SchedulerX分布式定时任务MapReduce模型

Map模型

基于MapJobProcessor，调用Map方法，即可实现大数据分布式跑批的能力。

注意事项

• SchedulerX不保证子任务一定执行一次，在特殊条件下会failover，可能会导致子任务重复执行，需要业务方自己实现幂等。
• SchedulerX使用的是Hessian序列化框架，目前不支持LocalDateTime和BigDecimal。子任务中如果有如上两个数据结构，请替换其他的数据结构（特别是BigDecimal，序列化不会报错，反序列化会变成0）。

接口

执行方式

• 并行计算：最多支持300任务，有子任务列表。
• 内存网格：基于内存计算，最多支持50,000以下子任务，速度快。
• 网格计算：基于文件计算，最多支持1,000,000子任务。

高级配置
任务管理高级配置参数说明如下：

发送50条消息的Demo示例（适用于Map模型）

@Component
public class TestMapJobProcessor extends MapJobProcessor {

    @Override
    public ProcessResult process(JobContext context) throws Exception {
        String taskName = context.getTaskName();
        int dispatchNum = 50;
        if (isRootTask(context)) {
            System.out.println("start root task");
            List<String> msgList = Lists.newArrayList();
            for (int i = 0; i <= dispatchNum; i++) {
                msgList.add("msg_" + i);
            }
            return map(msgList, "Level1Dispatch");
        } else if (t