技术标签: 全栈
我想使用flask_apscheduler进行动态的定时任务调度,这样可以搭建一个建的分布式任务处理系统。
这篇文章总结的很好,使用apscheduler常见的三种方式:
采用第一种(flask + 视图函数)的原因:
使用flask的调度任务可以视为是偏IO型的,对于复杂的计算任务flask的调度只是把这个任务存到任务数据库中(Mongo),然后由其他的Worker去执行。
Worker的启动可以采用第三种方式,启动和管理都相对简单。而且Worker本身并不需要分配端口资源,因此很容易用docker-compose进行scale。
这部分已经提了很多次,就不重复了
建立tasks函数包
可以参考这篇文章
例如run_date ='2021-01-01 00:00:00'
通过start_date
和end_date
来约束开始和结束的时间。
既可以一次,也可以多次
__init__.py
...
# >>>>>>> 定时任务
from flask_apscheduler import APScheduler
scheduler = APScheduler()
...
# >>>>>>>>>>>>>>>>>>> 创建app的函数,可以用于以后灵活的加插件
def create_app(config_name):
app = Flask(__name__)
app.config.from_object(config[config_name])
config[config_name].init_app(app)
...
scheduler.init_app(app=app)
scheduler.start()
...
return app
static
下增加tasks函数包将函数包放在这里,主要是方便未来直接通过flask增加任务
static
├── img
├── js
├── mds
├── tasks
│ ├── __init__.py
│ ├── task1.py
│ └── task2.py
└── vendor
查看当前任务列表、新增任务、暂停任务、继续任务和删除任务。
简单列一下新增和暂停任务的视图函数,其他几个的类似(换一句命令而已)
看起来比较长的原因是我按照自定义的格式去规范视图函数的几个处理。另外cron任务的新增我没写,因为打算还是把task包成一个对象比较好。
from . import app2
from . import dm
from flask import jsonify, request, current_app
from . import scheduler
from . import dynamic_load_func
from . import itasks
# 增加一个任务
@app2.route('/view2/', methods = ['GET', 'POST'])
def view2():
web1 = dm.WebMsg('view2')
conf = current_app.config
input_para_dict = {
}
input_para_dict['req_handler'] = request
# 1 输入步结果
input_result = before_view2(input_para_dict)
if not input_result['status']:
web1.status = False
web1.msg ='输入步失败'
print(input_result)
return jsonify(web1.to_dict())
# 2 处理步
process_dict = input_result['data']
process_para_dict = {
}
process_para_dict['scheduler'] = scheduler
process_para_dict['itasks'] = itasks
process_para_dict['the_mongo'] = conf['THE_MONGO']
process_result = process_view2(process_dict, process_para_dict)
if not process_result['status']:
web1.status = False
web1.msg = '处理步失败'
print(process_result)
return jsonify(web1.to_dict())
web1.status = True
web1.msg ='ok'
web1.data = process_result['data']
return jsonify(web1.to_dict())
# 前置函数
def before_view2(input_para_dict = None):
web1 = dm.WebMsg('before_view2')
# 1 获取参数
try:
req_handler = input_para_dict['req_handler']
except:
web1.status = False
web1.msg ='获取request handler失败'
return web1.to_dict()
# 2 获取数据
try:
input_dict = req_handler.get_json()
# print(input_dict)
except:
web1.status = False
web1.msg = '获取前端的数据失败'
return web1.to_dict()
# 3 处理
try:
process_dict = {
}
# 任务的名称(id) task1,task2...
process_dict['task_id'] = input_dict['task_id']
process_dict['task_name'] = input_dict['task_name']
process_dict['task_type'] = input_dict['task_type']
# 任务的参数
process_dict['task_args']= input_dict.get('task_args')
process_dict['task_kwargs']= input_dict.get('task_kwargs')
# 开始和结束时间
process_dict['task_start_date_str']= input_dict.get('task_start_date_str')
process_dict['task_end_date_str']= input_dict.get('task_end_date_str')
# interval风格的参数
process_dict['weeks']= input_dict.get('weeks')
process_dict['days']= input_dict.get('days')
process_dict['hours']= input_dict.get('hours')
process_dict['minutes']= input_dict.get('minutes')
process_dict['seconds']= input_dict.get('seconds')
# cron风格的参数
process_dict['year']= input_dict.get('year')
process_dict['month']= input_dict.get('month')
process_dict['day']= input_dict.get('day')
process_dict['week']= input_dict.get('week')
process_dict['day_of_week']= input_dict.get('day_of_week')
process_dict['hour']= input_dict.get('hour')
process_dict['minute']= input_dict.get('minute')
process_dict['second']= input_dict.get('second')
except:
web1.status = False
web1.msg = '整合输入数据失败'
return web1.to_dict()
web1.status = True
web1.msg = 'ok'
web1.data = process_dict
return web1.to_dict()
# 处理函数
def process_view2(process_dict = None,process_para_dict = None):
web1 = dm.WebMsg('process_view2')
# 1 获取数据库连接
try:
the_mongo = process_para_dict['the_mongo']
except:
web1.status = False
web1.msg ='获取pymongo连接对象失败'
return web1.to_dict()
try:
scheduler = process_para_dict['scheduler']
except:
web1.status = False
web1.msg ='获取scheduler对象失败'
return web1.to_dict()
try:
itasks = process_para_dict['itasks']
except:
web1.status = False
web1.msg ='获取itasks对象失败'
return web1.to_dict()
# 2 获取查询参数
try:
task_type = process_dict['task_type']
task_id = process_dict['task_id']
# 一个task_name就是一个函数,可以起多个task(也就是有多个task_id)
task_name = process_dict['task_name']
task_start_date_str = process_dict['task_start_date_str']
task_args = process_dict['task_args']
task_kwargs = process_dict['task_kwargs']
if task_type =='date':
print('a')
the_func = dynamic_load_func(itasks,task_name)
scheduler.add_job(func=the_func, id=task_id,trigger='date',
run_date=task_start_date_str, args =task_args,
kwargs =task_kwargs)
elif task_type=='interval':
print('b')
seconds = process_dict['seconds']
the_func = dynamic_load_func(itasks,task_name)
print(the_func)
# the_func()
scheduler.add_job(func=the_func, id=task_id, trigger=task_type,
seconds= seconds, args = task_args, kwargs = task_kwargs)
except:
web1.status = False
web1.msg='添加任务失败'
return web1.to_dict()
web1.status = True
web1.msg = '发布成功'
web1.data['task_id'] = task_id
return web1.to_dict()
主要的函数是scheduler.pause_job(task_id)
...
# 2 处理步 - 这步目前也是灵活的
try:
task_id = process_dict['task_id']
task_name = process_dict['task_name']
# 暂停
scheduler.pause_job(task_id)
except:
web1.status = False
web1.msg='暂停任务失败'
web1.data['task_id'] = task_id
return web1.to_dict()
...
任务的几种操作测试下来都是没问题的,但是这样写代码太冗长了,因此之后打算写一个task对象来封装这些操作。
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法