_times:

try:

executor.submit_job(job, run_times)

except MaxInstancesReachedError:

self._logger.warning(

'pid: %s Execution of job "%s" skipped: maximum number of running '

'instances reached (%d)', os.getpid(), job, job.max_instances)

event = JobSubmissionEvent(EVENT_JOB_MAX_INSTANCES, job.id,

jobstore_alias, run_times)

events.append(event)

except BaseException:

# 分配任务错误后马上释放文件锁，让其他 worker 抢占

try:

fcntl.flock(f, fcntl.LOCK_UN)

f.close()

self._logger.info("pid: %s unlocked Scheduler file success" % os.getpid())

except:

pass

self._logger.exception('pid: %s Error submitting job "%s" to executor "%s"',

os.getpid(), job, job.executor)

break

else:

event = JobSubmissionEvent(EVENT_JOB_SUBMITTED, job.id, jobstore_alias,

run_times)

events.append(event)

# Update the job if it has a next execution time.

# Otherwise remove it from the job store.

job_next_run = job.trigger.get_next_fire_time(run_times[-1], now)

if job_next_run:

job._modify(next_run_time=job_next_run)

jobstore.update_job(job)

else:

self.remove_job(job.id, jobstore_alias)

# Set a new next wakeup time if there isn't one yet or

# the jobstore has an even earlier one

jobstore_next_run_time = jobstore.get_next_run_time()

if jobstore_next_run_time and (next_wakeup_time is None or

jobstore_next_run_time < next_wakeup_time):

next_wakeup_time = jobstore_next_run_time.astimezone(self.timezone)

# Dispatch collected events

for event in events:

self._dispatch_event(event)

# Determine the delay until this method should be called again

if next_wakeup_time is None:

wait_seconds = None

self._logger.debug('pid: %s No jobs; waiting until a job is added', os.getpid())

else:

wait_seconds = min(max(timedelta_seconds(next_wakeup_time - now), 0), TIMEOUT_MAX)

self._logger.debug('pid: %s Next wakeup is due at %s (in %f seconds)', os.getpid(), next_wakeup_time,

wait_seconds)

try:

fcntl.flock(f, fcntl.LOCK_UN)

f.close()

self._logger.info("pid: %s unlocked Scheduler file success" % os.getpid())

except:

pass

return wait_seconds

文件锁只支持 unix/linux 系统，并且只能实现本机的分布式。如果想实现多台主机的的分布式，需要借助 redis 或者 zookeeper 实现分布锁，原理和文件锁一样的，都是重写 _process_jobs 函数实现，代码就不再赘述，有兴趣的朋友可以自己研究一下。