Linux下python定时执行脚本怎么写

发布时间：2022-01-21 15:41:16 作者：iii
来源：亿速云阅读：242

# Linux下Python定时执行脚本怎么写

在Linux系统中，我们经常需要定时执行Python脚本完成自动化任务。本文将详细介绍5种主流实现方式，并附上具体代码示例。

## 一、使用Crontab定时任务

Crontab是Linux系统最经典的定时任务工具，通过编辑crontab文件即可实现。

### 1. 基本使用方法
```bash
# 编辑当前用户的crontab
crontab -e

# 查看现有任务
crontab -l

2. 定时执行Python脚本示例

# 每天凌晨3点执行
0 3 * * * /usr/bin/python3 /path/to/script.py

# 每30分钟执行一次
*/30 * * * * /usr/bin/python3 /path/to/script.py

# 每周一9:30执行
30 9 * * 1 /usr/bin/python3 /path/to/script.py

3. 环境变量问题解决方案

当脚本依赖特定环境时，建议： 1. 使用绝对路径 2. 在脚本中激活虚拟环境

* * * * * source /path/to/venv/bin/activate && python /path/to/script.py

二、使用Systemd定时器

Systemd提供了更现代的定时任务管理方式。

1. 创建service单元文件

/etc/systemd/system/myscript.service:

[Unit]
Description=My Python Script

[Service]
Type=simple
ExecStart=/usr/bin/python3 /path/to/script.py

2. 创建timer单元文件

/etc/systemd/system/myscript.timer:

[Unit]
Description=Run myscript daily

[Timer]
OnCalendar=*-*-* 03:00:00
Persistent=true

[Install]
WantedBy=timers.target

3. 启用并启动

sudo systemctl enable myscript.timer
sudo systemctl start myscript.timer

三、使用Python内置模块

1. schedule库示例

import schedule
import time

def job():
    print("执行任务...")

# 每10分钟执行
schedule.every(10).minutes.do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

2. APScheduler高级调度

from apscheduler.schedulers.blocking import BlockingScheduler

sched = BlockingScheduler()

@sched.scheduled_job('interval', minutes=30)
def timed_job():
    print('每30分钟执行一次')

sched.start()

四、使用Celery定时任务

适合分布式场景的任务调度。

1. 基础配置

from celery import Celery
from celery.schedules import crontab

app = Celery('tasks', broker='pyamqp://guest@localhost//')

@app.task
def my_task():
    print("执行Celery任务")

2. 定时任务配置

app.conf.beat_schedule = {
    'every-monday-morning': {
        'task': 'tasks.my_task',
        'schedule': crontab(hour=7, minute=30, day_of_week=1),
    },
}

五、使用Airflow工作流

适合复杂任务依赖的场景。

1. 定义DAG

from datetime import datetime
from airflow import DAG
from airflow.operators.python_operator import PythonOperator

def my_python_script():
    print("执行Python脚本")

dag = DAG('my_dag', schedule_interval='0 3 * * *', start_date=datetime(2023, 1, 1))

task = PythonOperator(
    task_id='run_script',
    python_callable=my_python_script,
    dag=dag
)

六、方案对比与选择建议

方案	适用场景	优点	缺点
Crontab	简单定时任务	系统原生支持	环境变量处理复杂
Systemd	需要系统集成的服务	与系统服务深度整合	配置较复杂
Schedule	纯Python环境	无需系统权限	需要常驻进程
Celery	分布式任务	支持任务队列	需要额外组件
Airflow	复杂工作流	可视化任务依赖	系统资源占用较大

选择建议： - 简单脚本直接使用crontab - 系统服务推荐systemd timer - 需要复杂调度逻辑使用APScheduler - 分布式环境选择Celery - 数据管道类任务用Airflow

七、注意事项

日志记录：所有定时任务都应配置完善的日志系统
错误处理：添加异常捕获和通知机制
资源监控：避免任务堆积导致系统负载过高
时区设置：确保所有组件使用统一的时区配置
权限管理：特别注意脚本执行时的用户权限

通过合理选择定时任务方案，可以大大提高Linux系统下Python自动化任务的可靠性。建议从简单方案开始，随着需求复杂度的提升逐步升级解决方案。 “`