[055][调度模块]Spring动态任务调度框架的设计与实现

简介: 本文设计并实现了一个基于Spring的动态任务调度框架,突破`@Scheduled`静态限制,支持运行时增删改任务、配置热加载及执行状态跟踪。核心采用`SchedulingConfigurer`与`TriggerTask`,解耦任务逻辑与调度机制,具备零侵入、线程安全、优雅停机等特性。(239字)

[055][调度模块]Spring动态任务调度框架的设计与实现

摘要

传统的 @Scheduled 注解适合静态任务,但难以满足动态增删改、运行时修改配置等需求。本文介绍一种基于 SchedulingConfigurerScheduledTaskRegistrar 的动态任务调度框架,支持从配置文件加载任务、运行时添加/取消任务,并提供任务执行状态跟踪。

1. 核心组件

  • ScheduleTaskManager:实现 SchedulingConfigurer,持有 ScheduledTaskRegistrar 实例,管理所有动态任务的注册与取消。
  • TaskRepository:任务数据源接口,用于加载所有任务(如 YAML、数据库)。
  • RunnableDecorator:包装 TaskRunner,同时充当 RunnableTrigger,实现执行统计、条件判断和下一次执行时间计算。

2. 动态注册流程

// ScheduleTaskManager 核心方法
public void addTask(Task task) {
   
    if (!task.isEnabled()) return;
    if (triggerTaskMap.containsKey(task.getName())) return;
    doAddTask(task);
}

private synchronized void doAddTask(Task task) {
   
    TaskRunner taskRunner = SpringUtil.getBean(task.getClassSimpleName(), TaskRunner.class);
    RunnableDecorator decorator = new RunnableDecorator(task, taskRunner);
    TriggerTask triggerTask = new TriggerTask(decorator, decorator);
    ScheduledTask scheduledTask = scheduledTaskRegistrar.scheduleTriggerTask(triggerTask);
    triggerTaskMap.put(task.getName(), new ScheduledTaskData(scheduledTask, decorator, triggerTask));
}
  • 通过 task.getClassSimpleName() 从 Spring 容器中获取实现了 TaskRunner 接口的 Bean,实现任务逻辑与配置的解耦。
  • 每次 addTask 都会动态生成 TriggerTask 并注册到 ScheduledTaskRegistrar,返回 ScheduledTask 供后续取消。

3. 动态取消与销毁

public void cancelTask(String taskName) {
   
    ScheduledTaskData data = triggerTaskMap.get(taskName);
    if (data != null) {
   
        data.scheduledTask().cancel();
        triggerTaskMap.remove(taskName);
    }
}

@PreDestroy 阶段批量取消所有任务,确保优雅停机。

4. 设计亮点

  • 零侵入:业务任务只需实现 TaskRunner 接口,无需关心调度细节。
  • 运行时可控:通过 addTask / cancelTask 动态调整任务,可用于管理后台、运维接口等场景。
  • 线程安全:使用 ConcurrentHashMap 存储任务,关键方法使用 synchronized 保护。
目录
相关文章
|
3天前
|
云安全 人工智能 运维
阿里云联动百位企业安全专家,共识Agent防御最佳实践
当Agent成为新员工,你的安全边界在哪里?
1725 1
阿里云联动百位企业安全专家,共识Agent防御最佳实践
|
11天前
|
人工智能 JSON 安全
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
阿里云AI安全产品联动防御Fastjson攻击
2435 13
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
|
11天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max-Preview深度全解析:2.4万亿参数旗舰MoE模型+Token Plan限时优惠完整落地指南
2026年7月,全新旗舰级混合专家大模型Qwen3.8-Max-Preview正式开放抢先体验,作为通义千问Qwen3系列规格最高、综合推理能力顶尖的新一代模型,该模型总参数量达到2.4万亿(2.4T),是当前线上可调用的原生多模态旗舰模型,综合推理水准对标海外顶级Fable 5模型,在复杂工程开发、长文档深度分析、多步骤智能体自治、跨境多语言创作、海量数据挖掘五大高难度业务场景实现跨越式性能提升。
1157 2
|
13天前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
1133 47
|
9天前
|
人工智能 前端开发 Linux
Codex 桌面版安装 + CC Switch 接入第三方 API 完整教程(2026 最新)
2026最新教程:手把手教你安装Codex桌面版,通过CC Switch v3.17.0一键接入Fenno等国产API(兼容OpenAI Responses格式),跳过账号登录,完整启用代码审查、多步任务与上下文感知功能。零基础友好,全程图文实操。(239字)
847 0
|
9天前
|
自然语言处理 测试技术 API
通义千问Qwen3.8-Max-Preview全功能解析:2.4万亿参数旗舰模型深度使用指南
在大模型技术持续迭代的当下,通义千问推出的Qwen3.8-Max-Preview作为新一代旗舰预览版模型,凭借2.4万亿参数的超大规模、多模态融合能力与全场景适配特性,成为开发者与企业用户探索AI应用的核心工具。该模型采用稀疏混合专家(MoE)架构,是通义千问首个突破万亿参数的多模态模型,可同时处理文本、图像、视频与文档等多种数据形态,在全栈代码开发、复杂逻辑推理、长文档分析与多智能体协作等场景实现跨越式升级。本文将全面拆解Qwen3.8-Max-Preview的核心功能,详解API调用流程与配置方法,覆盖多场景实战技巧,帮助用户快速掌握这款旗舰模型的使用方法,充分释放其性能潜力。
586 2
|
12天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南
Qwen3.8-Max-Preview是通义千问Qwen3系列旗舰MoE大模型,参数达2.4万亿,综合推理能力居行业第一梯队。支持思考/快速双模式,擅长大模型五大高难场景。现于阿里云百炼Token Plan、Qoder及QoderWork上线体验,个人版低至39元/月。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
755 1
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南