定时任务 Java 分布式任务调度平台 XXL-JOB 实战

❤ 作者主页：欢迎来到我的技术博客 ❀ 个人介绍：大家好，本人热衷于Java后端开发，欢迎来交流学习哦！(￣▽￣)~*  如果文章对您有帮助，记得关注、点赞、收藏、评论⭐️⭐️⭐️  您的支持将是我创作的动力，让我们一起加油进步吧！！！

1、概述

1.1 什么是任务调度

我们可以思考一下下面业务场景的解决方案:

某电商平台需要每天上午10点，下午3点，晚上8点发放一批优惠券某银行系统需要在信用卡到期还款日的前三天进行短信提醒某财务系统需要在每天凌晨0:10分结算前一天的财务数据，统计汇总

以上场景就是任务调度所需要解决的问题

任务调度是为了自动完成特定任务，在约定的特定时刻去执行任务的过程

1.2 为什么需要任务调度

使用Spring中提供的注解@Scheduled，也能实现调度的功能

在业务类中方法中贴上这个注解,然后在启动类上贴上@EnableScheduling注解

@Scheduled(cron = "0/20 * * * * ? ")

public void doWork(){

//doSomething

}

感觉Spring给我们提供的这个注解可以完成任务调度的功能，好像已经完美解决问题了，为什么还需要分布式呢?

主要有如下这几点原因:

高可用：单机版的定式任务调度只能在一台机器上运行，如果程序或者系统出现异常就会导致功能不可用。防止重复执行: 在单机模式下，定时任务是没什么问题的。但当我们部署了多台服务，同时又每台服务又有定时任务时，若不进行合理的控制在同一时间，只有一个定时任务启动执行，这时，定时执行的结果就可能存在混乱和错误了单机处理极限：原本1分钟内需要处理1万个订单，但是现在需要1分钟内处理10万个订单；原来一个统计需要1小时，现在业务方需要10分钟就统计出来。你也许会说，你也可以多线程、单机多进程处理。的确，多线程并行处理可以提高单位时间的处理效率，但是单机能力毕竟有限（主要是CPU、内存和磁盘），始终会有单机处理不过来的情况。

1.3 XXL-JOB介绍

XXL-Job：是大众点评的分布式任务调度平台，是一个轻量级分布式任务调度平台, 其核心设计目标是开发迅速、学习简单、轻量级、易扩展

大众点评目前已接入XXL-JOB，该系统在内部已调度约100万次，表现优异。

目前已有多家公司接入xxl-job，包括比较知名的大众点评，京东，优信二手车，360金融 (360)，联想集团 (联想)，易信 (网易)等等。

官网地址: https://www.xuxueli.com/xxl-job/

系统架构图

设计思想将调度行为抽象形成“调度中心”公共平台，而平台自身并不承担业务逻辑，“调度中心”负责发起调度请求。

将任务抽象成分散的JobHandler，交由“执行器”统一管理，“执行器”负责接收调度请求并执行对应的JobHandler中业务逻辑。

因此，“调度”和“任务”两部分可以相互解耦，提高系统整体稳定性和扩展性。

2、快速入门

2.1 下载源码

源码下载地址： https://github.com/xuxueli/xxl-job https://gitee.com/xuxueli0323/xxl-job

2.2 初始化调度数据库

请下载项目源码并解压，获取 “调度数据库初始化SQL脚本” 并执行即可。

“调度数据库初始化SQL脚本” 位置为:

/xxl-job/doc/db/tables_xxl_job.sql

2.3 编译源码

解压源码,按照maven格式将源码导入IDE, 使用maven进行编译即可，源码结构如下：

2.4 配置部署调度中心

2.4.1 调度中心配置

修改xxl-job-admin项目的配置文件application.properties,把数据库账号密码配置上：

### web

server.port=8080

server.servlet.context-path=/xxl-job-admin

### actuator

management.server.servlet.context-path=/actuator

management.health.mail.enabled=false

### resources

spring.mvc.servlet.load-on-startup=0

spring.mvc.static-path-pattern=/static/**

spring.resources.static-locations=classpath:/static/

### freemarker

spring.freemarker.templateLoaderPath=classpath:/templates/

spring.freemarker.suffix=.ftl

spring.freemarker.charset=UTF-8

spring.freemarker.request-context-attribute=request

spring.freemarker.settings.number_format=0.##########

### mybatis

mybatis.mapper-locations=classpath:/mybatis-mapper/*Mapper.xml

#mybatis.type-aliases-package=com.xxl.job.admin.core.model

### xxl-job, datasource

spring.datasource.url=jdbc:mysql://192.168.202.200:3306/xxl_job?useUnicode=true&characterEncoding=UTF-8&autoReconnect=true&serverTimezone=Asia/Shanghai

