选 celery 或 APScheduler 取决于任务触发方式：单机轻量用 APScheduler，分布式协同、需失败重试和队列控制则必须用 celery；二者部署、参数配置与错误处理策略截然不同。
用 celery 还是 APScheduler？看任务触发方式
定时执行、事件驱动、或需分布式协同，直接决定选型。单机轻量任务用 APScheduler 足够，它内嵌在进程里，启动快、无依赖；但一旦要跨机器调度、失败重试、任务队列积压控制，就得上 celery —— 它靠 redis 或 rabbitmq 当消息中间件，天然支持 worker 水平扩展。
常见错误：在 Flask 或 FastAPI 里直接用 threading.Timer 启动周期任务，结果应用 reload 后定时器丢失，或 gunicorn 多 worker 导致任务重复执行。
-
APScheduler的BackgroundScheduler必须在主进程启动后、Web 服务监听前初始化，且不能和 gunicorn 的多 worker 模式混用 -
celery的beat进程必须单独运行，不能塞进 Web 进程里，否则重启 Web 时调度也会中断 - 若任务执行时间不稳定（比如调外部 API），
APScheduler的默认内存存储不支持持久化，任务崩溃即丢失；celery则可通过acks_late=True和 broker 持久化保障至少一次送达
celery 中 apply_async 的关键参数怎么设
不是所有异步调用都适合默认配置。尤其当任务有状态依赖、资源敏感或失败成本高时，几个参数直接影响可靠性。
-
countdown和eta二选一：前者是秒级延迟，后者是绝对时间戳，注意时区——eta值必须是datetime对象且带tzinfo，否则按本地时区解析 -
retry设为True不够，得配retry_kwargs={'max_retries': 3, 'countdown': 60}，否则只重试一次且无退避 -
queue参数别硬编码，应通过配置中心或环境变量注入，否则上线后无法动态切流；测试环境建议强制走default队列，避免误发生产消息 - 大文件或复杂对象传参容易序列化失败，优先改用传递 ID，让任务内部查库加载，而不是把
request.body整体塞进apply_async(args=[...])
如何防止后台任务“静默失败”
任务抛异常但没日志、没告警、没监控，是最危险的状态。Celery 默认吃掉部分异常，APScheduler 在 job 执行出错时仅打 warning 日志，都不足以触发人工响应。
立即学习“Python免费学习笔记（深入）”；
- 给每个
celerytask 加@task(bind=True)，并在异常分支显式调用self.retry()或写入self.request.id到错误追踪系统 - APScheduler 的
add_listener必须监听EVENT_JOB_ERROR和EVENT_JOB_MISSED，不能只靠日志级别判断是否失败 - 所有任务函数入口加
try/except Exception，统一记录traceback.format_exc()到结构化日志（如 JSON 格式），方便 ELK 聚类分析 - 定期跑巡检脚本：查
celery inspect active_queues是否有长期空闲的 queue，或用APScheduler.get_jobs()确认计划任务仍在调度器中注册
Docker 部署时 celery worker 和 celery beat 怎么拆
一个容器只做一件事。把 worker 和 beat 塞进同一个容器，看似省事，实则导致进程管理混乱、健康检查失真、扩容失效。
-
celery worker容器只运行celery -A proj worker --loglevel=info，用HEALTHCHECK检查celery inspect ping是否返回 OK -
celery beat容器单独部署，命令为celery -A proj beat --loglevel=info --scheduler celery.beat:PersistentScheduler --schedule-file /tmp/celerybeat-schedule，注意挂载/tmp为可读写卷，否则 schedule 文件无法持久化 - 两者共享同一份代码镜像没问题，但启动命令、资源限制（CPU/memory）、就绪探针（readiness probe）必须独立配置
- 如果用 Kubernetes，beat 容器应设为
restartPolicy: OnFailure，而 worker 宜用Always；别给 beat 加 liveness probe，它本就不该被 kill 后重启
最容易被忽略的是时钟同步：宿主机、broker（如 redis）、beat 容器三者时间差超过 1 分钟，会导致定时任务漏跑或重复——务必在 Dockerfile 中安装 chrony 或使用 --network=host 复用宿主机时间源。
