在实际项目中，“定时执行某段代码”是非常常见的需求：每天凌晨生成报表、每小时拉取一次数据、每隔几分钟检查服务健康状态。Python 实现定时任务主要有两大流派：代码内调度（APScheduler）和系统级调度（crontab 配合脚本）。两种方式各有适用场景，下面分别介绍并给出真实可用的示例。
方案一：APScheduler（代码内调度）
是什么：APScheduler（Advanced Python Scheduler）是一个纯 Python 的定时任务库，支持在程序内部管理定时任务，不用依赖操作系统。它提供了 cron 式调度、固定间隔调度、一次性调度等多种方式，并且可以与常见 Web 框架（Flask、Django）集成。
为什么用它：
- 任务调度逻辑和业务代码写在一起，便于版本管理和部署。
- 不依赖外部系统，适合在容器、Windows 等环境中直接运行。
- 支持持久化（任务信息可存数据库），程序重启后任务不丢失。
安装：
pip install apscheduler实用示例：三种常用调度方式
from apscheduler.schedulers.blocking import BlockingScheduler
from datetime import datetime
def job():
print(f"任务执行中... 当前时间: {datetime.now()}")
scheduler = BlockingScheduler()
# 1. 固定间隔执行（每 10 秒）
scheduler.add_job(job, 'interval', seconds=10)
# 2. cron 表达式执行（每天 08:30 执行）
scheduler.add_job(job, 'cron', hour=8, minute=30)
# 3. 一次性执行（程序启动 5 秒后执行）
scheduler.add_job(job, 'date', run_date=datetime.now() + timedelta(seconds=5))
scheduler.start() # 会阻塞当前线程，直到手动停止生产环境注意事项：
- 上面的
BlockingScheduler会阻塞主线程，适合纯脚本。如果已经在 Web 框架或后台服务里，通常使用BackgroundScheduler在后台线程运行。 - 可以结合
AsyncIOScheduler在asyncio程序中使用，避免阻塞事件循环。 - 任务函数里务必做好异常捕获，否则一个任务抛异常会导致后续同类任务停止调度。
- 需要持久化时，可配置 MySQL/PostgreSQL 等后端，避免程序重启后丢失任务。
适用场景：
- 与业务逻辑耦合紧密的定时任务（如数据清理、缓存刷新）。
- 需要在多个服务器上集中管理任务的场景（配合分布式调度后端）。
- 开发环境或 Windows 服务器，不方便配置系统 crontab。
方案二：crontab + Python 脚本（系统级调度）
是什么：利用 Linux/Unix 系统自带的 cron 服务，按时间表达式调用你的 Python 脚本。Windows 下可以用“任务计划程序”替代。
为什么用它：
- 最经典、最稳定的方案，不占用 Python 进程常驻内存。
- 任务调度独立于程序，即使 Python 程序挂了，cron 依然会按时唤起。
- 适合简单的、与代码逻辑解耦的定时执行。
配置步骤（以 Linux 为例）：
- 编写 Python 脚本，例如
/opt/scripts/report.py，并确保有可执行权限：
#!/usr/bin/env python3
# report.py - 日报生成脚本
import pandas as pd
from datetime import date
today = date.today().isoformat()
df = pd.DataFrame({'日期': [today], '销售额': [12345]})
df.to_csv(f'/opt/reports/report_{today}.csv', index=False)
- 添加入 crontab：
crontab -e
加入一行（每天 8 点执行）：
0 8 * * * /usr/bin/python3 /opt/scripts/report.py >> /var/log/report.log 2>&1
- 检查是否生效：
crontab -l # 列出当前用户任务
关键细节：
- 环境变量问题：cron 执行时的环境变量非常精简，可能找不到你的 Python 解释器或第三方库路径。最好在脚本首行用
#!/usr/bin/env python3或者使用绝对路径/usr/bin/python3。如果使用了虚拟环境，直接调用虚拟环境中的 Python 解释器，如/home/user/venv/bin/python3。 - 日志记录：务必把输出重定向到日志文件（
>> log 2>&1），否则任务出错也看不到报错信息。 - 工作目录：cron 执行时的工作目录通常是用户的家目录，如果你的代码中使用了相对路径（如
open('data.csv')），可能找不到文件。建议在脚本内部用os.chdir()切换到脚本所在目录，或一律使用绝对路径。
适用场景：
- 简单的一次性定时任务，不用常驻进程。
- 服务器巡检、备份、日志清理等系统管理类任务。
- 任务数量不多、不要求动态修改调度规则的情况。
两种方案对比
| 维度 | APScheduler | crontab + 脚本 |
|--------------|---------------------------------|------------------------------|
| 管理复杂度 | 代码内控制，灵活修改 | 系统级配置，修改需登录服务器 |
| 环境依赖 | 依赖 Python 程序常驻运行 | 不常驻，按需唤起 |
| 平台兼容 | 跨平台（Linux/Windows/macOS） | 主要依赖 cron（Linux/Unix） |
| 任务持久化 | 支持持久化到数据库 | 无，修改需重写 crontab |
| 错误排查 | 日志在程序内统一输出 | 需单独配置重定向日志 |
| 适用规模 | 大量动态任务、与业务深度整合 | 少量、稳定的定时执行 |
真实建议：
- 如果你的 Python 应用本身就是长期运行的服务（如 Web 后端），把定时任务用 APScheduler 内置进去最方便，随应用一起部署和监控。
- 如果是临时脚本、运维辅助任务，或者你希望将调度与程序解耦，直接用系统 crontab 更稳妥。
- 无论用哪种方案，都要保证任务的幂等性（重复执行不会造成副作用），并做好失败重试和告警通知。