一、概述
1.1 什么是任务调度
我们可以思考一下下面业务场景的解决方案,以下的场景就是任务调度所需要解决的问题,任务调度是为了自动完成特定任务,在约定的特定时刻去执行任务的过程。
1、某电商平台需要每天上午 10 点,下午 3 点,晚上 8 点发放一批优惠券。
2、某银行系统需要在信用卡到期还款日的前三天进行短信提醒。
3、某财务系统需要在每天凌晨 0:10 分结算前一天的财务数据,统计汇总。
1.2 为什么需要分布式调度
使用 Spring 中提供的注解 @Scheduled,也能实现调度的功能,只需要在业务类中方法中贴上这个注解,然后在启动类上加上 @EnableScheduling 注解即可,如下:
@Scheduled(cron = "0/20 * * * * ? ")
public void doWork(){
//doSomething
}
感觉 Spring 给我们提供的这个注解可以完成任务调度的功能,好像已经完美解决问题了,为什么还需要分布式呢?主要有如下这几点原因:
1、高可用:单机版的定式任务调度只能在一台机器上运行,如果程序或者系统出现异常就会导致功能不可用。
2、防止重复执行:在单机模式下,定时任务是没什么问题的。但当我们部署了多台服务,同时又每台服务又有定时任务时,若不进行合理的控制在同一时间,只有一个定时任务启动执行,这时,定时执行的结果就可能存在混乱和错误了。
3、单机处理极限:原本一分钟内需要处理一万个订单,但是现在需要一分钟内处理十万个订单;原来一个统计需要一小时,现在业务方需要十分钟就统计出来。你也许会说,你也可以多线程、单机多进程处理。的确,多线程并行处理可以提高单位时间的处理效率,但是单机能力毕竟有限(主要是 CPU、内存和磁盘),始终会有单机处理不过来的情况。
1.3 XXL-JOB 介绍
XXL-Job 是大众点评的分布式任务调度平台,是一个轻量级分布式任务调度平台, 其核心设计目标是开发迅速、学习简单、轻量级、易扩展。官网地址在这,系统的架构图如下所示:
将调度行为抽象形成 “调度中心” 公共平台,而平台自身并不承担业务逻辑,“调度中心” 负责发起调度请求。
将任务抽象成分散的 JobHandler,交由 “执行器” 统一管理,“执行器” 负责接收调度请求并执行对应的 JobHandler 中业务逻辑。
因此,“调度” 和 “任务” 两部分可以相互解耦,提高系统整体稳定性和扩展性。
二、快速入门
2.1 下载源码
gitHub 的下载地址在这,码云的下载地址在这,推荐使用码云下载,如下图:
2.2 初始化调度数据库
解压下载好的项目源码,执行 “调度数据库初始化SQL脚本” 并执行,如下图:
执行完毕后,创建的表结构如下所示:
2.3 编译源码
解压源码,按照 maven 格式将源码导入 IDE, 使用 maven 进行编译即可,源码结构如下:
2.4 配置部署调度中心
2.4.1 调度中心配置
修改 xxl-job-admin 子模块的配置文件 application.properties,把数据库账号密码配置上,如下图:
2.4.2 部署项目
运行 xxl-job-admin 子模块的 XxlJobAdminApplication 类即可,如下图:
启动成功后,访问调度中心地址:http://localhost:8080/xxl-job-admin,如下图:
默认登录账号 “admin/123456”,登录后运行界面如下图所示:
至此 “调度中心” 项目已经部署成功。
2.5 配置部署执行器项目
2.5.1 添加 Maven 依赖
创建一个新的 SpringBoot 项目并且添加如下依赖:
<dependency>
<groupId>com.xuxueli</groupId>
<artifactId>xxl-job-core</artifactId>
<version>2.3.1</version>
</dependency>
2.5.2 执行器配置
在 application.properties 中添加如下配置:
server.port=8081
### 调度中心部署根地址 [选填]:如调度中心集群部署存在多个地址则用逗号分隔。执行器将会使用该地址进行"执行器心跳注册"和"任务结果回调";为空则关闭自动注册;
xxl.job.admin.addresses=http://127.0.0.1:8080/xxl-job-admin
### 执行器通讯TOKEN [选填]:非空时启用;
xxl.job.accessToken=default_token
### 执行器AppName [选填]:执行器心跳注册分组依据;为空则关闭自动注册
xxl.job.executor.appname=xxl-job-executor-sample
### 执行器注册 [选填]:优先使用该配置作为注册地址,为空时使用内嵌服务 ”IP:PORT“ 作为注册地址。从而更灵活的支持容器类型执行器动态IP和动态映射端口问题。
xxl.job.executor.address=
### 执行器IP [选填]:默认为空表示自动获取IP,多网卡时可手动设置指定IP,该IP不会绑定Host仅作为通讯实用;地址信息用于 "执行器注册" 和 "调度中心请求并触发任务";
xxl.job.executor.ip=127.0.0.1
### 执行器端口号 [选填]:小于等于0则自动获取;默认端口为9999,单机部署多个执行器时,注意要配置不同执行器端口;
xxl.job.executor.port=9999
### 执行器运行日志文件存储磁盘路径 [选填] :需要对该路径拥有读写权限;为空则使用默认路径;
xxl.job.executor.logpath=/data/applogs/xxl-job/jobhandler
### 执行器日志文件保存天数 [选填] : 过期日志自动清理, 限制值大于等于3时生效; 否则, 如-1, 关闭自动清理功能;
xxl.job.executor.logretentiondays=30
2.5.3 添加执行器配置
创建 XxlJobConfig 配置类对象,代码如下:
