elastic-job是當當開源的一款非常好用的作業框架，在這之前，我們開發定時任務一般都是使用quartz或者spring-task（ScheduledExecutorService），無論是使用quartz還是spring-task，我們都會至少遇到兩個痛點：
1.不敢輕易跟著應用服務多節點部署，可能會重復多次執行而引發系統邏輯的錯誤。
2.quartz的集群僅僅只是用來HA，節點數量的增加并不能給我們的每次執行效率帶來提升，即不能實現水平擴展。
本篇博文將會自頂向下地介紹elastic-job，讓大家認識了解并且快速搭建起環境。

elastic-job產品線說明
elastic-job在2.x之后，出了兩個產品線：Elastic-Job-Lite和Elastic-Job-Cloud。我們一般使用Elastic-Job-Lite就能夠滿足需求，本文也是以Elastic-Job-Lite為主。1.x系列對應的就只有Elastic-Job-Lite，并且在2.x里修改了一些核心類名，差別雖大，原理類似，建議使用2.x系列。寫此博文，最新release版本為2.0.5。

?

elastic-job-lite原理
舉個典型的job場景，比如余額寶里的昨日收益，系統需要job在每天某個時間點開始，給所有余額寶用戶計算收益。如果用戶數量不多，我們可以輕易使用quartz來完成，我們讓計息job在某個時間點開始執行，循環遍歷所有用戶計算利息，這沒問題。可是，如果用戶體量特別大，我們可能會面臨著在第二天之前處理不完這么多用戶。另外，我們部署job的時候也得注意，我們可能會把job直接放在我們的webapp里，webapp通常是多節點部署的，這樣，我們的job也就是多節點，多個job同時執行，很容易造成重復執行，比如用戶重復計息，為了避免這種情況，我們可能會對job的執行加鎖，保證始終只有一個節點能執行，或者干脆讓job從webapp里剝離出來，獨自部署一個節點。
elastic-job就可以幫助我們解決上面的問題，elastic底層的任務調度還是使用的quartz，通過zookeeper來動態給job節點分片。
我們來看：
很大體量的用戶需要在特定的時間段內計息完成
我們肯定是希望我們的任務可以通過集群達到水平擴展，集群里的每個節點都處理部分用戶，不管用戶數量有多龐大，我們只要增加機器就可以了，比如單臺機器特定時間能處理n個用戶，2臺機器處理2n個用戶，3臺3n，4臺4n...，再多的用戶也不怕了。
使用elastic-job開發的作業都是zookeeper的客戶端，比如我希望3臺機器跑job，我們將任務分成3片，框架通過zk的協調，最終會讓3臺機器分別分配到0,1,2的任務片，比如server0-->0，server1-->1，server2-->2，當server0執行時，可以只查詢id%3==0的用戶，server1執行時，只查詢id%3==1的用戶，server2執行時，只查詢id%3==2的用戶。
任務部署多節點引發重復執行
在上面的基礎上，我們再增加server3，此時，server3分不到任務分片，因為只有3片，已經分完了。沒有分到任務分片的作業程序將不執行。
如果此時server2掛了，那么server2的分片項會分配給server3，server3有了分片，就會替代server2執行。
如果此時server3也掛了，只剩下server0和server1了，框架也會自動把server3的分片隨機分配給server0或者server1，可能會這樣，server0-->0，server1-->1,2。
這種特性稱之為彈性擴容，即elastic-job名稱的由來。
代碼演示
我們搭建環境通過示例代碼來演示上面的例子，elastic-job是不支持單機多實例的，通過zk的協調分片是以ip為單元的。很多同學上來可能就是通過單機多實例來學習，結果導致分片和預期不一致。這里沒辦法，只能通過多機器或者虛擬機，我們這里使用虛擬機，另外，由于資源有限，我們這里僅僅只模擬兩臺機器。

節點說明：
本地宿主機器
zookeeper、job
192.168.241.1

虛擬機
job
192.168.241.128

環境說明：
Java
請使用JDK1.7及其以上版本。
Zookeeper
請使用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，因為2.0.4版本有本人提交的少許代碼，(*^__^*) 嘻嘻……）

需求說明：
通過兩臺機器演示動態分片

step1. 引入框架的jar包
<!-- 引入elastic-job-lite核心模塊 -->
<dependency>
<groupId>com.dangdang</groupId>
<artifactId>elastic-job-lite-core</artifactId>
<version>2.0.5</version>
</dependency>
<!-- 使用springframework自定義命名空間時引入 -->
<dependency>
<groupId>com.dangdang</groupId>
<artifactId>elastic-job-lite-spring</artifactId>
<version>2.0.5</version>
</dependency>
step2. 編寫job
package com.fanfan.sample001;

import com.dangdang.ddframe.job.api.ShardingContext;
import com.dangdang.ddframe.job.api.simple.SimpleJob;

import java.util.Date;

