背景

定时任务是每个业务常见的需求，比如每分钟扫描超时支付的订单，每小时清理一次数据库历史数据，每天统计前一天的数据并生成报表等等。

1. Java中自带的解决方案

1.1 使用Timer

创建java.util.TimerTask任务，在run方法中实现业务逻辑。通过java.util.Timer进行调度，支持按照固定频率执行。所有的TimerTask是在同一个线程中串行执行，相互影响。也就是说，对于同一个Timer里的多个TimerTask任务，如果一个TimerTask任务在执行中，其它TimerTask即使到达执行的时间，也只能排队等待。如果有异常产生，线程将退出，整个定时任务就失败。

importjava.util.Timer;
importjava.util.TimerTask;
publicclassTestTimerTask {   
publicstaticvoidmain(String[] args) {
TimerTasktimerTask=newTimerTask() {
@Overridepublicvoidrun() {
System.out.println("hell world");
            }
        };
Timertimer=newTimer();
timer.schedule(timerTask, 10, 3000);
    }  
}

1.2 使用ScheduledExecutorService

基于线程池设计的定时任务解决方案，每个调度任务都会分配到线程池中的一个线程去执行，解决Timer定时器无法并发执行的问题，支持fixedRate和fixedDelay。

importjava.util.concurrent.Executors;
importjava.util.concurrent.ScheduledExecutorService;
importjava.util.concurrent.TimeUnit;
publicclassTestTimerTask {
publicstaticvoidmain(String[] args) {
ScheduledExecutorServiceses=Executors.newScheduledThreadPool(5);
//按照固定频率执行，每隔5秒跑一次ses.scheduleAtFixedRate(newRunnable() {
@Overridepublicvoidrun() {
System.out.println("hello fixedRate");
            }
        }, 0, 5, TimeUnit.SECONDS);
//按照固定延时执行，上次执行完后隔3秒再跑ses.scheduleWithFixedDelay(newRunnable() {
@Overridepublicvoidrun() {
System.out.println("hello fixedDelay");
            }
        }, 0, 3, TimeUnit.SECONDS);
    }
}

2. Spring中自带的解决方案

Springboot中提供了一套轻量级的定时任务工具Spring Task，通过注解可以很方便的配置，支持cron表达式、fixedRate、fixedDelay。

importorg.springframework.scheduling.annotation.EnableScheduling;
importorg.springframework.scheduling.annotation.Scheduled;
importorg.springframework.stereotype.Component;
@Component@EnableSchedulingpublicclassMyTask {
/*** 每分钟的第30秒跑一次*/@Scheduled(cron="30 * * * * ?")
publicvoidtask1() throwsInterruptedException {
System.out.println("hello cron");
    }
/*** 每隔5秒跑一次*/@Scheduled(fixedRate=5000)
publicvoidtask2() throwsInterruptedException {
System.out.println("hello fixedRate");
    }
/*** 上次跑完隔3秒再跑*/@Scheduled(fixedDelay=3000)
publicvoidtask3() throwsInterruptedException {
System.out.println("hello fixedDelay");
    }
}

Spring Task相对于上面提到的两种解决方案，最大的优势就是支持cron表达式，可以处理按照标准时间固定周期执行的业务，比如每天几点几分执行。

3. 业务幂等解决方案

现在的应用基本都是分布式部署，所有机器的代码都是一样的，前面介绍的Java和Spring自带的解决方案，都是进程级别的，每台机器在同一时间点都会执行定时任务。这样会导致需要业务幂等的定时任务业务有问题，比如每月定时给用户推送消息，就会推送多次。

于是，很多应用很自然的就想到了使用分布式锁的解决方案。即每次定时任务执行之前，先去抢锁，抢到锁的执行任务，抢不到锁的不执行。怎么抢锁，又是五花八门，比如使用DB、zookeeper、redis。

3.1 使用DB或者Zookeeper抢锁

使用DB或者Zookeeper抢锁的架构差不多，原理如下：

定时时间到了，在回调方法里，先去抢锁。
抢到锁，则继续执行方法，没抢到锁直接返回。
执行完方法后，释放锁。

示例代码如下

importorg.springframework.scheduling.annotation.EnableScheduling;
importorg.springframework.scheduling.annotation.Scheduled;
importorg.springframework.stereotype.Component;
@Component@EnableSchedulingpublicclassMyTask {
/*** 每分钟的第30秒跑一次*/@Scheduled(cron="30 * * * * ?")
publicvoidtask1() throwsException {
StringlockName="task1";
if (tryLock(lockName)) {
System.out.println("hello cron");
releaseLock(lockName);
        } else {
return;
        }
    }
privatebooleantryLock(StringlockName) {
//TODOreturntrue;
    }
privatevoidreleaseLock(StringlockName) {
//TODO    }
}

