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() { publicvoidrun() { 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() { publicvoidrun() { 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() { publicvoidrun() { 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; publicclassMyTask { /*** 每分钟的第30秒跑一次*/cron="30 * * * * ?") (publicvoidtask1() throwsInterruptedException { System.out.println("hello cron"); } /*** 每隔5秒跑一次*/fixedRate=5000) (publicvoidtask2() throwsInterruptedException { System.out.println("hello fixedRate"); } /*** 上次跑完隔3秒再跑*/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; publicclassMyTask { /*** 每分钟的第30秒跑一次*/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:
publicclassMyTask { /*** 每分钟的第30秒跑一次*/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 localhost2181 namespace elasticjob-lite-springboot jobs simpleJob elasticJobClass org.apache.shardingsphere.elasticjob.lite.example.job.SpringBootSimpleJob cron 0/5 * * * * ? timeZone GMT+0800 shardingTotalCount3 shardingItemParameters 0=Beijing,1=Shanghai,2=Guangzhou scriptJob elasticJobType SCRIPT cron 0/10 * * * * ? shardingTotalCount3 props script.command.line"echo SCRIPT Job: " manualScriptJob elasticJobType SCRIPT jobBootstrapBeanName manualScriptJobBean shardingTotalCount9 props script.command.line"echo Manual SCRIPT Job: "
实现任务接口如下:
publicclassSpringBootShardingJobimplementsSimpleJob { publicvoidexecute(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
publicclassSampleXxlJob { privatestaticLoggerlogger=LoggerFactory.getLogger(SampleXxlJob.class); /*** 1、简单任务示例(Bean模式)*/"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*/"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 overwritetrue broadcastJob# 不填写cron和oneTime,表示api任务 jobModel broadcast className com.aliyun.schedulerx.example.processor.BroadcastJob jobParameter hello overwritetrue mapReduceJob jobModel mapreduce className com.aliyun.schedulerx.example.processor.MapReduceJob cron 0 * * * * ? jobParameter100 overwritetrue alarmUsers#报警联系人 user1 userName 张三 userPhone12345678900 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。