分布式任務調度框架幾乎是每個大型應用必備的工具，本文介紹了任務調度框架使用的需求背景和痛點，對業界普遍使用的開源分布式任務調度框架的使用進行了探究實踐，并分析了這幾種框架的優劣勢和對自身業務的思考。

一、業務背景

1.1 為什么需要使用定時任務調度

（1）時間驅動處理場景：整點發送優惠券，每天更新收益，每天刷新標簽數據和人群數據。

（2）批量處理數據：按月批量統計報表數據，批量更新短信狀態，實時性要求不高。

（3）異步執行解耦：活動狀態刷新，異步執行離線查詢，與內部邏輯解耦。

1.2 使用需求和痛點

（1）任務執行監控告警能力。

（2）任務可靈活動態配置，無需重啟。

（3）業務透明，低耦合，配置精簡，開發方便。

（4）易測試。

（5）高可用，無單點故障。

（6）任務不可重復執行，防止邏輯異常。

（7）大任務的分發并行處理能力。

二、開源框架實踐與探索

2.1 JAVA 原生 Timer 和ScheduledExecutorService

2.1.1 Timer使用

Timer缺陷：

Timer底層是使用單線程來處理多個Timer任務，這意味著所有任務實際上都是串行執行，前一個任務的延遲會影響到之后的任務的執行。
由于單線程的緣故，一旦某個定時任務在運行時，產生未處理的異常，那么不僅當前這個線程會停止，所有的定時任務都會停止。
Timer任務執行是依賴于系統絕對時間，系統時間變化會導致執行計劃的變更。

由于上述缺陷，盡量不要使用Timer， idea中也會明確提示，使用ScheduledThreadPoolExecutor替代Timer 。

2.1.2 ScheduledExecutorService使用

ScheduledExecutorService對于Timer的缺陷進行了修補，首先ScheduledExecutorService內部實現是ScheduledThreadPool線程池，可以支持多個任務并發執行。

對于某一個線程執行的任務出現異常，也會處理，不會影響其他線程任務的執行，另外ScheduledExecutorService是基于時間間隔的延遲，執行不會由于系統時間的改變發生變化。

當然，ScheduledExecutorService也有自己的局限性：只能根據任務的延遲來進行調度，無法滿足基于絕對時間和日歷調度的需求。

2.2 Spring Task

2.2.1 Spring Task 使用

spring task 是spring自主開發的輕量級定時任務框架，不需要依賴其他額外的包，配置較為簡單。

此處使用注解配置

2.2.2 Spring Task缺陷

Spring Task 本身不支持持久化，也沒有推出官方的分布式集群模式，只能靠開發者在業務應用中自己手動擴展實現，無法滿足可視化，易配置的需求。

2.3 永遠經典的 Quartz

2.3.1 基本介紹

Quartz框架是Java領域最著名的開源任務調度工具，也是目前事實上的定時任務標準，幾乎全部的開源定時任務框架都是基于Quartz核心調度構建而成。

2.3.2 原理解析

核心組件和架構

關鍵概念

（1）Scheduler：任務調度器，是執行任務調度的控制器。本質上是一個計劃調度容器，注冊了全部Trigger和對應的JobDetail，使用線程池作為任務運行的基礎組件，提高任務執行效率。

（2）Trigger：觸發器，用于定義任務調度的時間規則，告訴任務調度器什么時候觸發任務，其中CronTrigger是基于cron表達式構建的功能強大的觸發器。

（3）Calendar：日歷特定時間點的集合。一個trigger可以包含多個Calendar，可用于排除或包含某些時間點。

（4）JobDetail：是一個可執行的工作，用來描述Job實現類及其它相關的靜態信息，如Job的名稱、監聽器等相關信息。

（5）Job：任務執行接口，只有一個execute方法，用于執行真正的業務邏輯。

（6）JobStore：任務存儲方式，主要有RAMJobStore和JDBCJobStore，RAMJobStore是存儲在JVM的內存中，有丟失和數量受限的風險，JDBCJobStore是將任務信息持久化到數據庫中，支持集群。