package org.example.config;
import com.xxl.job.core.executor.impl.XxlJobSpringExecutor;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class XxlJobConfig {
@Value("${xxl.job.admin.addresses}")
private String adminAddresses;
@Value("${xxl.job.accessToken}")
private String accessToken;
@Value("${xxl.job.executor.appname}")
private String appname;
@Value("${xxl.job.executor.address}")
private String address;
@Value("${xxl.job.executor.ip}")
private String ip;
@Value("${xxl.job.executor.port}")
private int port;
@Value("${xxl.job.executor.logpath}")
private String logPath;
@Value("${xxl.job.executor.logretentiondays}")
private int logRetentionDays;
@Bean
public XxlJobSpringExecutor xxlJobExecutor() {
XxlJobSpringExecutor xxlJobSpringExecutor = new XxlJobSpringExecutor();
xxlJobSpringExecutor.setAdminAddresses(adminAddresses);
xxlJobSpringExecutor.setAppname(appname);
xxlJobSpringExecutor.setAddress(address);
xxlJobSpringExecutor.setIp(ip);
xxlJobSpringExecutor.setPort(port);
xxlJobSpringExecutor.setAccessToken(accessToken);
xxlJobSpringExecutor.setLogPath(logPath);
xxlJobSpringExecutor.setLogRetentionDays(logRetentionDays);
return xxlJobSpringExecutor;
}
}
2.5.4 添加任务处理类
创建一个任务处理类,交给 Spring 容器管理,在处理方法上贴上 @XxlJob 注解,代码如下:
package org.example.job;
import com.xxl.job.core.handler.annotation.XxlJob;
import org.springframework.stereotype.Component;
import java.util.Date;
@Component
public class SimpleXxlJob {
@XxlJob("demoJobHandler")
public void demoJobHandler() throws Exception {
System.out.println("执行定时任务,执行时间:"+new Date());
}
}
2.6 运行演示
2.6.1 任务配置和执行
登录调度中心,在任务管理中新增任务,配置内容如下:
新增后界面如下:
接着启动定时调度任务,如下图:
2.6.2 查看日志
在调度中心的调度日志中就可以看到,任务的执行结果
管控台也可以看到任务的执行信息,如下:
2.7 GLUE 模式(Java)
任务以源码方式维护在调度中心,支持通过 Web IDE 在线更新,实时编译和生效,因此不需要指定 JobHandler。
GLUE 模式(Java) 运行模式的任务实际上是一段继承自 IJobHandler 的 Java 类代码,它在执行器项目中运行,可使用 @Resource 或 @Autowire 注入执行器里中的其他服务。
在我们新建的 SpringBoot 工程中添加一个 HelloService 类,代码如下:
@Service
public class HelloService {
public void methodA(){
System.out.println("执行 MethodA 的方法");
}
public void methodB(){
System.out.println("执行 MethodB 的方法");
}
}
在任务管理中新增调度配置,如下图:
然后通过 GLUE IDE 在线编辑代码,如下图:
编写内容如下,就是引入我们新建工程的 service 类,然后调用 service 类里面的方法。注意需要引入相关的依赖,别写错了。
package com.xxl.job.service.handler;
import com.xxl.job.core.context.XxlJobHelper;
import com.xxl.job.core.handler.IJobHandler;
import org.example.service.HelloService;
import org.springframework.beans.factory.annotation.Autowired;
public class DemoGlueJobHandler extends IJobHandler {
@Autowired
private HelloService helloService;
@Override
public void execute() throws Exception {
helloService.methodA();
}
}
