分布式定时任务Elastic Job使用实践

项目因为要分布式部署，所以调研了Elastic Job这个插件，功能很强大，但也有不足的地方有bug，希望作者不断的更新下去。

经过几天的研究，基本使跑起来了，两台pc机，192.168.3.131(跑个两个tomcat)，想当于这个机器跑了两个job实例，192.168.3.103(跑了一个tomcat),Elastic Job并没有处理数据分片的功能，数据分片需要用户自己实现。

通过Elastic Job控制台可以很清楚明了的看到当前机器运行的状况。

服务器纬度：

作业纬度：可以很明显的看到你各个机器的实例数

数据分片的逻辑很简单，可以参考Elastic Job源码的服务器分片平均算法。以我当前的例子，我库里有一张表的数据为31数据 ，3台服务器（2个实例+1个机器），3个分片,那么 每个服务就对应一个分片，前两个分片分到的数据则都为10， 最后一个分片分的数据应该为11条，应为有未被整除的数据，这块涉及到 除法和求于运算，有忘记的小伙伴们，自己去翻小学的数学课本吧，废话不多话直接上代码和运行结果，如果有更好的建议，欢迎评论。

@Override
public void execute(ShardingContext context) {
        //当前服务器所在的任务分片下标
        int shardingItem = context.getShardingItem();
        //当任务的分片总数=1时（必须大于0），如果部定时任务工程部署在多个服务器上，则任务将会以1主N从的方式执行。一旦本次执行任务的服务器崩溃，其他执行任务的服务器将会在下次作业启动时选择一个替补执行。如果开启了失效转移，那么功能效果更好，可以保证在本次作业执行时崩溃，备机之一立即启动替补执行
        int total=context.getShardingTotalCount();
        //查出数量
        Map<String,Object> map=new HashMap<>();
        List<WxOrderDO> list= payService.getOrderList(map);
        if(list!=null&&list.size()>0){
            //数据库表有多少条记录
            int counts=list.size();
            //数据总数要大于分片数据，且分片总数大于1时，采用根据分片下标分页查询，否则分片下标为0的获取所有数据,其他分片不获取数据
            if(counts>=total&&total>1){
                //平均分页多少条数据
                int pageSize=new BigDecimal(counts/total).setScale(0).intValue();
                //分配不均的情况下
                int pageSizeBin=pageSize;
                //把多出的数据加给最后一个分片  即不能整除的数据(余数)分给最后一个分片
               if(counts%total>0 && shardingItem==(total-1)) {
                   pageSizeBin=pageSize+counts%total;
                }
                Map<String,Object> pageMap=new HashMap<>();
                pageMap.put("start",shardingItem*pageSize);
                pageMap.put("end",pageSizeBin);
                payService.getOrderList(pageMap);
            }else{
                //分片下标为0的获取所有数据,其他分片不获取数据
                Map<String,Object> pageMap=new HashMap<>();
                payService.getOrderList(pageMap);
            }
        }
}

标红框的是3台服务器：

 

日志打印效果：

第一台日志：

第二台日志：

第三台日志：