java分布式定时任务_分布式定时任务——elastic-job

在我们的项目当中，使用定时任务是避免不了的，我们在部署定时任务时，通常只部署一台机器。当部署多台机器时，同一个任务会执行多次。比如下面这个场景，“短信提醒”，每天定时的给用户下发短信，每个用户只会收到一条短信。如果部署了多台服务，每个服务都会执行这个短信提醒任务，那么每个用户就会收到多条短信，这明显是不可以的；如果只部署一台机器，那么定时任务的高可用是无法满足的，如果这个唯一的服务宕机，那么整个定时任务就挂掉了，这也是不行的。那么今天向大家介绍的这款开源产品就是解决这个问题的，分布式定时任务解决方案——elastic-job。

Elastic-Job是一个分布式调度解决方案，由两个相互独立的子项目Elastic-Job-Lite和Elastic-Job-Cloud组成。在这里我们着重介绍Elastic-Job-Lite。Elastic-Job-Lite定位为轻量级无中心化解决方案，使用jar包的形式提供最轻量级的分布式任务的协调服务，外部依赖仅Zookeeper。

分片概念

任务的分布式执行，需要将一个任务拆分为多个独立的任务项，然后由分布式的服务器分别执行某一个或几个分片项。

例如：有一个遍历数据库某张表的作业，现有2台服务器。为了快速的执行作业，那么每台服务器应执行作业的50%。 为满足此需求，可将作业分成2片，每台服务器执行1片。作业遍历数据的逻辑应为：服务器A遍历ID以奇数结尾的数据；服务器B遍历ID以偶数结尾的数据。 如果分成10片，则作业遍历数据的逻辑应为：每个服务得到的分片项应为ID%10，而服务器A被分配到分片项0,1,2,3,4；服务器B被分配到分片项5,6,7,8,9，直接的结果就是服务器A遍历ID以0-4结尾的数据；服务器B遍历ID以5-9结尾的数据。

Elastic-Job并不直接提供数据处理的功能，框架只会将分片项分配至各个运行中的作业服务器，开发者需要自行处理分片项与真实数据的对应关系。

作业高可用

如果在上述的作业中，如果有一个应用挂掉(总共有2个应用)，分片项将会重新分片，剩下的唯一应用将获得分片项0-9。

这里我们采用大家都比较熟悉的基于spring配置文件的配置。

引入jar包

在项目的pom.xml中添加如下配置：

com.dangdang

elastic-job-lite-core

${latest.release.version}

com.dangdang

elastic-job-lite-spring

${latest.release.version}

作业程序

在这里我们只做一个Simple类型的定时任务，代码如下：

@Slf4j

public class MySimpleJob implements SimpleJob {

@Override

public void execute(ShardingContext shardingContext) {

log.info("我是分片项："+shardingContext.getShardingItem());

log.info("分片总数："+shardingContext.getShardingTotalCount());

}

}

我们的定时任务要实现SimpleJob接口，并实现execute方法。并使用context.getShardingItem() 可以获得当前的分片项，使用context.getShardingTotalCount()获得总分片数。我们把当前分片项，总分片数传入到sql中，按照某个字段取模，检索出该分片处理的数据，再进行处理。

spring配置

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xmlns:reg="http://www.dangdang.com/schema/ddframe/reg"

xmlns:job="http://www.dangdang.com/schema/ddframe/job"

xsi:schemaLocation="http://www.springframework.org/schema/beans

http://www.springframework.org/schema/beans/spring-beans.xsd

http://www.dangdang.com/schema/ddframe/reg

http://www.dangdang.com/schema/ddframe/reg/reg.xsd

http://www.dangdang.com/schema/ddframe/job

http://www.dangdang.com/schema/ddframe/job/job.xsd

">

注册中心我们采用zookeeper，使用最小的zookeeper集群，3台。在注册中心配置中，server-lists填写3台zk地址，用“,”隔开，格式为：zk1:port1,zk2:port2,zk3:port3。

配置作业中就是我们任务的具体规则，class对应具体的实现类、registry-center-ref对应注册中心zookeeper的id(regCenter)、cron定时任务规则、sharding-total-count总分片数。overwrite="true"这个配置很重要，因为这些配置都要上传到zk中，当你改变了配置之后，更改后的配置并不会上传到zookeeper中，执行的任务还是旧的。加上overwrite="true"以后，每次任务重启时，服务中的配置就会覆盖掉zookeeper中的配置，所以以后任务执行时，都会从zookeeper中得到最新的配置。

到这里，我们的分布式定时任务就配置好了，剩下的就是部署了，上面的例子中，我们的总分片数是10，如果我们部署2台机器，每台机器将获得5个分片；如果部署5台机器，每台机器获得2个分片。如果出现宕机情况，分片将重新分配，从而做到高可用。

分布式定时任务框架Elastic-Job，不仅解决了服务高可用的问题，而且还支持分布式，每个服务只处理一部分数据，大大减轻了系统的压力。总而言之，这是一款非常不错的分布式定时任务框架。