如何高效使用Python schedule模块处理API调用与定时Token更新？

核心问题分析 #

你的代码里schedule_run()函数中的while 1是阻塞式循环，一旦执行这个函数，程序会一直卡在循环里处理定时任务，永远不会走到后面的apicall()调用。

高效处理方案：用多线程分离定时任务与API调用 #

把定时更新Token的任务放到子线程中运行，主线程就能正常处理API调用逻辑，同时后台自动维护Token的更新。

改进后的代码示例 #

import schedule
import time
import threading

# 全局Token变量，加锁保证线程安全
token = ""
token_lock = threading.Lock()

def generate_token():
    global token
    # 替换成实际生成Token的逻辑
    new_token = f"valid_token_{int(time.time())}"
    with token_lock:
        token = new_token
    print(f"已更新Token: {token}")

def apicall():
    with token_lock:
        current_token = token
    if not current_token:
        print("错误：Token未初始化")
        return
    # 替换成实际API调用逻辑
    print(f"使用Token调用API: {current_token}")

def schedule_run():
    # 启动时先生成一次Token，避免初始为空
    generate_token()
    # 每10分钟执行一次Token更新
    schedule.every(10).minutes.do(generate_token)
    while True:
        schedule.run_pending()
        time.sleep(1)

if __name__ == "__main__":
    # 启动定时任务后台线程，设置daemon=True让主线程退出时自动终止该线程
    scheduler_thread = threading.Thread(target=schedule_run, daemon=True)
    scheduler_thread.start()
    
    # 主线程处理API调用（这里模拟用户触发场景，实际可替换为Web接口、业务逻辑调用等）
    while True:
        apicall()
        time.sleep(5)  # 模拟每5秒发起一次API调用，仅作示例

关键改进点说明 #

• 多线程分离：通过threading.Thread把定时任务放到后台线程，主线程不再被阻塞，能正常处理API调用逻辑。
• 线程安全：用threading.Lock保护全局token变量，避免更新和读取操作同时执行引发的竞态问题。
• 初始Token生成：启动定时任务时先执行一次generate_token()，避免API调用时Token为空的情况。
• 守护线程：设置daemon=True，确保主线程退出时后台定时任务线程自动终止，无需手动管理。

额外优化建议 #

• 如果你的API调用是基于Web服务（比如Flask/Django），只需把apicall改成接口视图函数，主线程处理HTTP请求即可，后台线程仍负责维护Token。
• 可以给Token添加过期时间校验，避免因定时任务异常导致Token失效后仍被错误使用。

内容的提问来源于stack exchange，提问作者Hannah