2.3.3 實踐說明

（1）關于Quartz的基本使用

可參考Quartz官方文檔和網上博客實踐教程。

（2）業務使用要滿足動態修改和重啟不丟失，一般需要使用數據庫進行保存。

Quartz本身支持JDBCJobStore，但是其配置的數據表比較多，官方推薦配置可參照官方文檔，超過10張表，業務使用比較重。
在使用的時候只需要存在基本trigger配置和對應任務以及相關執行日志的表即可滿足絕大部分需求。

（3）組件化

將quartz動態任務配置信息持久化到數據庫，將數據操作包裝成基本jar包，供項目之間使用，引用項目只需要引入jar包依賴和配置對應的數據表，使用時就可以對Quartz配置透明。

（4）擴展

集群模式通過故障轉移和負載均衡實現了任務的高可用性，通過數據庫的鎖機制來確保任務執行的唯一性，但是集群特性僅僅只是用來HA，節點數量的增加并不會提升單個任務的執行效率，不能實現水平擴展。
Quartz插件可以對特定需要進行擴展，比如增加觸發器和任務執行日志，任務依賴串行處理場景，可參考：quartz插件——實現任務之間的串行調度

2.3.4 缺陷和不足

（1）需要把任務信息持久化到業務數據表，和業務有耦合。

（2）調度邏輯和執行邏輯并存于同一個項目中，在機器性能固定的情況下，業務和調度之間不可避免地會相互影響。

（3）quartz集群模式下，是通過數據庫獨占鎖來唯一獲取任務，任務執行并沒有實現完善的負載均衡機制。

2.4 輕量級神器 XXL-JOB

2.4.1 基本介紹

XXL-JOB是一個輕量級分布式任務調度平臺，主打特點是平臺化，易部署，開發迅速、學習簡單、輕量級、易擴展，代碼仍在持續更新中。

“調度中心”是任務調度控制臺，平臺自身并不承擔業務邏輯，只是負責任務的統一管理和調度執行，并且提供任務管理平臺， “執行器” 負責接收“調度中心”的調度并執行，可直接部署執行器，也可以將執行器集成到現有業務項目中。通過將任務的調度控制和任務的執行解耦，業務使用只需要關注業務邏輯的開發。

主要提供了任務的動態配置管理、任務監控和統計報表以及調度日志幾大功能模塊，支持多種運行模式和路由策略，可基于對應執行器機器集群數量進行簡單分片數據處理。

2.4.2 原理解析

2.1.0版本前核心調度模塊都是基于quartz框架，2.1.0版本開始自研調度組件，移除quartz依賴，使用時間輪調度。

2.4.3 實踐說明

詳細配置和介紹參考官方文檔。

2.4.3.1 demo使用：

示例1：實現簡單任務配置，只需要繼承IJobHandler 抽象類，并聲明注解

@JobHandler(value="offlineTaskJobHandler") ，實現業務邏輯即可。（注：此次引入了dubbo，后文介紹）。

@JobHandler(value="offlineTaskJobHandler")
@Component
public class OfflineTaskJobHandler extends IJobHandler {
  
   @Reference(check = false,version = "cms-dev",group="cms-service")
   private OfflineTaskExecutorFacade offlineTaskExecutorFacade;
  
   @Override
   public ReturnT<String> execute(String param) throws Exception {
      XxlJobLogger.log(" offlineTaskJobHandler start.");
  
      try {
         offlineTaskExecutorFacade.executeOfflineTask();
      } catch (Exception e) {
         XxlJobLogger.log("offlineTaskJobHandler-->exception." , e);
         return FAIL;
      }
  
      XxlJobLogger.log("XXL-JOB, offlineTaskJobHandler end.");
      return SUCCESS;
   }
}

示例2：分片廣播任務。

@JobHandler(value="shardingJobHandler")
@Service
public class ShardingJobHandler extends IJobHandler {
  
   @Override
   public ReturnT<String> execute(String param) throws Exception {
  
      // 分片參數
      ShardingUtil.ShardingVO shardingVO = ShardingUtil.getShardingVo();
      XxlJobLogger.log("分片參數：當前分片序號 = {}, 總分片數 = {}", shardingVO.getIndex(), shardingVO.getTotal());
  
