scheduler采用依赖注入

api/fund.py

@@ -4,7 +4,7 @@ from typing import Union, Optional
 
 import pytz
 from apscheduler.schedulers.asyncio import AsyncIOScheduler
-from fastapi import APIRouter, Depends, Query, Request
+from fastapi import APIRouter, Depends, Query
 from motor.core import AgnosticCollection
 from pymongo import ReturnDocument
 
@@ -44,7 +44,6 @@ async def create(
     data = create_model.dict()
     response_model = fund_type_map[data['fund_type']]
     await fund_collect.insert_one(data)
-    # await calculate_nav_task(data['id'], scheduler, fund_collect, user.id)
     await create_default_role_and_user(data['id'], user.email, permission_user_collect, permission_role_collect)
     job_id = f"calculate_nav_{data['id']}"
     time_obj = datetime.datetime.strptime(data["settlement_time"], "%H:%M")

test1.py

+#
+#
+# # def arimean(*args):
+# #     return sum(args) / len(args)
+# #
+# #
+# # def curry(func):
+# #     """
+# #     curry()函数是一个装饰器函数，它接受一个函数作为参数并返回一个新函数。
+# #     新函数可以被多次调用，并将参数累加到先前传递的参数中。
+# #     只有在调用时不带任何参数时，它才会调用原始函数并将累积的参数传递给它。
+# #     f_args和f_kwargs分别用于存储传递给新函数的位置参数和关键字参数。
+# #     然后，它返回一个闭包f()，该函数可以被多次调用。
+# #     每次调用时，如果有参数，则将它们添加到f_args和f_kwargs中，并返回f以便可以继续添加更多参数。
+# #     如果没有参数，则f()将调用原始函数，并将累积的参数传递给它。
+# #     最后，f_args和f_kwargs被重置为空列表和字典，以便可以进行下一次调用
+# #     :param func:
+# #     :return:
+# #     """
+# #     # to keep the name of the curried function:
+# #     curry.__curried_func_name__ = func.__name__  # 这里为什么这么做？ 目的是什么？
+# #     """
+# #     这一行代码为curry()函数设置了一个特殊的属性__curried_func_name__，其值是被装饰的函数的名称。
+# #     这个属性的作用是为了方便调试和日志记录。当一个函数被装饰时，它的名称通常会被改变，因为它现在是一个新函数。
+# #     然而，在某些情况下，我们仍然希望知道这个新函数是从哪个旧函数生成的。
+# #     通过在curry()函数中设置一个特殊的属性，我们可以让新函数保留对原始函数的引用。
+# #     在调试或日志记录时，我们可以使用这个属性来追踪一个函数的来源.
+# #     在Python中，双下划线__前缀和后缀用于指示特殊属性或方法，通常称为"魔法方法"或"魔法属性"。
+# #     这些特殊的名称通常具有特殊的含义和行为，例如__init__方法用于类的初始化，__str__方法用于将对象转换为字符串，等等。
+# #     类似地，__curried_func_name__是一个特殊的属性，它用于保存被装饰函数的名称。
+# #     使用双下划线作为前缀和后缀是一种Python约定，用于指示这是一个特殊属性，应该避免与其他变量名冲突。
+# #     Python还有单下划线和双下划线的命名惯例。
+# #     例如，单下划线前缀通常用于指示一个名称是受保护的或私有的，而双下划线前缀和后缀用于名称修饰，避免名称冲突等
+# #     """
+# #     f_args, f_kwargs = [], {}  # `f_args` 和 `f_kwargs` 是 `curry` 函数中的变量，它们用于存储调用原始函数时传递的所有参数
+# #
+# #     def f(*args, **kwargs):
+# #         """
+# #         f()函数是curry()函数的返回值
+# #         用于处理传递给curry()函数的原始函数。
+# #         该闭包函数可以被多次调用，每次调用时可以传递一些参数。它的作用是将这些参数累加到一个列表和一个字典中，并在适当的时候调用原始函数。
+# #         :param args:
+# #         :param kwargs:
+# #         :return:
+# #         """
+# #         nonlocal f_args, f_kwargs  # 使用nonlocal关键字我们可以告诉Python解释器在f函数中使用外部函数curry中定义的变量f_arg 和f_kwargs
+# #         if args or kwargs:  # 判断arg、kwargs
+# #             f_args += args
+# #             f_kwargs.update(kwargs)
+# #             return f
+# #         else:  # 没有则调用传入的func方法，重置f_args, f_kwargs的值
+# #             result = func(*f_args, *f_kwargs)
+# #             """
+# #             表示将f_args列表和f_kwargs字典中的元素解包后传递给func函数，func函数是作为参数传入的
+# #             """
+# #             f_args, f_kwargs = [], {}
+# #             return result
+# #
+# #     return f
+# #
+# #
+# # curried_arimean = curry(arimean)  # 给curry函数传入arimean方法，并存储到变量curried_arimean中
+# # curried_arimean(2)(5)(9)(4, 5)  # 对curried_arimean进行多次调用，分别执行(2)、(5)、(9)、(4,5)
+# # # it will keep on currying:
+# # curried_arimean(5, 9)  # 对curried_arimean进行调用，执行(5, 9)
+# # print(curried_arimean())  # 对curried_arimean进行调用,执行()这里arg与kwargs都没有传入走else逻辑
+# # # calculating the arithmetic mean of 3, 4, and 7
+# # print(curried_arimean(3)(4)(7)())
+# # # calculating the arithmetic mean of 4, 3, and 7
+# # print(curried_arimean(4)(3, 7)())
+#
+# from sqlalchemy import create_engine, Column, Integer, String
+# from sqlalchemy.orm import sessionmaker
+# from sqlalchemy.ext.declarative import declarative_base
+#
+# # 创建数据库引擎
+# engine = create_engine('sqlite:///example.db')
+#
+# # 创建一个会话工厂
+# Session = sessionmaker(bind=engine)
+#
+# # 创建一个基类
+# Base = declarative_base()
+#
+#
+# # 定义一个数据模型
+# class User(Base):
+#     __tablename__ = 'users'
+#
+#     id = Column(Integer, primary_key=True)
+#     name = Column(String)
+#     age = Column(Integer)
+#
+#
+# # 创建数据表
+# Base.metadata.create_all(engine)
+#
+# # 创建一个会话
+# session = Session()
+#
+# # # 插入一些数据
+# user1 = User(name='Alice', age=25)
+# user2 = User(name='Bob', age=30)
+# session.add_all([user1, user2])
+# session.commit()
+#
+# # 查询数据
+# users = session.query(User).all()
+#
+# for user in users:
+#     print(user.id, user.name, user.age)