XXL-Job分布式任务调度

最新推荐文章于 2025-05-13 23:34:23 发布

原创最新推荐文章于 2025-05-13 23:34:23 发布 · 959 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#分布式 #java

Java 同时被 3 个专栏收录

140 篇文章

订阅专栏

SpringCloud

43 篇文章

订阅专栏

微服务

37 篇文章

订阅专栏

分布式任务调度

目前，我们的定时任务都是基于SpringTask来实现的。但是SpringTask存在一些问题：

当微服务多实例部署时，定时任务会被执行多次。而事实上我们只需要这个任务被执行一次即可。
我们除了要定时创建表，还要定时持久化Redis数据到数据库，我们希望这多个定时任务能够按照顺序依次执行，SpringTask无法控制任务顺序

不仅仅是SpringTask，其它单机使用的定时任务工具，都无法实现像这种任务执行者的调度、任务执行顺序的编排、任务监控等功能。这些功能必须要用到分布式任务调度组件。

分布式任务调度原理

那么分布式任务调度是如何实现任务调度和编排的呢？

我们先来看看普通定时任务的实现原理，一般定时任务中会有两个组件：

任务：要执行的代码
任务触发器：基于定义好的规则触发任务

因此在多实例部署的时候，每个启动的服务实例都会有自己的任务触发器，这样就会导致各个实例各自运行，无法统一控制：

那如果我们想要统一控制各个服务实例的任务执行和调度该怎么办？

大家应该能想到：就是要把任务触发器提取到各个服务实例之外，去做统一的触发、统一的调度。

事实上，大多数的分布式任务调度组件都是这样做的：

这样一来，具体哪个任务该执行，什么时候执行，交给哪个应用实例来执行，全部都有统一的任务调度服务来统一控制。并且执行过程中的任务结果还可以通过回调接口返回，让我们方便的查看任务执行状态、执行日志。这样的服务就是分布式调度服务了。

分布式任务调度技术对比

能够实现分布式任务调度的技术有很多，常见的有：

	Quartz	XXL-Job	SchedulerX	PowerJob
定时类型	CRON	频率、间隔、CRON	频率、间隔、CRON、OpenAPI	频率、间隔、CRON、OpenAPI
任务类型	Java	多语言脚本	多语言脚本	多语言脚本
任务调度方式	随机	单机、分片	单机、广播、Map、MapReduce	单机、广播、分片、Map、MapReduce
管理控制台	无	支持	支持	支持
日志白屏	无	支持	支持	支持
报警监控	无	支持	支持	支持
工作流	无	有限	支持	支持

其中：

Quartz由于功能相对比较落后，现在已经很少被使用了。
SchedulerX是阿里巴巴的云产品，收费。
PowerJob是阿里员工自己开源的一个组件，功能非常强大，不过目前市值占比还不高，还需要等待市场检验。
XXL-JOB：开源免费，功能虽然不如PowerJob，不过目前市场占比最高，稳定性有保证。

我们课堂中会选择XXL-JOB这个组件

XXL-JOB分为两部分：

执行器：我们的服务引入一个XXL-JOB的依赖，就可以通过配置创建一个执行器。负责与XXL-JOB调度中心交互，执行本地任务。
调度中心：一个独立服务，负责管理执行器、管理任务、任务执行的调度、任务结果和日志收集。

XXL-JOB定时创建榜单表

接下来，我们就来一个XXL-JOB的快速入门，顺便改造一下之前用SpringTask实现的定时创建榜单表的功能。

部署调度中心

调度中心在我们提供的虚拟机开发环境中已经部署完成了。访问：http://xxljob.tianji.com即可查看调度中心控制台页面。默认的账号密码是：admin/123456

微服务集成执行器

首先需要在tj-learning服务引入依赖：

<!--xxl-job-->
<dependency>
    <groupId>com.xuxueli</groupId>
    <artifactId>xxl-job-core</artifactId>
</dependency>

然后还需要配置执行器，下面是一个配置执行器的示例：

@Bean
public XxlJobSpringExecutor xxlJobExecutor() {
    logger.info(">>>>>>>>>>> xxl-job config init.");
    XxlJobSpringExecutor xxlJobSpringExecutor = new XxlJobSpringExecutor();
    xxlJobSpringExecutor.setAdminAddresses(adminAddresses);
    xxlJobSpringExecutor.setAppname(appname);
    xxlJobSpringExecutor.setIp(ip);
    xxlJobSpringExecutor.setPort(port);
    xxlJobSpringExecutor.setAccessToken(accessToken);
    xxlJobSpringExecutor.setLogPath(logPath);
    xxlJobSpringExecutor.setLogRetentionDays(logRetentionDays);

    return xxlJobSpringExecutor;
}

参数说明：

adminAddress：调度中心地址，天机学堂中就是填虚拟机地址
appname：微服务名称
ip和port：当前执行器的ip和端口，无需配置，自动获取
accessToken：访问令牌，在调度中心中配置令牌，所有执行器访问时都必须携带该令牌，否则无法访问。咱们项目的令牌已经配好，就是tianji。如果要修改，可以到虚拟机的/usr/local/src/xxl-job/application.properties文件中，修改xxl.job.accessToken属性，然后重启XXL-JOB即可。
logPath：任务运行日志的保存目录
logRetentionDays：日志最长保留时长

接下来，把之前的SpringTask任务改成XXL-JOB的任务。

我们修改tj-learning模块下的com.tianji.learning.handler.PointsBoardPersistentHandler，将原本的@Scheduled注解替换为@XXLJob注解：

其中，@XxlJob注解中定义的就是当前任务的名称。接下来，重启tj-learning服务，登录XXL-JOB控制台，注册执行器。

在弹出的窗口中填写信息：

现在，执行器已经成功注册，任务也已经注册到调度中心。接下来，我们就可以来做任务调度了，也就是：

分配任务什么时候执行
如果有多个执行器，应该由哪个执行器执行（路由策略）

我们进入任务管理菜单，选中学习中心执行器，然后新增任务：

在弹出表单中，填写任务调度信息：

其中比较关键的几个配置：

调度配置：也就是什么时候执行，一般选择cron表达式
任务配置：采用BEAN模式，指定JobHandler，这里指定的就是在项目中@XxlJob注解中的任务名称
路由策略：就是指如果有多个任务执行器，该由谁执行？这里支持的策略非常多：
路由策略说明：
- FIRST（第一个）：固定选择第一个执行器；
- LAST（最后一个）：固定选择最后一个执行器；
- ROUND（轮询）：在线的执行器按照轮询策略选择一个执行
- RANDOM（随机）：随机选择在线的执行器；
- CONSISTENT_HASH（一致性HASH）：每个任务按照Hash算法固定选择某一台执行器，且所有任务均匀散列在不同执行器上。
- LEAST_FREQUENTLY_USED（最不经常使用）：使用频率最低的执行器优先被选举；
- LEAST_RECENTLY_USED（最近最久未使用）：最久未使用的执行器优先被选举；
- 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执行器选定为目标执行器并发起调度；
- 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执行器选定为目标执行器并发起调度；
- SHARDING_BROADCAST(分片广播)：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