      // 業務邏輯
      for (int i = 0; i < shardingVO.getTotal(); i++) {
         if (i == shardingVO.getIndex()) {
            XxlJobLogger.log("第 {} 片, 命中分片開始處理", i);
         } else {
            XxlJobLogger.log("第 {} 片, 忽略", i);
         }
      }
  
      return SUCCESS;
   }
}

2.4.3.2 整合dubbo

（1）引入dubbo-spring-boot-starter和業務facade jar包依賴。

<dependency>
    <groupId>com.alibaba.spring.boot</groupId>
    <artifactId>dubbo-spring-boot-starter</artifactId>
    <version>2.0.0</version>
</dependency>
  
<dependency>
    <groupId>com.demo.service</groupId>
    <artifactId>xxx-facade</artifactId>
    <version>1.9-SNAPSHOT</version>
</dependency>

（2）配置文件加入dubbo消費端配置（可根據環境定義多個配置文件，通過profile切換）。

## Dubbo 服務消費者配置
spring.dubbo.Application.name=xxl-job
  
spring.dubbo.registry.address=zookeeper://zookeeper.xyz:2183
spring.dubbo.port=20880
  
spring.dubbo.version=demo
spring.dubbo.group=demo-service

（3）代碼中通過@Reference注入facade接口即可。

@Reference(check = false,version = "demo",group="demo-service")
private OfflineTaskExecutorFacade offlineTaskExecutorFacade;

（4）啟動程序加入@EnableDubboConfiguration注解。

@SpringBootApplication
@EnableDubboConfiguration
public class XxlJobExecutorApplication {
   public static void main(String[] args) {
        SpringApplication.run(XxlJobExecutorApplication.class, args);
   }
}

2.4.4 任務可視化配置

內置了平臺項目，方便了開發者對任務的管理和執行日志的監控，并提供了一些便于測試的功能。

2.4.5 擴展

（1）任務監控和報表的優化。

（2）任務報警方式的擴展，比如加入告警中心，提供內部消息，短信告警。

（3）對實際業務內部執行出現異常情況下的不同監控告警和重試策略。

2.5 高可用 Elastic-Job

2.5.1 基本介紹

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。

可惜的是已經兩年沒有迭代更新記錄。

2.5.2 原理解析

2.5.3 實踐說明

2.5.3.1 demo使用

（1）安裝zookeeper，配置注冊中心config，配置文件加入注冊中心zk的配置。

@Configuration
@ConditionalOnExpression("'${regCenter.serverList}'.length() > 0")
public class JobRegistryCenterConfig {
  
    @Bean(initMethod = "init")
    public ZookeeperRegistryCenter regCenter(@Value("${regCenter.serverList}") final String serverList,
                                             @Value("${regCenter.namespace}") final String namespace) {
        return new ZookeeperRegistryCenter(new ZookeeperConfiguration(serverList, namespace));
    }
}

spring.application.name=demo_elasticjob
  
regCenter.serverList=localhost:2181
regCenter.namespace=demo_elasticjob
  
spring.datasource.url=jdbc:MySQL://127.0.0.1:3306/xxl-job?Unicode=true&characterEncoding=UTF-8
spring.datasource.username=user
spring.datasource.password=pwd

（2）配置數據源config，并配置文件中加入數據源配置。

@Getter
@Setter
@NoArgsConstructor
@AllArgsConstructor
@ToString
@Configuration
@ConfigurationProperties(prefix = "spring.datasource")
public class DataSourceProperties {
    private String url;
    private String username;
    private String password;
  
    @Bean
    @Primary
    public DataSource getDataSource() {
        DruidDataSource dataSource = new DruidDataSource();
        dataSource.setUrl(url);
        dataSource.setUsername(username);
        dataSource.setPassword(password);
        return dataSource;
    }
}

???????

spring.datasource.url=jdbc:mysql://127.0.0.1:3306/xxl-job?Unicode=true&characterEncoding=UTF-8
spring.datasource.username=user
spring.datasource.password=pwd

（3）配置事件config。???????

