作者：黄晓萌（学仁）
定时工作是每个业务常见的需要，比方每分钟扫描超时领取的订单，每小时清理一次数据库历史数据，每天统计前一天的数据并生成报表等等。
Java 中自带的解决方案
应用 Timer
创立 java.util.TimerTask 工作，在 run 办法中实现业务逻辑。通过 java.util.Timer 进行调度，反对依照固定频率执行。所有的 TimerTask 是在同一个线程中串行执行，相互影响。也就是说，对于同一个 Timer 里的多个 TimerTask 工作，如果一个 TimerTask 工作在执行中，其它 TimerTask 即便达到执行的工夫，也只能排队期待。如果有异样产生，线程将退出，整个定时工作就失败。
import java.util.Timer;
import java.util.TimerTask;
public class TestTimerTask {public static void main(String[] args) {TimerTask timerTask = new TimerTask() {
@Override
public void run() {System.out.println("hell world");
}
};
Timer timer = new Timer();
timer.schedule(timerTask, 10, 3000);
}
}应用 ScheduledExecutorService
基于线程池设计的定时工作解决方案，每个调度工作都会调配到线程池中的一个线程去执行，解决 Timer 定时器无奈并发执行的问题，反对 fixedRate 和 fixedDelay。
import java.util.Timer;
import java.util.TimerTask;
public class TestTimerTask {public static void main(String[] args) {TimerTask timerTask = new TimerTask() {
@Override
public void run() {System.out.println("hell world");
}
};
Timer timer = new Timer();
timer.schedule(timerTask, 10, 3000);
}
}Spring 中自带的解决方案
Springboot 中提供了一套轻量级的定时工作工具 Spring Task，通过注解能够很不便的配置，反对 cron 表达式、fixedRate、fixedDelay。
import java.util.concurrent.Executors;
import java.util.concurrent.ScheduledExecutorService;
import java.util.concurrent.TimeUnit;
public class TestTimerTask {public static void main(String[] args) {ScheduledExecutorService ses = Executors.newScheduledThreadPool(5);
// 依照固定频率执行，每隔 5 秒跑一次
ses.scheduleAtFixedRate(new Runnable() {
@Override
public void run() {System.out.println("hello fixedRate");
}
}, 0, 5, TimeUnit.SECONDS);
// 依照固定延时执行，上次执行完后隔 3 秒再跑
ses.scheduleWithFixedDelay(new Runnable() {
@Override
public void run() {System.out.println("hello fixedDelay");
}
}, 0, 3, TimeUnit.SECONDS);
}
}Spring Task 绝对于下面提到的两种解决方案，最大的劣势就是反对 cron 表达式，能够解决依照规范工夫固定周期执行的业务，比方每天几点几分执行。
业务幂等解决方案
当初的利用根本都是分布式部署，所有机器的代码都是一样的，后面介绍的 Java 和 Spring 自带的解决方案，都是过程级别的，每台机器在同一时间点都会执行定时工作。这样会导致须要业务幂等的定时工作业务有问题，比方每月定时给用户推送音讯，就会推送屡次。
于是，很多利用很天然的就想到了应用分布式锁的解决方案。即每次定时工作执行之前，先去抢锁，抢到锁的执行工作，抢不到锁的不执行。怎么抢锁，又是形形色色，比方应用 DB、zookeeper、redis。
## 应用 DB 或者 Zookeeper 抢锁
应用 DB 或者 Zookeeper 抢锁的架构差不多，原理如下：
- 定时工夫到了，在回调办法里，先去抢锁。
- 抢到锁，则继续执行办法，没抢到锁间接返回。
- 执行完办法后，开释锁。
示例代码如下：
import org.springframework.scheduling.annotation.EnableScheduling;
import org.springframework.scheduling.annotation.Scheduled;
import org.springframework.stereotype.Component;
@Component
@EnableScheduling
public class MyTask {
/**
* 每分钟的第 30 秒跑一次
*/
@Scheduled(cron = "30 * * * * ?")
