阿里巴巴任务调度SchedulerX专业版公测

简介: 阿里巴巴分布式任务调度平台SchedulerX2.0的专业版本于2022.1.26正式公测,本次公测带来了全新的可视化功能,兼容开源xxl-job/elasticjob任务,支持一次性任务,融合大数据dataworks任务。

前言

阿里巴巴分布式任务调度平台SchedulerX2.0的专业版本于2022.1.26正式公测,本次公测带来了全新的可视化功能,兼容开源xxl-job任务,支持一次性任务,融合大数据dataworks任务。


可视化

日志服务

在当前微服务和容器化越来越流行的情况下,机器数量太多、没有权限登录容器,成为了业务同学无法快速定位业务失败的痛点。可视化白屏日志工具,越来越成为了企业的刚需。


SchedulerX2.0的日志服务,可以让业务方不需要修改一行代码,只需要增加一个log4j/logback的配置,即可将每次任务调度的框架日志和业务日志进行收集,同时提供白屏日志检索功能,可以通过任务调度平台快速定位任务失败的原因。

详情请参考:https://developer.aliyun.com/article/861431

image.png

查看堆栈

业务执行慢或者卡住,查看堆栈是最有效的手段,但是现在的应用往往都是分布式和多线程,如何快速定位是哪个机器哪个线程卡住,成为了用户的痛点。

SchedulerX2.0提供了白屏的查看堆栈功能,自动定位到任务执行的机器和线程,白屏打印堆栈信息,快速定位任务卡住的原因。

image.png

用户大盘

新增概览界面不但提供产品快报、用户手册、工单入口等能力,还将带来可视化的用户大盘功能。

用户大盘会统计当前任务总数、接入的worker数量、运行中的任务实例数等。未来还会增加调度历史曲线,失败任务top10,执行耗时任务top10等能力。

image.png


兼容开源

兼容xxl-job

SchedulerX2.0兼容XXL-JOB任务接口,支持@XxlJob新注解和@JobHandler老注解方式,用户不需要修改一行代码,即可以将XXL-JOB任务在SchedulerX2.0平台上托管,提供商业化的报警和可视化功能。

详情请参考: https://developer.aliyun.com/article/854993

兼容ElasticJob

SchedulerX2.0兼容开源ElasticJob任务接口,用户不需要修改一行代码,即可以将ElasticJob任务在SchedulerX2.0平台上托管,享有低成本、免运维、可视化、报警监控等能力。

详情请参考:https://developer.aliyun.com/article/874803


支持一次性任务

SchedulerX2.0支持一次性任务,可以在未来的某一时刻执行一次,任务自动销毁。

详情请参考:https://developer.aliyun.com/article/854985


融合大数据dataworks任务

在实际业务场景中业务处理往往依赖前置数据准备,目前在分布式任务调度平台上可进行dataworks任务数据处理与业务数据处理任务依赖编排定时调度。

详情请参考:https://developer.aliyun.com/article/855018


如何升级

通过概览页,右上角的一键升级

4F9394B2-04D9-42E3-8645-BB3320B06091.png


和基础版区别

基础版

专业版

基础调度能力

✔️

✔️

查看工作流图

/

✔️

日志服务

/

✔️

查看堆栈

/

✔️

用户大盘

/

✔️

任务导入导出

/

✔️

并行计算

最大300个子任务,无搜索能力

最大1000个子任务,有搜索能力

历史记录

最近10条/任务

最近100条/任务

报警

钉钉、邮件

钉钉,邮件,短信,电话

单应用分组任务数

1000

10万

API

仅支持创建、更新、删除任务

都支持

计费说明

按任务托管费用计费

任务托管CU=启用任务数*接入的worker数

公测期和基础版收费相同

相关实践学习
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
目录
相关文章
|
Kubernetes Shell Linux
K8S 实用工具之一 - 如何合并多个 kubeconfig?
K8S 实用工具之一 - 如何合并多个 kubeconfig?
|
Dubbo 应用服务中间件 Nacos
Dubbo “Data length too large“ 问题
解决Dubbo “Data length too large“ 问题
495 0
|
消息中间件 存储 RocketMQ
Rocketmq如何保证消息不丢失
文章分析了RocketMQ如何通过生产者端的同步发送与重试机制、Broker端的持久化存储与消息重试投递策略、以及消费者端的手动提交ack与幂等性处理,来确保消息在整个传输和消费过程中的不丢失。
|
敏捷开发 人工智能 自然语言处理
“教育+AI”,阿里云可以做什么?
“教育+AI”,阿里云可以做什么?
|
数据采集 设计模式 自然语言处理
设计模式最佳套路2 —— 愉快地使用管道模式
管道模式(Pipeline Pattern) 是责任链模式(Chain of Responsibility Pattern)的常用变体之一。在管道模式中,管道扮演着流水线的角色,将数据传递到一个加工处理序列中,数据在每个步骤中被加工处理后,传递到下一个步骤进行加工处理,直到全部步骤处理完毕。 PS:纯的责任链模式在链上只会有一个处理器用于处理数据,而管道模式上多个处理器都会处理数据。
13558 0
设计模式最佳套路2 —— 愉快地使用管道模式
|
运维 资源调度 监控
说说Spring定时任务如何大规模企业级运用
聊下java体系中Spring提供的定时任务方案的原理及其企业化运用过程中的一些问题,如何让现有的spring定时任务满足企业级运行需要。
1285 0
|
存储 数据管理 Java
基于OSS、NFS构建高性能可扩展的遥感智能解译系统实践之路
该文探讨了构建高性能、可扩展的遥感智能解译系统的架构演进过程。作者强调架构应根据业务场景而定,而非追求单一的“最佳”架构。文章分为五个部分,介绍了从初步的业务场景分析到逐步优化的架构设计。 1. 业务场景描述了服务于地理信息行业的遥感数据管理平台,包括数据湖和遥感智能解译系统的功能和架构设计。 2. 初代系统解决了数据管理和智能解译的基本需求,但存在数据同步效率低下的问题。 3. 自动化阶段通过消息推送和数据接收模块减少了人工干预,将处理时间减半,但仍存在效率和稳定性问题。 4. 高性能阶段引入数据订阅/推送和数据接收Agent,实现了稳定、高速的数据传输,性能提升了6倍。
49395 2
|
存储 人工智能 应用服务中间件
Web应用是一种通过互联网浏览器和网络技术在互联网上执行任务的计算机程序
【5月更文挑战第30天】Web应用是一种通过互联网浏览器和网络技术在互联网上执行任务的计算机程序
540 2
|
JavaScript Java
Java中的三元运算符是什么?如何去用?
Java中的三元运算符是什么?如何去用?
331 1
|
运维 监控 Java
服务雪崩预防Sentinel
服务雪崩预防Sentinel
299 1

热门文章

最新文章