当前的这个设计，仔细一点的同学可以发现，其实还是有可能导致任务重复执行的。比如任务执行的非常快，A这台机器抢到锁，执行完任务后很快就释放锁了。B这台机器后抢锁，还是会抢到锁，再执行一遍任务。

3.2 使用redis抢锁

使用redis抢锁，其实架构上和DB/zookeeper差不多，不过redis抢锁支持过期时间，不用主动去释放锁，并且可以充分利用这个过期时间，解决任务执行过快释放锁导致任务重复执行的问题，架构如下：

示例代码如下：

@Component@EnableSchedulingpublicclassMyTask {
/*** 每分钟的第30秒跑一次*/@Scheduled(cron="30 * * * * ?")
publicvoidtask1() throwsInterruptedException {
StringlockName="task1";
if (tryLock(lockName, 30)) {
System.out.println("hello cron");
releaseLock(lockName);
        } else {
return;
        }
    }
privatebooleantryLock(StringlockName, longexpiredTime) {
//TODOreturntrue;
    }
privatevoidreleaseLock(StringlockName) {
//TODO    }
}

看到这里，可能又会有同学有问题，加一个过期时间是不是还是不够严谨，还是有可能任务重复执行？

——的确是的，如果有一台机器突然长时间的fullgc，或者之前的任务还没处理完（Spring Task和ScheduledExecutorService本质还是通过线程池处理任务），还是有可能隔了30秒再去调度任务的。

3.3 使用Quartz

Quartz是一套轻量级的任务调度框架，只需要定义了 Job（任务），Trigger（触发器）和Scheduler（调度器），即可实现一个定时调度能力。支持基于数据库的集群模式，可以做到任务幂等执行

Quartz支持任务幂等执行，其实理论上还是抢DB锁，我们看下quartz的表结构：

Table Name	Description
QRTZ_CALENDARS	存储Quartz的Calendar信息
QRTZ_CRON_TRIGGERS	存储CronTrigger，包括Cron表达式和时区信息
QRTZ_FIRED_TRIGGERS	存储与已触发的Trigger相关的状态信息，以及相联Job的执行信息
QRTZ_PAUSED_TRIGGER_GRPS	存储已暂停的Trigger组的信息
QRTZ_SCHEDULER_STATE	存储少量的有关Scheduler的状态信息，和别的Scheduler实例
QRTZ_LOCKS	存储程序的悲观锁的信息
QRTZ_JOB_DETAILS	存储每一个已配置的Job的详细信息
QRTZ_JOB_LISTENERS	存储有关已配置的JobListener的信息
QRTZ_SIMPLE_TRIGGERS	存储简单的Trigger，包括重复次数、间隔、以及已触的次数
QRTZ_BLOG_TRIGGERS	Trigger作为Blob类型存储
QRTZ_TRIGGER_LISTENERS	存储已配置的TriggerListener的信息
QRTZ_TRIGGERS	存储已配置的Trigger的信息

其中，QRTZ_LOCKS就是Quartz集群实现同步机制的行锁表，其表结构如下：

--QRTZ_LOCKS表结构
CREATE TABLE `QRTZ_LOCKS` (
  `LOCK_NAME` varchar(40) NOT NULL,
  PRIMARY KEY (`LOCK_NAME`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
--QRTZ_LOCKS记录
+-----------------+ 
| LOCK_NAME       |
+-----------------+ 
| CALENDAR_ACCESS |
| JOB_ACCESS      |
| MISFIRE_ACCESS  |
| STATE_ACCESS    |
| TRIGGER_ACCESS  |
+-----------------+

可以看出QRTZ_LOCKS中有5条记录，代表5把锁，分别用于实现多个Quartz Node对Job、Trigger、Calendar访问的同步控制。

4. 开源任务调度中间件

上面提到的解决方案，在架构上都有一个问题，那就是每次调度都需要抢锁，特别是使用DB和Zookeeper抢锁，性能会比较差，一旦任务量增加到一定的量，就会有比较明显的调度延时。还有一个痛点，就是业务想要修改调度配置，或者增加一个任务，得修改代码重新发布应用。

于是开源社区涌现了一堆任务调度中间件，通过任务调度系统进行定，任务的创建、修改和调度，这其中国内最火的就是XXL-JOB和ElasticJob。

4.1 ElasticJob

ElasticJob是一款基于Quartz开发，依赖Zookeeper作为注册中心、轻量级、无中心化的分布式任务调度框架，目前已经通过Apache开源。

ElasticJob相对于Quartz来说，从功能上最大的区别就是支持分片，可以将一个任务分片参数分发给不同的机器执行。架构上最大的区别就是使用Zookeeper作为注册中心，不同的任务分配给不同的节点调度，不需要抢锁触发，性能上比Quartz上强大很多，架构图如下：