@Configuration
public class JobEventConfig {
    @Autowired
    private DataSource dataSource;
  
    @Bean
    public JobEventConfiguration jobEventConfiguration() {
        return new JobEventRdbConfiguration(dataSource);
    }
}

（4）為了便于靈活配置不同的任務觸發事件，加入ElasticSimpleJob注解。???????

@Target({ElementType.TYPE})
@Retention(RetentionPolicy.RUNTIME)
public @interface ElasticSimpleJob {
  
    @AliasFor("cron")
    String value() default "";
  
    @AliasFor("value")
    String cron() default "";
  
    String jobName() default "";
  
    int shardingTotalCount() default 1;
  
    String shardingItemParameters() default "";
  
    String jobParameter() default "";
}

（5）對配置進行初始化。???????

@Configuration
@ConditionalOnExpression("'${elaticjob.zookeeper.server-lists}'.length() > 0")
public class ElasticJobAutoConfiguration {
  
    @Value("${regCenter.serverList}")
    private String serverList;
  
    @Value("${regCenter.namespace}")
    private String namespace;
  
    @Autowired
    private ApplicationContext applicationContext;
    @Autowired
    private DataSource dataSource;
  
    @PostConstruct
    public void initElasticJob() {
        ZookeeperRegistryCenter regCenter = new ZookeeperRegistryCenter(new ZookeeperConfiguration(serverList, namespace));
        regCenter.init();
        Map<String, SimpleJob> map = applicationContext.getBeansOfType(SimpleJob.class);
  
        for (Map.Entry<String, SimpleJob> entry : map.entrySet()) {
            SimpleJob simpleJob = entry.getValue();
            ElasticSimpleJob elasticSimpleJobAnnotation = simpleJob.getClass().getAnnotation(ElasticSimpleJob.class);
  
            String cron = StringUtils.defaultIfBlank(elasticSimpleJobAnnotation.cron(), elasticSimpleJobAnnotation.value());
            SimpleJobConfiguration simpleJobConfiguration = new SimpleJobConfiguration(JobCoreConfiguration.newBuilder(simpleJob.getClass().getName(), cron, elasticSimpleJobAnnotation.shardingTotalCount()).shardingItemParameters(elasticSimpleJobAnnotation.shardingItemParameters()).build(), simpleJob.getClass().getCanonicalName());
            LiteJobConfiguration liteJobConfiguration = LiteJobConfiguration.newBuilder(simpleJobConfiguration).overwrite(true).build();
  
            JobEventRdbConfiguration jobEventRdbConfiguration = new JobEventRdbConfiguration(dataSource);
            SpringJobScheduler jobScheduler = new SpringJobScheduler(simpleJob, regCenter, liteJobConfiguration, jobEventRdbConfiguration);
            jobScheduler.init();
        }
    }
}

（6）實現 SimpleJob接口，按上文中方法整合dubbo, 完成業務邏輯。???????

@ElasticSimpleJob(
        cron = "*/10 * * * * ?",
        jobName = "OfflineTaskJob",
        shardingTotalCount = 2,
        jobParameter = "測試參數",
        shardingItemParameters = "0=A,1=B")
@Component
public class MySimpleJob implements SimpleJob {
    Logger logger = LoggerFactory.getLogger(OfflineTaskJob.class);
  
    @Reference(check = false, version = "cms-dev", group = "cms-service")
    private OfflineTaskExecutorFacade offlineTaskExecutorFacade;
  
  
    @Override
    public void execute(ShardingContext shardingContext) {
  
        offlineTaskExecutorFacade.executeOfflineTask();
  
        logger.info(String.format("Thread ID: %s, 作業分片總數: %s, " +
                        "當前分片項: %s.當前參數: %s," +
                        "作業名稱: %s.作業自定義參數: %s"
                ,
                Thread.currentThread().getId(),
                shardingContext.getShardingTotalCount(),
                shardingContext.getShardingItem(),
                shardingContext.getShardingParameter(),
                shardingContext.getJobName(),
                shardingContext.getJobParameter()
        ));
    }
}