/**
* Created by fanfan on 2016/12/20.
*/
public class MySimpleJob implements SimpleJob {
@Override
public void execute(ShardingContext shardingContext) {
System.out.println(String.format("------Thread ID: %s, 任務總片數: %s, 當前分片項: %s",
Thread.currentThread().getId(), shardingContext.getShardingTotalCount(), shardingContext.getShardingItem()));
/**
* 實際開發中，有了任務總片數和當前分片項，就可以對任務進行分片執行了
* 比如 SELECT * FROM user WHERE status = 0 AND MOD(id, shardingTotalCount) = shardingItem
*/
}
}
Step3. Spring配置
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns:reg="http://www.dangdang.com/schema/ddframe/reg"
xmlns:job="http://www.dangdang.com/schema/ddframe/job"
xsi:schemaLocation="http://www.springframework.org/schema/beans
http://www.springframework.org/schema/beans/spring-beans.xsd
http://www.dangdang.com/schema/ddframe/reg
http://www.dangdang.com/schema/ddframe/reg/reg.xsd
http://www.dangdang.com/schema/ddframe/job
http://www.dangdang.com/schema/ddframe/job/job.xsd">
<!--配置作業注冊中心 -->
<reg:zookeeper id="regCenter" server-lists="192.168.241.1:2181" namespace="dd-job"
base-sleep-time-milliseconds="1000" max-sleep-time-milliseconds="3000" max-retries="3" />

<!-- 配置作業-->
? ? <job:simple id="mySimpleJob" class="com.fanfan.sample001.MySimpleJob" registry-center-ref="regCenter"
? ? ? ? ? ? ? ? sharding-total-count="2" cron="0/2 * * * * ?" overwrite="true" />

</beans>

Case1. 單節點

Case2. 增加一個節點

?

?

?

Case3. 斷開一個節點

?

作業類型
elastic-job提供了三種類型的作業：Simple類型作業、Dataflow類型作業、Script類型作業。這里主要講解前兩者。Script類型作業意為腳本類型作業，支持shell，python，perl等所有類型腳本，使用不多，可以參見github文檔。

SimpleJob需要實現SimpleJob接口，意為簡單實現，未經過任何封裝，與quartz原生接口相似，比如示例代碼中所使用的job。

Dataflow類型用于處理數據流，需實現DataflowJob接口。該接口提供2個方法可供覆蓋，分別用于抓取(fetchData)和處理(processData)數據。
可通過DataflowJobConfiguration配置是否流式處理。
流式處理數據只有fetchData方法的返回值為null或集合長度為空時，作業才停止抓取，否則作業將一直運行下去； 非流式處理數據則只會在每次作業執行過程中執行一次fetchData方法和processData方法，隨即完成本次作業。
實際開發中，Dataflow類型的job還是很有好用的。

比如拿余額寶計息來說：

package com.fanfan.sample001;

import com.dangdang.ddframe.job.api.ShardingContext;
import com.dangdang.ddframe.job.api.dataflow.DataflowJob;

import java.util.ArrayList;
import java.util.List;

/**
* Created by fanfan on 2016/12/23.
*/
public class MyDataFlowJob implements DataflowJob<User> {

/*
status
0：待處理
1：已處理
*/

@Override
public List<User> fetchData(ShardingContext shardingContext) {
List<User> users = null;
/**
* users = SELECT * FROM user WHERE status = 0 AND MOD(id, shardingTotalCount) = shardingItem Limit 0, 30
*/
return users;
}

@Override
public void processData(ShardingContext shardingContext, List<User> data) {
for (User user: data) {
System.out.println(String.format("用戶 %s 開始計息", user.getUserId()));
user.setStatus(1);
/**
* update user
*/
}
}
}

<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
上述介紹的是最精簡常用的功能。elastic-job的功能集還不止這些，比如像作業事件追蹤、任務監聽等，另外，elastic-job-lite-console作為一個獨立的運維平臺還提供了用來查詢和操作任務的web頁面。
這些增強的功能讀者可以在github/elastic-job上自行學習，相信有了本篇博文的基礎，再閱讀那些文檔就特別簡單了。

轉載于:https://www.cnblogs.com/davidwang456/articles/10346099.html

總結

以上是生活随笔為你收集整理的elastic-job的原理简介和使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。