apscheduler 实例报错，next run at: 2023-04-11 18:47:00 CST)" skipped: maximum number of running instances reached (10)
如何解决？
这是因为APScheduler在默认情况下使用的是BlockingScheduler，即阻塞调度器，它会在单个线程中按照设定的规则执行定时任务。当线程忙于运行任务而没有空闲线程来处理新的任务时，就会出现上述错误提示。
解决这个问题的一种方法是使用BackgroundScheduler，即后台调度器，它会在后台启动一个或多个线程来运行任务，可以有效地避免上述问题。
另外，如果你需要同时运行较多的任务，可以考虑使用ThreadPoolExecutor或ProcessPoolExecutor来增加线程或进程池的大小，从而提高任务并发处理能力。
from apscheduler.schedulers.blocking import BlockingScheduler
from apscheduler.executors.pool import ThreadPoolExecutor
executors = {
'default': ThreadPoolExecutor(20)
}
scheduler = BlockingScheduler(executors=executors)
以下是使用BackgroundScheduler的示例代码：
from apscheduler.schedulers.background import BackgroundScheduler
scheduler = BackgroundScheduler()
BackgroundScheduler 和 BlockingScheduler 是 APScheduler 中最常用的两种调度器。
不同之处
BackgroundScheduler：
后台调度器，会在后台启动一个或多个线程来运行任务，可以有效地避免因为任务阻塞而导致的卡顿和性能下降。注意：BackgroundScheduler 默认使用的是 ThreadPoolExecutor 线程池来执行任务，如果需要使用进程池，则需自己配置 ProcessPoolExecutor。
BlockingScheduler：
阻塞调度器，采用单线程的方式按照设定的规则执行定时任务，只有当当前任务执行完成后才会执行下一个任务。因此，如果某个任务运行时间较长或者发生了阻塞，将会影响整个应用程序的性能。
适用场景
BackgroundScheduler 适用于需要同时运行多个任务或者需要长时间运行任务的场景，例如爬虫、数据分析等；
BlockingScheduler 适用于任务量较小、需要保证任务按照顺序依次执行的场景，例如定时备份数据、生成报表等。
综上所述，选择不同类型的调度器应该根据具体应用场景来确定。