启动工程,并启动调度任务,如下图,可以看到,调用成功了。
2.8 执行器集群
2.8.1 集群环境搭建
在 IDEA 中设置新建的 SpringBoot 项目运行开启多个集群,如下图:
启动两个 SpringBoot 程序,但是需要修改 Tomcat 端口和执行器端口。
Tomcat 端口 8091 程序的命令行参数如下:
-Dserver.port=8091 -Dxxl.job.executor.port=9998
Tomcat 端口 8092 程序的命令行参数如下:
-Dserver.port=8092 -Dxxl.job.executor.port=9999
在任务管理中,修改路由策略,修改成轮询,如下图:
重新启动调度任务,我们可以看到效果是:定时任务会在这两台机器中进行轮询的执行,8091 端口的控制台日志如下:
8092 端口的控制台日志如下:
可以看到,集群达到了轮询的效果。
2.8.2 调度路由算法讲解
当执行器集群部署时,提供丰富的路由策略,包括:
1、FIRST(第一个):固定选择第一个机器
2.、LAST(最后一个):固定选择最后一个机器
3.、ROUND(轮询):依次的选择在线的机器发起调度
4.、RANDOM(随机):随机选择在线的机器
5.、CONSISTENT_HASH(一致性 HASH):每个任务按照 Hash 算法固定选择某一台机器,且所有任务均匀散列在不同机器上。
6.、LEAST_FREQUENTLY_USED(最不经常使用):使用频率最低的机器优先被选举。
7.、LEAST_RECENTLY_USED(最近最久未使用):最久未使用的机器优先被选举。
8.、FAILOVER(故障转移):按照顺序依次进行心跳检测,第一个心跳检测成功的机器选定为目标执行器并发起调度。
9.、BUSYOVER(忙碌转移):按照顺序依次进行空闲检测,第一个空闲检测成功的机器选定为目标执行器并发起调度。
10.、SHARDING_BROADCAST(分片广播):广播触发对应集群中所有机器执行一次任务,同时系统自动传递分片参数;可根据分片参数开发分片任务。
三、分片功能讲解
3.1 案例需求讲解
我们现在实现这样的需求:在指定节假日,需要给平台的所有用户去发送祝福的短信。
3.1.1 初始化数据
在 mysql 数据库中数据库脚本,下载地址在这,下载完毕后执行完的效果如下:
3.1.2 集成 Druid 和 MyBatis
在 SpringBoot 工程中的 pom.xml 中添加如下的依赖:
<!--MyBatis驱动-->
<dependency>
<groupId>org.mybatis.spring.boot</groupId>
<artifactId>mybatis-spring-boot-starter</artifactId>
<version>1.2.0</version>
</dependency>
<!--mysql驱动-->
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
</dependency>
<!--lombok依赖-->
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<scope>provided</scope>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>druid</artifactId>
<version>1.1.10</version>
</dependency>
在 application.properties 中添加如下的配置信息
spring.datasource.url=jdbc:mysql://localhost:3306/xxl_job_demo?serverTimezone=GMT%2B8&useUnicode=true&characterEncoding=UTF-8
spring.datasource.driverClassName=com.mysql.jdbc.Driver
spring.datasource.type=com.alibaba.druid.pool.DruidDataSource
spring.datasource.username=root
spring.datasource.password=123456
添加实体类,代码如下:
package org.example.entity;
import lombok.Getter;
import lombok.Setter;
@Setter
@Getter
public class UserMobilePlan {
private Long id;//主键
private String username;//用户名
private String nickname;//昵称
private String phone;//手机号码
private String info;//备注
}
添加 Mapper 处理类,代码如下:
package org.example.mapper;
import org.apache.ibatis.annotations.Mapper;
import org.apache.ibatis.annotations.Select;
import org.example.entity.UserMobilePlan;
import java.util.List;
@Mapper
public interface UserMobilePlanMapper {
@Select("select * from t_user_mobile_plan")
List<UserMobilePlan> selectAll();
}
3.1.3 业务功能实现
任务处理方法实现的代码如下:
package org.example.job;
import com.xxl.job.core.handler.annotation.XxlJob;
import org.example.entity.UserMobilePlan;