spring.datasource.username=root

spring.datasource.password=123456

spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver

### datasource-pool

spring.datasource.type=com.zaxxer.hikari.HikariDataSource

spring.datasource.hikari.minimum-idle=10

spring.datasource.hikari.maximum-pool-size=30

spring.datasource.hikari.auto-commit=true

spring.datasource.hikari.idle-timeout=30000

spring.datasource.hikari.pool-name=HikariCP

spring.datasource.hikari.max-lifetime=900000

spring.datasource.hikari.connection-timeout=10000

spring.datasource.hikari.connection-test-query=SELECT 1

spring.datasource.hikari.validation-timeout=1000

### xxl-job, email

spring.mail.host=smtp.qq.com

spring.mail.port=25

spring.mail.username=xxx@qq.com

spring.mail.from=xxx@qq.com

spring.mail.password=xxx

spring.mail.properties.mail.smtp.auth=true

spring.mail.properties.mail.smtp.starttls.enable=true

spring.mail.properties.mail.smtp.starttls.required=true

spring.mail.properties.mail.smtp.socketFactory.class=javax.net.ssl.SSLSocketFactory

### xxl-job, access token

xxl.job.accessToken=default_token

### xxl-job, i18n (default is zh_CN, and you can choose "zh_CN", "zh_TC" and "en")

xxl.job.i18n=zh_CN

## xxl-job, triggerpool max size

xxl.job.triggerpool.fast.max=200

xxl.job.triggerpool.slow.max=100

### xxl-job, log retention days

xxl.job.logretentiondays=30

2.4.2 部署项目

运行XxlJobAdminApplication程序即可.

调度中心访问地址: http://localhost:8080/xxl-job-admin

默认登录账号 “admin/123456”, 登录后运行界面如下图所示。

至此“调度中心”项目已经部署成功。

2.5 配置项目执行器项目

2.5.1 添加Maven依赖

创建SpringBoot项目并且添加如下依赖：

com.xuxueli

xxl-job-core

2.3.1

2.5.2 执行器配置

在配置文件中添加如下配置：

### 调度中心部署根地址 [选填]：如调度中心集群部署存在多个地址则用逗号分隔。执行器将会使用该地址进行"执行器心跳注册"和"任务结果回调"；为空则关闭自动注册；

xxl.job.admin.addresses=http://127.0.0.1:8080/xxl-job-admin

### 执行器通讯TOKEN [选填]：非空时启用；

xxl.job.accessToken=default_token

### 执行器AppName [选填]：执行器心跳注册分组依据；为空则关闭自动注册

xxl.job.executor.appname=xxl-job-executor-sample

### 执行器注册 [选填]：优先使用该配置作为注册地址，为空时使用内嵌服务 ”IP:PORT“ 作为注册地址。从而更灵活的支持容器类型执行器动态IP和动态映射端口问题。

xxl.job.executor.address=

### 执行器IP [选填]：默认为空表示自动获取IP，多网卡时可手动设置指定IP，该IP不会绑定Host仅作为通讯实用；地址信息用于 "执行器注册" 和 "调度中心请求并触发任务"；

xxl.job.executor.ip=127.0.0.1

### 执行器端口号 [选填]：小于等于0则自动获取；默认端口为9999，单机部署多个执行器时，注意要配置不同执行器端口；

xxl.job.executor.port=9999

### 执行器运行日志文件存储磁盘路径 [选填] ：需要对该路径拥有读写权限；为空则使用默认路径；

xxl.job.executor.logpath=/data/applogs/xxl-job/jobhandler

### 执行器日志文件保存天数 [选填] ：过期日志自动清理, 限制值大于等于3时生效; 否则, 如-1, 关闭自动清理功能；

xxl.job.executor.logretentiondays=30

2.5.3 添加执行器配置

创建XxlJobConfig配置对象:

@Configuration

public class XxlJobConfig {

@Value("${xxl.job.admin.addresses}")

private String adminAddresses;

@Value("${xxl.job.accessToken}")

private String accessToken;

@Value("${xxl.job.executor.appname}")

private String appname;

@Value("${xxl.job.executor.address}")

private String address;

@Value("${xxl.job.executor.ip}")

private String ip;

@Value("${xxl.job.executor.port}")

private int port;

@Value("${xxl.job.executor.logpath}")

private String logPath;

@Value("${xxl.job.executor.logretentiondays}")

private int logRetentionDays;

