在Python開發中，循環性腳本（長時間運行并定期執行任務的腳本）非常常見，比如監控系統、數據采集程序、定時清理任務等。這類腳本雖然看似簡單，但實際開發中容易遇到各種陷阱。本文將分享六大核心實踐要點，幫助你構建穩定高效的循環性腳本。
引子：從一次"幽靈"Bug說起
我曾開發過一個簡單的日志監控腳本，它每5分鐘掃描一次日志文件并發送告警。但上線后發現，最初幾天還能正常工作，一周后開始頻繁發送重復告警。經過排查，發現問題出在狀態累積——我使用了一個全局列表來存儲日志條目，但沒有定期重置，導致列表不斷膨脹，誤判了"新日志"的出現。
這個慘痛教訓讓我意識到，循環腳本雖然簡單，但細節決定成敗。下面我將分享我的實戰經驗。
1. 日志策略：短日志+時間戳歸檔
循環腳本的日志管理需要特別注意。我的建議是：
代碼不要緊，主要是要實現，這樣每次運行時，都產生日志方便查看情況。
import logging
import os
from datetime import datetimedef setup_logger(log_dir="logs"):if not os.path.exists(log_dir):os.makedirs(log_dir)# 使用當前時間為日志文件名log_file = os.path.join(log_dir, f"script_{datetime.now().strftime('%Y%m%d_%H%M%S')}.log")# 設置日志格式logging.basicConfig(level=logging.INFO,format='%(asctime)s - %(levelname)s - %(message)s',handlers=[logging.FileHandler(log_file),logging.StreamHandler()])# 每次運行任務時創建新的日志片段（簡化示例）
def run_task():# 為每個任務創建臨時日志temp_logger = logging.getLogger(f"temp_{datetime.now().strftime('%Y%m%d_%H%M%S')}")# ... 實際任務邏輯 ...# 最后將關鍵日志歸檔到主日志
實踐技巧：
- 每個任務周期生成獨立日志片段，避免單一日志文件過大
- 添加時間戳并歸檔，方便回溯特定運行周期的問題
- 同時記錄到文件和標準輸出，兼顧實時監控和事后分析
2. 狀態重置：內存管理的隱藏陷阱
循環執行時，某些狀態變量會持續累積，必須定期重置：
class DataProcessor:def __init__(self):# 每次運行前重置self.collected_data = []def reset_state(self):self.collected_data = []self.temp_files = []# 其他需要清理的資源...def run(self):self.reset_state() # 關鍵點# 任務邏輯...
常見需要重置的項目：
- 臨時數據存儲結構（列表、字典等）
- 文件處理器/網絡連接
- 第三方庫的會話狀態
- 自定義的logger狀態（如果有）
3. 跨天問題：時間處理的黃金法則
時間相關的任務最容易在跨天時出錯：
# 錯誤示范 - 假設每天8點運行
if datetime.now().hour == 8:# 隨著時間推移，這個判斷可能永遠為Falsepass# 正確做法 - 每次任務時獲取最新時間
def scheduled_task():now = datetime.now()if now.hour == 8 and now.minute == 0: # 精確到分鐘# 執行操作pass# 或者更健壯的定時方案next_run = datetime(now.year, now.month, now.day, 8, 0)if now > next_run:next_run += timedelta(days=1) # 計算明天同一時間time_to_wait = (next_run - now).total_seconds()time.sleep(time_to_wait)
關鍵點：
- 避免使用"今天"、"昨天"等相對時間，每次都基于絕對時間計算
- 對于每天/每周任務，明確區分"今天是否已運行"和"下次運行時間"
- 考慮夏令時、時區等復雜情況（如果需要）
4. 功能解耦：模塊化設計
將大任務拆分為獨立可運行的子任務：
class TaskManager:def __init__(self):self.tasks = { #這里定義要運行的任務"data_import": self.data_import,"report_generation": self.generate_report,"notification": self.send_notification}def run_all(self):results = {}for name, task in self.tasks.items():results[name] = self.safe_run(task)return resultsdef safe_run(self, task): #這里可以輸出每個任務的運行情況，是一套更簡單的結果，方便不熟悉的人看try:success = task() # 任務應返回True/Falsereturn {"name": task.__name__, "success": success, "error": None}except Exception as e:return {"name": task.__name__, "success": False, "error": str(e)}def data_import(self):# 導入數據邏輯return True # 或False 任務建議輸出True or False , 除了排除的情況，上一篇文章有說明這個# 其他任務方法...
優勢：
- 便于單獨測試某個功能
- 更好的日志記錄（可知道哪個具體任務失敗）
- 某個任務失敗不會影響其他任務運行
4. 另一種實現方式
這個其實跟上一點的是差不多的，也是說明任務解耦和得到單個運行結果，這里優化任務可以返回 非True or False的情況
設計統一的任務狀態反饋機制：
def track_execution(task_func):"""裝飾器，標準化任務結果格式"""def wrapper(*args, kwargs):task_name = task_func.__name__try:success = task_func(*args, kwargs)return {"task": task_name,"success": bool(success), 兼容返回True/False或其他結果"result": success if isinstance(success, (bool, str)) else "completed","error": None}except Exception as e:return {"task": task_name,"success": False,"result": None,"error": str(e)}return wrapper@track_execution
def data_processing():處理數據return True@track_execution
def send_email():發送郵件if mail_sent_successfully:return Trueelse:return "Failed to connect to SMTP server"
輸出示例：
{"task": "data_processing","success": true,"result": true,"error": null
}
- 測試策略：讓腳本"跑"得久一點
穩定性來自充分測試：
- 環境測試：不同操作系統、Python版本
- 時間測試：
- 模擬長時間運行（用
time.sleep或測試框架的monkeypatch） - 測試跨天、跨月邊界條件
- 模擬長時間運行（用
- 異常測試：
- 模擬任務失敗
- 測試資源耗盡情況（內存、文件句柄等）
- 壓力測試：模擬高頻運行場景
測試框架示例：
import unittest
from unittest.mock import patch
from datetime import datetime, timedeltaclass TestScript(unittest.TestCase):@patch('datetime.datetime')def test_time_calculation(self, mock_dt):mock_dt.now.return_value = datetime(2023, 1, 1, 23, 55)測試你的時間邏輯def test_task_failure(self):模擬任務失敗情況result = run_task(with_mock_failure=True)self.assertFalse(result"success")@patch('time.sleep', return_value=None) 避免真實等待def test_long_running(self, mock_sleep):模擬長時間運行results = run_multiple_times(1000) 測試1000次迭代self.assertTrue(all(r"success" for r in results:-1)) 除了最后一個故意失敗的
結語：循環腳本的"長壽"秘訣
開發循環性腳本時，記住這句格言：“短期有效不等于長期穩定”。一個今天能正常工作的腳本，可能下個月就因為累積的微小錯誤而崩潰。關鍵是要：
- 保持簡單 - 每個組件完成單一職責
- 隔離錯誤 - 一個任務失敗不拖累整個腳本
- 持續驗證 - 每次運行都驗證基礎狀態
- 可觀測性 - 清晰的日志和狀態報告
通過遵循這些實踐，你的循環腳本不僅能高效運行，還能在出現問題時快速診斷和修復。畢竟，在無人值守的環境中，一個能穩定運行數月甚至數年的腳本，才真正體現了你的工程能力。
)