开发上也比较简单，和springboot结合比较好，可以在配置文件定义任务如下：

elasticjob:  regCenter:    serverLists: localhost:2181    namespace: elasticjob-lite-springboot
  jobs:    simpleJob:      elasticJobClass: org.apache.shardingsphere.elasticjob.lite.example.job.SpringBootSimpleJob
      cron: 0/5 * * * * ?
      timeZone: GMT+08:00      shardingTotalCount: 3      shardingItemParameters: 0=Beijing,1=Shanghai,2=Guangzhou
    scriptJob:      elasticJobType: SCRIPT
      cron: 0/10 * * * * ?
      shardingTotalCount: 3      props:        script.command.line: "echo SCRIPT Job: "    manualScriptJob:      elasticJobType: SCRIPT
      jobBootstrapBeanName: manualScriptJobBean
      shardingTotalCount: 9      props:        script.command.line: "echo Manual SCRIPT Job: "

实现任务接口如下：

@ComponentpublicclassSpringBootShardingJobimplementsSimpleJob {
@Overridepublicvoidexecute(ShardingContextcontext) {
System.out.println("分片总数="+context.getShardingTotalCount() +", 分片号="+context.getShardingItem()
+", 分片参数="+context.getShardingParameter());
    }
}

运行结果如下：

分片总数=3, 分片号=0, 分片参数=Beijing
分片总数=3, 分片号=1, 分片参数=Shanghai
分片总数=3, 分片号=2, 分片参数=Guangzhou

同时，ElasticJob还提供了一个简单的UI，可以查看任务的列表，同时支持修改、触发、停止、生效、失效操作

遗憾的是，ElasticJob暂不支持动态创建任务。

4.2 XXL-JOB

XXL-JOB是一个开箱即用的轻量级分布式任务调度系统，其核心设计目标是开发迅速、学习简单、轻量级、易扩展，在开源社区广泛流行。

XXL-JOB是Master-Slave架构，Master负责任务的调度，Slave负责任务的执行，架构图如下：

XXL-JOB接入也很方便，不同于ElasticJob定义任务实现类，是通过@XxlJob 注解定义JobHandler

@ComponentpublicclassSampleXxlJob {
privatestaticLoggerlogger=LoggerFactory.getLogger(SampleXxlJob.class);
/*** 1、简单任务示例（Bean模式）*/@XxlJob("demoJobHandler")
publicReturnT<String>demoJobHandler(Stringparam) throwsException {
XxlJobLogger.log("XXL-JOB, Hello World.");
for (inti=0; i<5; i++) {
XxlJobLogger.log("beat at:"+i);
TimeUnit.SECONDS.sleep(2);
        }
returnReturnT.SUCCESS;
    }
/*** 2、分片广播任务*/@XxlJob("shardingJobHandler")
publicReturnT<String>shardingJobHandler(Stringparam) throwsException {
// 分片参数ShardingUtil.ShardingVOshardingVO=ShardingUtil.getShardingVo();
XxlJobLogger.log("分片参数：当前分片序号 = {}, 总分片数 = {}", shardingVO.getIndex(), shardingVO.getTotal());
// 业务逻辑for (inti=0; i<shardingVO.getTotal(); i++) {
if (i==shardingVO.getIndex()) {
XxlJobLogger.log("第 {} 片, 命中分片开始处理", i);
            } else {
XxlJobLogger.log("第 {} 片, 忽略", i);
            }
        }
returnReturnT.SUCCESS;
    }
}

XXL-JOB相较于ElasticJob，最大的特点就是功能比较丰富，可运维能力比较强，不但支持控制台动态创建任务，还有调度日志、运行报表等功能。

XXL-JOB的历史记录、运行报表和调度日志，都是基于数据库实现的

由此可以看出，XXL-JOB所有功能都依赖数据库，且调度中心不支持分布式架构，在任务量和调度量比较大的情况下，会有性能瓶颈。不过如果对任务量级、高可用、监控报警、可视化等没有过高要求的话，XXL-JOB基本可以满足定时任务的需求。

5. 企业级解决方案

开源软件只能提供基础的调度能力，在监管控上的能力一般都比较弱。比如日志服务，业界往往使用ELK解决方案；短信报警，需要有短信平台；监控大盘，现在主流的解决方案是Prometheus；等等。企业想要有这些能力，不但需要额外的开发成本，还需要昂贵的资源成本。

另外使用开源软件也伴随着稳定性的风险，就是出了问题没人能处理，想要反馈到社区等社区处理，这个链路太长了，早就产生故障了。

阿里云任务调度SchedulerX是阿里巴巴自研的基于Akka架构的一站式任务调度平台，兼容开源XXL-JOB、ElasticJob、Quartz（规划中），支持Cron定时、一次性任务、任务编排、分布式跑批，具有高可用、可视化、可运维、低延时等能力，自带企业级监控大盘、日志服务、短信报警等服务。