@Bean

public XxlJobSpringExecutor xxlJobExecutor() {

XxlJobSpringExecutor xxlJobSpringExecutor = new XxlJobSpringExecutor();

xxlJobSpringExecutor.setAdminAddresses(adminAddresses);

xxlJobSpringExecutor.setAppname(appname);

xxlJobSpringExecutor.setAddress(address);

xxlJobSpringExecutor.setIp(ip);

xxlJobSpringExecutor.setPort(port);

xxlJobSpringExecutor.setAccessToken(accessToken);

xxlJobSpringExecutor.setLogPath(logPath);

xxlJobSpringExecutor.setLogRetentionDays(logRetentionDays);

return xxlJobSpringExecutor;

}

2.5.4 添加任务处理器

添加任务处理类，交给Spring容器管理，在处理方法上贴上@XxlJob注解：

@Component

public class SimpleXxlJob {

@XxlJob("demoJobHandler")

public void demoJobHandler() throws Exception {

System.out.println("执行定时任务,执行时间:"+new Date());

}

2.6 运行HelloWorld程序

2.6.1 任务配置&触发执行

登录调度中心，在任务管理中新增任务，配置内容如下：

新增界面如下：

接着启动定时调度任务：

2.6.2 查看日志

在调度中心的调度日志中就可以看到，任务的执行结果：

控制台也可以看到任务的执行信息：

2.7 GLUE模式(Java)

任务以源码方式维护在调度中心，支持通过Web IDE在线更新，实时编译和生效，因此不需要指定JobHandler。

“GLUE模式(Java)” 运行模式的任务实际上是一段继承自IJobHandler的Java类代码，它在执行器项目中运行，可使用@Resource/@Autowire注入执行器里中的其他服务。

添加Service

@Service

public class HelloService {

public void methodA(){

System.out.println("执行MethodA的方法");

}

public void methodB(){

System.out.println("执行MethodB的方法");

}

添加任务配置通过GLUE IDE在线编辑代码

编写内容如下：

package com.xxl.job.service.handler;

import cn.wolfcode.xxljobdemo.service.HelloService;

import com.xxl.job.core.handler.IJobHandler;

import org.springframework.beans.factory.annotation.Autowired;

public class DemoGlueJobHandler extends IJobHandler {

@Autowired

private HelloService helloService;

@Override

public void execute() throws Exception {

helloService.methodA();

}

启动并执行任务

2.7 执行器集群

2.7.1 集群环境搭建

在IDEA中设置SpringBoot项目运行多个集群

启动两个SpringBoot程序，需要修改Tomcat端口和执行器端口

Tomcat端口8090程序的命令行参数如下: -Dserver.port=8090 -Dxxl.job.executor.port=9998

Tomcat端口8090程序的命令行参数如下: -Dserver.port=8091 -Dxxl.job.executor.port=9999

在任务管理中，修改路由策略，修改成轮询

重新启动，我们可以看到效果是，定时任务会在这两台机器中进行轮询的执行：

8090端口的控制台日志如下： 8091端口的控制台端口日志如下：

2.7.2 调度路由算法讲解

当执行器集群部署时，提供丰富的路由策略，包括:

FIRST（第一个）：固定选择第一个机器 LAST（最后一个）：固定选择最后一个机器； ROUND（轮询）：依次的选择在线的机器发起调度 RANDOM（随机）：随机选择在线的机器； CONSISTENT_HASH（一致性HASH）：每个任务按照Hash算法固定选择某一台机器，且所有任务均匀散列在不同机器上。 LEAST_FREQUENTLY_USED（最不经常使用）：使用频率最低的机器优先被选举； LEAST_RECENTLY_USED（最近最久未使用）：最久未使用的机器优先被选举； FAILOVER（故障转移）：按照顺序依次进行心跳检测，第一个心跳检测成功的机器选定为目标执行器并发起调度； BUSYOVER（忙碌转移）：按照顺序依次进行空闲检测，第一个空闲检测成功的机器选定为目标执行器并发起调度； SHARDING_BROADCAST(分片广播)：广播触发对应集群中所有机器执行一次任务，同时系统自动传递分片参数；可根据分片参数开发分片任务；