import org.example.mapper.UserMobilePlanMapper;
import org.springframework.stereotype.Component;
import javax.annotation.Resource;
import java.util.Date;
import java.util.List;
import java.util.concurrent.TimeUnit;
@Component
public class SimpleXxlJob {
@Resource
UserMobilePlanMapper userMobilePlanMapper;
@XxlJob("sendMsgHandler")
public void sendMsgHandler() throws Exception{
List<UserMobilePlan> userMobilePlans = userMobilePlanMapper.selectAll();
System.out.println("任务开始时间:"+new Date()+",处理任务数量:"+userMobilePlans.size());
Long startTime = System.currentTimeMillis();
userMobilePlans.forEach(item->{
try {
//模拟发送短信动作
TimeUnit.MILLISECONDS.sleep(10);
} catch (InterruptedException e) {
e.printStackTrace();
}
});
System.out.println("任务结束时间:"+new Date());
System.out.println("任务耗时:"+(System.currentTimeMillis()-startTime)+"毫秒");
}
}
任务配置信息如下图:
3.2 分片概念讲解
在我们的案例中有 2000+ 条数据,如果不采取分片形式的话,任务只会在一台机器上执行,这样的话需要 30+ 秒才能执行完任务,如上图。
如果采取分片广播的形式的话,一次任务调度将会广播触发对应集群中所有执行器执行一次任务,同时系统自动传递分片参数;可根据分片参数开发分片任务。获取分片参数方式:
// 当前分片的索引
int shardIndex = XxlJobHelper.getShardIndex();
// 分片的总数
int shardTotal = XxlJobHelper.getShardTotal();
通过这两个参数,我们可以通过求模取余的方式,分别查询,分别执行,这样的话就可以提高处理的速度。
之前 2000+ 条数据只在一台机器上执行需要 30+ 秒才能完成任务,分片后,有两台机器可以共同完成 2000+ 条数据,每台机器处理 1000+ 条数据,这样的话只需要 15+ 秒就能完成任务。
3.3 案例改造成任务分片
首先在 Mapper 中增加查询方法,代码如下:
@Mapper
public interface UserMobilePlanMapper {
@Select("select * from t_user_mobile_plan")
List<UserMobilePlan> selectAll();
@Select("select * from t_user_mobile_plan where mod(id,#{shardingTotal})=#{shardingIndex}")
List<UserMobilePlan> selectByMod(@Param("shardingIndex") Integer shardingIndex, @Param("shardingTotal")Integer shardingTotal);
}
在 SimpleXxlJob 任务类中新添加一个方法,代码如下:
@Component
public class SimpleXxlJob {
@XxlJob("sendMsgShardingHandler")
public void sendMsgShardingHandler() throws Exception{
System.out.println("任务开始时间:"+new Date());
int shardTotal = XxlJobHelper.getShardTotal();
int shardIndex = XxlJobHelper.getShardIndex();
List<UserMobilePlan> userMobilePlans = null;
if(shardTotal==1){
// 如果没有分片就直接查询所有数据
userMobilePlans = userMobilePlanMapper.selectAll();
}else{
userMobilePlans = userMobilePlanMapper.selectByMod(shardIndex,shardTotal);
}
System.out.println("处理任务数量:"+userMobilePlans.size());
Long startTime = System.currentTimeMillis();
userMobilePlans.forEach(item->{
try {
TimeUnit.MILLISECONDS.sleep(10);
} catch (InterruptedException e) {
e.printStackTrace();
}
});
System.out.println("任务结束时间:"+new Date());
System.out.println("任务耗时:"+(System.currentTimeMillis()-startTime)+"毫秒");
}
}
任务配置信息如下图:
启动集群,并执行一次调度任务,打印结果如下图,可以看到,两台机器分别执行了一次发送短信的任务,在 15s 左右就执行完了任务。