5.1 优势

安全防护

多层次安全防护：支持 HTTPS 和 VPC 访问，同时还有阿里云的多层安全防护，防止恶意攻击。
多租户隔离机制：支持多地域、命名空间和应用级别的隔离。
权限管控：支持控制台读写的权限管理，客户端接入的鉴权。

企业级高可用

SchedulerX2.0采用高可用架构，任务多备份机制，经历阿里集团多年双十一、容灾演练，可以做到任意一个机房挂了，任务调度都不会收到影响。

商业级报警运维

报警：支持邮件、钉钉、短信、电话，（其他报警方式在规划中）。支持任务失败、超时、无可用机器报警。报警内容可以直接看出任务失败的原因，以钉钉机器人为例

运维操作：原地重跑、重刷数据、标记成功、查看堆栈、停止任务、指定机器等

丰富的可视化

schedulerx拥有丰富的可视化能力，比如

用户大盘

查看任务历史执行记录

查看任务运行日志

查看任务运行堆栈

查看任务操作记录

兼容开源

Schedulerx兼容开源XXL-JOB、ElasticJob、Quartz（规划中），业务不需要改一行代码，即可以将任务托管在SchedulerX调度平台，享有企业级可视化和报警的能力。

Spring原生

SchedulerX支持通过控制台和API动态创建任务，也支持Spring声明式任务定义，一份任务配置可以拿到任何环境一键启动，配置如下：

spring:   schedulerx2:      endpoint: acm.aliyun.com   #请填写不同regin的endpoint      namespace: 433d8b23-06e9-xxxx-xxxx-90d4d1b9a4af #region内全局唯一，建议使用UUID生成      namespaceName: 学仁测试
      appName: myTest
      groupId: myTest.group      #同一个命名空间下需要唯一      appKey: myTest123@alibaba  #应用的key，不要太简单，注意保管好      regionId: public           #填写对应的regionId      aliyunAccessKey: xxxxxxx   #阿里云账号的ak      aliyunSecretKey: xxxxxxx   #阿里云账号的sk      alarmChannel: sms,ding     #报警通道：短信和钉钉      jobs:          simpleJob:             jobModel: standalone
            className: com.aliyun.schedulerx.example.processor.SimpleJob
            cron: 0/30 * * * * ?   # cron表达式            jobParameter: hello
            overwrite: true 
         shardingJob:             jobModel: sharding
            className: ccom.aliyun.schedulerx.example.processor.ShardingJob
            oneTime: 2022-06-02 12:00:00   # 一次性任务表达式            jobParameter: 0=Beijing,1=Shanghai,2=Guangzhou
            overwrite: true         broadcastJob:   # 不填写cron和oneTime，表示api任务            jobModel: broadcast
            className: com.aliyun.schedulerx.example.processor.BroadcastJob
            jobParameter: hello
            overwrite: true         mapReduceJob:             jobModel: mapreduce
            className: com.aliyun.schedulerx.example.processor.MapReduceJob
            cron: 0 * * * * ?
            jobParameter: 100            overwrite: true      alarmUsers:     #报警联系人         user1:            userName: 张三
            userPhone: 12345678900         user2:            userName: 李四
            ding: https://oapi.dingtalk.com/robot/send?access_token=xxxxx

分布式跑批

SchedulerX提供了丰富的分布式模型，可以处理各种各样的分布式业务场景。包括单机、广播、分片、MapReduce等，架构如下：

SchedulerX的MapReduce模型，简单几行代码，就可以将海量任务分布式到多台机器跑批，相对于大数据跑批来说，具有速度快、数据安全、成本低、简单易学等特点。

任务编排

SchedulerX通过工作流进行任务编排，并且提供了一个可视化的界面，操作简单，拖拖拽拽即可配置一个工作流。详细的任务状态图能一目了然看到下游任务为什么没跑，方便定位问题

可抢占的任务优先级队列

常见场景是夜间离线报表业务，比如很多报表任务是晚上1、2点开始跑，要控制应用最大并发的任务数量（否则业务扛不住），达到并发上限的任务会在队列中等待。同时要求早上9点前必须把KPI报表跑出来，可以设置KPI任务高优先级，会抢占低优先级任务优先调度。

SchedulerX支持可抢占的任务优先级队列，可以在控制台动态配置：

5.2 QA

k8s应用可以接入SchedulerX吗？

——可以的，无论是物理机、容器、还是k8s pod，都可以接入SchedulerX。

我的应用不在阿里云上，可否使用SchedulerX？

——可以的，任何云平台或者本地机器，只要能访问公网，都可以接入SchedulerX。

Java定时任务技术趋势

背景