3、分片功能讲解

3.1 案例需求讲解

需求：我们现在实现这样的需求，在指定节假日，需要给平台的所有用户去发送祝福的短信。

3.1.1 初始化数据

在数据库中导入xxl_job_demo.sql数据

3.1.2 集成MyBaetis

添加依赖

org.mybatis.spring.boot

mybatis-spring-boot-starter

1.2.0

mysql

mysql-connector-java

org.projectlombok

lombok

provided

com.alibaba

druid

1.1.10

添加配置

spring.datasource.url=jdbc:mysql://localhost:3306/xxl_job_demo?serverTimezone=GMT%2B8&useUnicode=true&characterEncoding=UTF-8

spring.datasource.driverClassName=com.mysql.jdbc.Driver

spring.datasource.type=com.alibaba.druid.pool.DruidDataSource

spring.datasource.username=root

spring.datasource.password=WolfCode_2017

添加实体类

@Setter@Getter

public class UserMobilePlan {

private Long id;//主键

private String username;//用户名

private String nickname;//昵称

private String phone;//手机号码

private String info;//备注

}

添加Mapper处理类

@Mapper

public interface UserMobilePlanMapper {

@Select("select * from t_user_mobile_plan")

List selectAll();

}

3.1.3 业务功能实现

任务处理方法实现

@XxlJob("sendMsgHandler")

public void sendMsgHandler() throws Exception{

List userMobilePlans = userMobilePlanMapper.selectAll();

System.out.println("任务开始时间:"+new Date()+",处理任务数量:"+userMobilePlans.size());

Long startTime = System.currentTimeMillis();

userMobilePlans.forEach(item->{

try {

//模拟发送短信动作

TimeUnit.MILLISECONDS.sleep(10);

} catch (InterruptedException e) {

e.printStackTrace();

}

});

System.out.println("任务结束时间:"+new Date());

System.out.println("任务耗时:"+(System.currentTimeMillis()-startTime)+"毫秒");

}

任务配置信息

3.2 分片概念讲解

比如我们的案例中有2000+条数据，如果不采取分片形式的话，任务只会在一台机器上执行，这样的话需要20+秒才能执行完任务.

如果采取分片广播的形式的话，一次任务调度将会广播触发对应集群中所有执行器执行一次任务，同时系统自动传递分片参数；可根据分片参数开发分片任务；

获取分片参数方式:

// 可参考Sample示例执行器中的示例任务"ShardingJobHandler"了解试用

int shardIndex = XxlJobHelper.getShardIndex();

int shardTotal = XxlJobHelper.getShardTotal();

通过这两个参数，我们可以通过求模取余的方式，分别查询，分别执行，这样的话就可以提高处理的速度。

之前2000+条数据只在一台机器上执行需要20+秒才能完成任务，分片后，有两台机器可以共同完成2000+条数据，每台机器处理1000+条数据，这样的话只需要10+秒就能完成任务。

3.3 案例改造成任务分片

Mapper增加查询方法

@Mapper

public interface UserMobilePlanMapper {

@Select("select * from t_user_mobile_plan where mod(id,#{shardingTotal})=#{shardingIndex}")

List selectByMod(@Param("shardingIndex") Integer shardingIndex,@Param("shardingTotal")Integer shardingTotal);

@Select("select * from t_user_mobile_plan")

List selectAll();

}

任务类方法

@XxlJob("sendMsgShardingHandler")

public void sendMsgShardingHandler() throws Exception{

System.out.println("任务开始时间:"+new Date());

int shardTotal = XxlJobHelper.getShardTotal();

int shardIndex = XxlJobHelper.getShardIndex();

List userMobilePlans = null;

if(shardTotal==1){

//如果没有分片就直接查询所有数据

userMobilePlans = userMobilePlanMapper.selectAll();

}else{

userMobilePlans = userMobilePlanMapper.selectByMod(shardIndex,shardTotal);

}

System.out.println("处理任务数量:"+userMobilePlans.size());

Long startTime = System.currentTimeMillis();

userMobilePlans.forEach(item->{

try {

TimeUnit.MILLISECONDS.sleep(10);

} catch (InterruptedException e) {

e.printStackTrace();

}

});

System.out.println("任务结束时间:"+new Date());

System.out.println("任务耗时:"+(System.currentTimeMillis()-startTime)+"毫秒");

}

任务设置

非常感谢您阅读到这里，如果这篇文章对您有帮助，希望能留下您的点赞 关注 分享 留言thanks！！！

好文推荐

评论可见，请评论后查看内容，谢谢！！！

您阅读本篇文章共花了：

金钥匙

定时任务 Java 分布式任务调度平台 XXL-JOB 实战

【论文复现】基于区块链的分布式光伏就地消纳交易模式研究（Matlab代码实现）

分布式 java Kafka系列——详解如何使用消费者处理偏移量实现可靠性消费

发表评论取消回复

金钥匙

定时任务 Java 分布式任务调度平台 XXL-JOB 实战

【论文复现】基于区块链的分布式光伏就地消纳交易模式研究（Matlab代码实现）

分布式 java Kafka系列——详解如何使用消费者处理偏移量实现可靠性消费

相关文章

发表评论取消回复