為什么80%的碼農都做不了架構師？>>> ??

一、前言

? ? Elastic-Job是一個優秀的分布式作業調度框架。

????Elastic-Job是一個分布式調度解決方案，由兩個相互獨立的子項目Elastic-Job-Lite和Elastic-Job-Cloud組成。

????Elastic-Job-Lite定位為輕量級無中心化解決方案，使用jar包的形式提供分布式任務的協調服務。

????Elastic-Job-Cloud使用Mesos + Docker的解決方案，額外提供資源治理、應用分發以及進程隔離等服務。

1. Elastic-Job-Lite

• 分布式調度協調

• 彈性擴容縮容

• 失效轉移

• 錯過執行作業重觸發

• 作業分片一致性，保證同一分片在分布式環境中僅一個執行實例

• 自診斷并修復分布式不穩定造成的問題

• 支持并行調度

• 支持作業生命周期操作

• 豐富的作業類型

• Spring整合以及命名空間提供

• 運維平臺

2. Elastic-Job-Cloud

• 應用自動分發

• 基于Fenzo的彈性資源分配

• 分布式調度協調

• 彈性擴容縮容

• 失效轉移

• 錯過執行作業重觸發

• 作業分片一致性，保證同一分片在分布式環境中僅一個執行實例

• 支持并行調度

• 支持作業生命周期操作

• 豐富的作業類型

• Spring整合

• 運維平臺

• 基于Docker的進程隔離(TBD)

二、導讀

? ? 1、Elastic-Job的核心思想

? ? 2、Elastic-Job的基本使用

三、Elastic-Job的核心思想

? ? 對于分布式計算而言，分片是最基本的思想，Elastic-Job也是沿用了這個思想，每個job跑部分數據，所有job執行完成，便是全量數據，官網給出的SimpleJob例子如下：

public class MyElasticJob implements SimpleJob {@Overridepublic void execute(ShardingContext context) {switch (context.getShardingItem()) {case 0: // do something by sharding item 0break;case 1: // do something by sharding item 1break;case 2: // do something by sharding item 2break;// case n: ...}} }

? ? 用switch case循環來對應分片的業務邏輯，case分片的index，進入業務邏輯執行。當然這里也有不適應的場景，類似于MapReduce需要shuffle的場景就不適合了，比方說，要根據某一個字段全局分組聚合求結果，這時候怎么分片都可能會不合理，因為每個分片只能處理N分之一的數據，沒辦法shuffle再聚合，這一點，也要根據具體的業務來使用。

? ?那么ShardingContext可以拿到那些信息呢？源碼如下

????

public final class ShardingContext {/*** 作業名稱.*/private final String jobName;/*** 作業任務ID.*/private final String taskId;/*** 分片總數.*/private final int shardingTotalCount;/*** 作業自定義參數.* 可以配置多個相同的作業, 但是用不同的參數作為不同的調度實例.*/private final String jobParameter;/*** 分配于本作業實例的分片項.*/private final int shardingItem;/*** 分配于本作業實例的分片參數.*/private final String shardingParameter;public ShardingContext(final ShardingContexts shardingContexts, final int shardingItem) {jobName = shardingContexts.getJobName();taskId = shardingContexts.getTaskId();shardingTotalCount = shardingContexts.getShardingTotalCount();jobParameter = shardingContexts.getJobParameter();this.shardingItem = shardingItem;shardingParameter = shardingContexts.getShardingItemParameters().get(shardingItem);} }

? ? 以上代碼，jobParameter和shardingItem是最有用的參數，shardingItem決定switch case循環的走向，shardingParameter可以用業務的查詢條件，也可以用字符串拼接的方式組裝很復雜的參數用于特定的業務。

四、Elastic-Job的基本使用

? ? 1、Job配置項

public class ElasticJobConfig {private static CoordinatorRegistryCenter createRegistryCenter() {ZookeeperConfiguration zookeeperConfiguration = new ZookeeperConfiguration("127.0.0.1:2181", "elastic-job");CoordinatorRegistryCenter regCenter = new ZookeeperRegistryCenter(zookeeperConfiguration);regCenter.init();return regCenter;}private static LiteJobConfiguration createJobConfiguration() {JobCoreConfiguration simpleCoreConfig = JobCoreConfiguration.newBuilder("jobdemo", "0/5 * * * * ?", 3).shardingItemParameters("0=A,1=A,2=B").failover(true).misfire(true).build();SimpleJobConfiguration simpleJobConfig = new SimpleJobConfiguration(simpleCoreConfig,MyElasticJob.class.getCanonicalName());LiteJobConfiguration simpleJobRootConfig = LiteJobConfiguration.newBuilder(simpleJobConfig).overwrite(true).build();return simpleJobRootConfig;}public static void main(String[] args) {new JobScheduler(createRegistryCenter(), createJobConfiguration()).init();} }

? ? 幾點說明：

? ? 注冊中心配置項，設置zookeeper集群地址，我這里用的本地單節點，所以只有一個，當然可以配置任務名稱，命名空間（namespace，本質上會在zk里生成一個目錄），超時時間，最大重試次數等等

????LiteJobConfiguration simpleJobRootConfig = LiteJobConfiguration.newBuilder(simpleJobConfig).overwrite(true).build()中，overwrite參數非常重要，設置這個參數為true，修改過job配置信息才會覆蓋zookeeper里的數據，要不然不會生效。

? ? 2、SimpleJob的實現

public class MyElasticJob implements SimpleJob {@Overridepublic void execute(ShardingContext shardingContext) {switch (shardingContext.getShardingItem()) {case 0: {System.out.println("當前分片：" + shardingContext.getShardingItem() + "=====" + "參數："+ shardingContext.getShardingParameter() + " =====" + Thread.currentThread());break;}case 1: {System.out.println("當前分片：" + shardingContext.getShardingItem() + "=====" + "參數："+ shardingContext.getShardingParameter() + " =====" + Thread.currentThread());break;}case 2: {System.out.println("當前分片：" + shardingContext.getShardingItem() + "=====" + "參數："+ shardingContext.getShardingParameter() + " =====" + Thread.currentThread());break;}default: {System.out.println("當前分片：" + shardingContext.getShardingItem() + "=====" + "參數："+ shardingContext.getShardingParameter() + " =====" + Thread.currentThread());break;}}} }

? ? 上面設置每5秒鐘執行一次，執行ElasticJobConfig的main方法，執行結果如下：

????

? ? 從上面的結果，可以看出，執行每個分片的任務，其實是放到一個線程池去執行的，對應的分片信息和參數信息在shardingContext可以拿到，實現業務非常方便。

? ? 最后，如果啟動多個JVM，那么這些任務就分散到各個節點里，如果一個節點宕機，下次觸發任務時，將把該分片任務丟到健康機器執行，這里做到了節點容錯。但是某個分片的任務在執行過程中失敗了，那么這里是不會重新觸發改分片任務的執行的。

?

?

????

轉載于:https://my.oschina.net/u/1778239/blog/3018941

總結

以上是生活随笔為你收集整理的分布式定时任务框架Elastic-Job的使用的全部內容，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。