• elastic-job的原理简介和使用

    elastic-job是当当开源的一款非常好用的作业框架，在这之前，我们开发定时任务一般都是使用quartz或者spring-task（ScheduledExecutorService），无论是使用quartz还是spring-task，我们都会至少遇到两个痛点：
    1.不敢轻易跟着应用服务多节点部署，可能会重复多次执行而引发系统逻辑的错误。
    2.quartz的集群仅仅只是用来HA，节点数量的增加并不能给我们的每次执行效率带来提升，即不能实现水平扩展。

    本篇博文将会自顶向下地介绍elastic-job，让大家认识了解并且快速搭建起环境。

    elastic-job产品线说明

    elastic-job在2.x之后，出了两个产品线：Elastic-Job-Lite和Elastic-Job-Cloud。我们一般使用Elastic-Job-Lite就能够满足需求，本文也是以Elastic-Job-Lite为主。1.x系列对应的就只有Elastic-Job-Lite，并且在2.x里修改了一些核心类名，差别虽大，原理类似，建议使用2.x系列。写此博文，最新release版本为2.0.5。

     

    elastic-job-lite原理

     
    举个典型的job场景，比如余额宝里的昨日收益，系统需要job在每天某个时间点开始，给所有余额宝用户计算收益。如果用户数量不多，我们可以轻易使用quartz来完成，我们让计息job在某个时间点开始执行，循环遍历所有用户计算利息，这没问题。可是，如果用户体量特别大，我们可能会面临着在第二天之前处理不完这么多用户。另外，我们部署job的时候也得注意，我们可能会把job直接放在我们的webapp里，webapp通常是多节点部署的，这样，我们的job也就是多节点，多个job同时执行，很容易造成重复执行，比如用户重复计息，为了避免这种情况，我们可能会对job的执行加锁，保证始终只有一个节点能执行，或者干脆让job从webapp里剥离出来，独自部署一个节点。
    elastic-job就可以帮助我们解决上面的问题，elastic底层的任务调度还是使用的quartz，通过zookeeper来动态给job节点分片。
    我们来看：
    很大体量的用户需要在特定的时间段内计息完成
    我们肯定是希望我们的任务可以通过集群达到水平扩展，集群里的每个节点都处理部分用户，不管用户数量有多庞大，我们只要增加机器就可以了，比如单台机器特定时间能处理n个用户，2台机器处理2n个用户，3台3n，4台4n...，再多的用户也不怕了。
    使用elastic-job开发的作业都是zookeeper的客户端，比如我希望3台机器跑job，我们将任务分成3片，框架通过zk的协调，最终会让3台机器分别分配到0,1,2的任务片，比如server0-->0，server1-->1，server2-->2，当server0执行时，可以只查询id%3==0的用户，server1执行时，只查询id%3==1的用户，server2执行时，只查询id%3==2的用户。
    任务部署多节点引发重复执行
    在上面的基础上，我们再增加server3，此时，server3分不到任务分片，因为只有3片，已经分完了。没有分到任务分片的作业程序将不执行。
    如果此时server2挂了，那么server2的分片项会分配给server3，server3有了分片，就会替代server2执行。
    如果此时server3也挂了，只剩下server0和server1了，框架也会自动把server3的分片随机分配给server0或者server1，可能会这样，server0-->0，server1-->1,2。
    这种特性称之为弹性扩容，即elastic-job名称的由来。
     

    代码演示

     
    我们搭建环境通过示例代码来演示上面的例子，elastic-job是不支持单机多实例的，通过zk的协调分片是以ip为单元的。很多同学上来可能就是通过单机多实例来学习，结果导致分片和预期不一致。这里没办法，只能通过多机器或者虚拟机，我们这里使用虚拟机，另外，由于资源有限，我们这里仅仅只模拟两台机器。
     
    节点说明：
    本地宿主机器
    zookeeper、job
    192.168.241.1

    虚拟机
    job
    192.168.241.128

    环境说明：
    Java
    请使用JDK1.7及其以上版本。
    Zookeeper
    请使用Zookeeper3.4.6及其以上版本
    Elastic-Job-Lite
    2.0.5（2.x系列即可，最好是2.0.4及其以上，因为2.0.4版本有本人提交的少许代码，(*^__^*) 嘻嘻……）

    需求说明：
    通过两台机器演示动态分片
     
    step1. 引入框架的jar包
     1 <!-- 引入elastic-job-lite核心模块 -->  
 2 <dependency>  
 3     <groupId>com.dangdang</groupId>  
 4     <artifactId>elastic-job-lite-core</artifactId>  
 5     <version>2.0.5</version>  
 6 </dependency>  
 7 <!-- 使用springframework自定义命名空间时引入 -->  
 8 <dependency>  
 9     <groupId>com.dangdang</groupId>  
10     <artifactId>elastic-job-lite-spring</artifactId>  
11     <version>2.0.5</version>  
12 </dependency>
    step2. 编写job
     1 package com.fanfan.sample001;  
 2   
 3 import com.dangdang.ddframe.job.api.ShardingContext;  
 4 import com.dangdang.ddframe.job.api.simple.SimpleJob;  
 5   
 6 import java.util.Date;  
 7   
 8 /** 
 9  * Created by fanfan on 2016/12/20. 
10  */  
11 public class MySimpleJob implements SimpleJob {  
12     @Override  
13     public void execute(ShardingContext shardingContext) {  
14         System.out.println(String.format("------Thread ID: %s, 任务总片数: %s, 当前分片项: %s",  
15                 Thread.currentThread().getId(), shardingContext.getShardingTotalCount(), shardingContext.getShardingItem()));  
16         /** 
17          * 实际开发中，有了任务总片数和当前分片项，就可以对任务进行分片执行了 
18          * 比如 SELECT * FROM user WHERE status = 0 AND MOD(id, shardingTotalCount) = shardingItem 
19          */  
20     }  
21 }

