flask使用定时任务flask_apscheduler(APScheduler)

Flask-APScheduler描述:

Flask-APScheduler 是一个 Flask 扩展,增加了对 APScheduler 的支持。

APScheduler 有三个内置的调度系统可供您使用:

  • Cron 式调度(可选开始/结束时间)

  • 基于间隔的执行(以偶数间隔运行作业,可选开始/结束时间)

  • 一次性延迟执行(在设定的日期/时间运行一次作业)

1.安装 flask_apscheduler 库

python 复制代码
pip install flask_apscheduler

2.app.py中的代码

2.1初始化APScheduler

python 复制代码
# 创建Flask应用
app = Flask(__name__)
# 初始化APScheduler
scheduler = APScheduler()

2.2使用方式

描述这里使用cron表达式

cron表达式生成器地址:****https://cron.ciding.cc/

方式一: 硬编码方式使用

python 复制代码
# 创建Flask应用
app = Flask(__name__)
# 初始化APScheduler
scheduler = APScheduler()

# 方式一硬编码;
# 这些代码也可以放在if __name__ == '__main__':内,与调试运行方式有关,
# 1.flask服务方式运行不会走if __name__ == '__main__':内代码;
# 2.以Python文件(app.py)方式运行会走if __name__ == '__main__':内代码;
scheduler.add_job(func=MyService.my_job, id='my_job', trigger='cron', second='0/5')
scheduler.init_app(app=app)
scheduler.start()

方式二: 读取配置方式使用

配置中代码

python 复制代码
class Config:
    JOBS = [
        {
            'id': 'job1',
            'func': 'app:MyService.my_job',  # 注意这里的格式,app 是 Flask 应用对象的名称(app.py),: 后面是任务函数名
            'trigger': 'cron',
            # 'day_of_week': '0-6',  # 每天执行
            # 'hour': 18,  # 18 点执行
            # 'inute': 30,  # 30 分执行
            # 'econd': 5  # 0 秒执行
            'second': '0/5'
        }
        # ,
        # {
        #     'id': 'job2',
        #     'func': task2,  # 也可以直接使用函数名
        #     'trigger': 'interval',
        #     'econds': 30  # 每隔 30 秒执行一次
        # }
    ]
    SCHEDULER_API_ENABLED = True
python 复制代码
# 创建Flask应用
app = Flask(__name__)
# 初始化APScheduler
scheduler = APScheduler()

# 方式一硬编码
# scheduler.add_job(func=MyService.my_job, id='my_job', trigger='cron', second='0/5')
# 方式二读取配置
app.config.from_object(Config())
scheduler.init_app(app=app)
scheduler.start()

3.my_service.py中(MyService类)代码

python 复制代码
from datetime import datetime

from flask import Flask


class MyService:
    @classmethod
    def my_job(cls):
        print(f"my_job,当前时间{datetime.now()}")

4.项目整体结构

5.运行效果

具体代码

https://gitee.com/jxzcode_admin/flask-project.git

参考资料

https://blog.csdn.net/m0_48770520/article/details/130735727

相关推荐
ZhengEnCi7 小时前
模型训练完整流程:从数据准备到模型上线的 10 个关键步骤(全文可跑)
后端·算法
ragnwang8 小时前
Notes: Python pybind11 import C++ module
开发语言·c++·python
王中阳Go8 小时前
后端转 Agent 岗面试怎么答:8 个高频问题与应答口径
人工智能·后端·python·大语言模型
程序猿DD8 小时前
OctaFuse Gateway 2.18.0:MCP 接入支持 OAuth,供应商粘性绑定可视化管理
后端
weixin_307779138 小时前
RAG 面试陷阱——混合检索并非无条件优越:一个条件反转实验
人工智能·python·面试·职场和发展
云和数据.ChenGuang9 小时前
深入解析 Python 的 dir():从用法到 CPython 源码实现
开发语言·人工智能·python·langchain
ZhengEnCi9 小时前
Agent 规则管理:让 Memory 做索引、让 Skill 存规则——上下文上限实测与分工方案
后端
nice_lcj52010 小时前
深入理解 Java 反射:从 Class 对象到方法调用(含性能实测 + 迷你 IOC 实战 + 面试考点)
java·开发语言·后端·面试
骑着蜗牛撵大象32710 小时前
2026 后端 AI 工程化:Spring AI 管调用、MCP 管工具、Agent 内嵌管自治
java·人工智能·后端·spring·ai·可观测性·mcp
摸爬滚打的小李11 小时前
Spring XML + WAR + Tomcat 项目启动
后端