    Step3. Spring配置
     1 <?xml version="1.0" encoding="UTF-8"?>  
 2 <beans xmlns="http://www.springframework.org/schema/beans"  
 3        xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  
 4        xmlns:reg="http://www.dangdang.com/schema/ddframe/reg"  
 5        xmlns:job="http://www.dangdang.com/schema/ddframe/job"  
 6        xsi:schemaLocation="http://www.springframework.org/schema/beans  
 7                         http://www.springframework.org/schema/beans/spring-beans.xsd  
 8                         http://www.dangdang.com/schema/ddframe/reg  
 9                         http://www.dangdang.com/schema/ddframe/reg/reg.xsd  
10                         http://www.dangdang.com/schema/ddframe/job  
11                         http://www.dangdang.com/schema/ddframe/job/job.xsd">  
12     <!--配置作业注册中心 -->  
13     <reg:zookeeper id="regCenter" server-lists="192.168.241.1:2181" namespace="dd-job"  
14                    base-sleep-time-milliseconds="1000" max-sleep-time-milliseconds="3000" max-retries="3" />  
15   
16     <!-- 配置作业-->  
17     <job:simple id="mySimpleJob" class="com.fanfan.sample001.MySimpleJob" registry-center-ref="regCenter"  
18                 sharding-total-count="2" cron="0/2 * * * * ?" overwrite="true" />  
19   
20 </beans>

     
    Case1. 单节点


     
     
     
     
    Case2. 增加一个节点

     
     
     
     
     
     
     
    Case3. 断开一个节点
     
     
     
     
     

    作业类型

     
    elastic-job提供了三种类型的作业：Simple类型作业、Dataflow类型作业、Script类型作业。这里主要讲解前两者。Script类型作业意为脚本类型作业，支持shell，python，perl等所有类型脚本，使用不多，可以参见github文档。

    SimpleJob需要实现SimpleJob接口，意为简单实现，未经过任何封装，与quartz原生接口相似，比如示例代码中所使用的job。

    Dataflow类型用于处理数据流，需实现DataflowJob接口。该接口提供2个方法可供覆盖，分别用于抓取(fetchData)和处理(processData)数据。
    可通过DataflowJobConfiguration配置是否流式处理。
    流式处理数据只有fetchData方法的返回值为null或集合长度为空时，作业才停止抓取，否则作业将一直运行下去； 非流式处理数据则只会在每次作业执行过程中执行一次fetchData方法和processData方法，随即完成本次作业。
    实际开发中，Dataflow类型的job还是很有好用的。
     
    比如拿余额宝计息来说：
     
     1 package com.fanfan.sample001;  
 2   
 3 import com.dangdang.ddframe.job.api.ShardingContext;  
 4 import com.dangdang.ddframe.job.api.dataflow.DataflowJob;  
 5   
 6 import java.util.ArrayList;  
 7 import java.util.List;  
 8   
 9 /** 
10  * Created by fanfan on 2016/12/23. 
11  */  
12 public class MyDataFlowJob implements DataflowJob<User> {  
13   
14     /* 
15         status 
16         0：待处理 
17         1：已处理 
18      */  
19   
20     @Override  
21     public List<User> fetchData(ShardingContext shardingContext) {  
22         List<User> users = null;  
23         /** 
24          * users = SELECT * FROM user WHERE status = 0 AND MOD(id, shardingTotalCount) = shardingItem Limit 0, 30 
25          */  
26         return users;  
27     }  
28   
29     @Override  
30     public void processData(ShardingContext shardingContext, List<User> data) {  
31         for (User user: data) {  
32             System.out.println(String.format("用户 %s 开始计息", user.getUserId()));  
33             user.setStatus(1);  
34             /** 
35              * update user 
36              */  
37         }  
38     }  
39 }
     
    <job:dataflow id="myDataFlowJob" class="com.fanfan.sample001.MyDataFlowJob" registry-center-ref="regCenter"  
              sharding-total-count="2" cron="0 0 02 * * ?" streaming-process="true" overwrite="true" />

    其它功能

    上述介绍的是最精简常用的功能。elastic-job的功能集还不止这些，比如像作业事件追踪、任务监听等，另外，elastic-job-lite-console作为一个独立的运维平台还提供了用来查询和操作任务的web页面。
    这些增强的功能读者可以在github/elastic-job上自行学习，相信有了本篇博文的基础，再阅读那些文档就特别简单了。
  • 相关阅读:
    普通网站迁移
    小程序注册流程
    批量抓取微信公众号的文章
    uniapp 开发踩坑记录
    微信扫码支付精简版
    QueryList The received content is empty!
    阿里云视频点播sdk封装 php
    我的大伯
    tp5分页携带原有参数
    爬虫项目：破解极验滑动验证码
  • 原文地址：https://www.cnblogs.com/vianzhang/p/7611940.html
Copyright © 2020-2023  润新知