public void task1() throws InterruptedException {System.out.println("hello cron");
}
/**
* 每隔 5 秒跑一次
*/
@Scheduled(fixedRate = 5000)
public void task2() throws InterruptedException {System.out.println("hello fixedRate");
}
/**
* 上次跑完隔 3 秒再跑
*/
@Scheduled(fixedDelay = 3000)
public void task3() throws InterruptedException {System.out.println("hello fixedDelay");
}
}以后的这个设计，认真一点的同学能够发现，其实还是有可能导致工作反复执行的。比方工作执行的十分快，A 这台机器抢到锁，执行完工作后很快就开释锁了。B 这台机器后抢锁，还是会抢到锁，再执行一遍工作。
应用 redis 抢锁
应用 redis 抢锁，其实架构上和 DB/zookeeper 差不多，不过 redis 抢锁反对过期工夫，不必被动去开释锁，并且能够充分利用这个过期工夫，解决工作执行过快开释锁导致工作反复执行的问题，架构如下：
示例代码如下：
@Component
@EnableScheduling
public class MyTask {
/**
* 每分钟的第 30 秒跑一次
*/
@Scheduled(cron = "30 * * * * ?")
public void task1() throws InterruptedException {
String lockName = "task1";
if (tryLock(lockName, 30)) {System.out.println("hello cron");
releaseLock(lockName);
} else {return;}
}
private boolean tryLock(String lockName, long expiredTime) {
//TODO
return true;
}
private void releaseLock(String lockName) {//TODO}
}看到这里，可能又会有同学有问题，加一个过期工夫是不是还是不够谨严，还是有可能工作反复执行？
——确实是的，如果有一台机器忽然长时间的 fullgc，或者之前的工作还没解决完（Spring Task 和 ScheduledExecutorService 实质还是通过线程池解决工作），还是有可能隔了 30 秒再去调度工作的。
应用 Quartz
Quartz[1] 是一套轻量级的任务调度框架，只须要定义了 Job（工作），Trigger（触发器）和 Scheduler（调度器），即可实现一个定时调度能力。反对基于数据库的集群模式，能够做到工作幂等执行。
Quartz 反对工作幂等执行，其实实践上还是抢 DB 锁，咱们看下 quartz 的表构造：
其中，QRTZ_LOCKS 就是 Quartz 集群实现同步机制的行锁表，其表构造如下：
--QRTZ_LOCKS 表构造
CREATE TABLE `QRTZ_LOCKS` (`LOCK_NAME` varchar(40) NOT NULL,
PRIMARY KEY (`LOCK_NAME`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
--QRTZ_LOCKS 记录
+-----------------+
| LOCK_NAME |
+-----------------+
| CALENDAR_ACCESS |
| JOB_ACCESS |
| MISFIRE_ACCESS |
| STATE_ACCESS |
| TRIGGER_ACCESS |
+-----------------+能够看出 QRTZ_LOCKS 中有 5 条记录，代表 5 把锁，别离用于实现多个 Quartz Node 对 Job、Trigger、Calendar 拜访的同步控制。
开源任务调度中间件
下面提到的解决方案，在架构上都有一个问题，那就是每次调度都须要抢锁，特地是应用 DB 和 Zookeeper 抢锁，性能会比拟差，一旦任务量减少到肯定的量，就会有比拟显著的调度延时。还有一个痛点，就是业务想要批改调度配置，或者减少一个工作，得批改代码从新公布利用。
于是开源社区涌现了一堆任务调度中间件，通过任务调度零碎进行工作的创立、批改和调度，这其中国内最火的就是 XXL-JOB 和 ElasticJob。
### ElasticJob
ElasticJob[2] 是一款基于 Quartz 开发，依赖 Zookeeper 作为注册核心、轻量级、无中心化的分布式任务调度框架，目前曾经通过 Apache 开源。
ElasticJob 绝对于 Quartz 来说，从性能上最大的区别就是反对分片，能够将一个工作分片参数分发给不同的机器执行。架构上最大的区别就是应用 Zookeeper 作为注册核心，不同的任务分配给不同的节点调度，不须要抢锁触发，性能上比 Quartz 上弱小很多，架构图如下：
开发上也比较简单，和 springboot 联合比拟好，能够在配置文件定义工作如下：
elasticjob:
regCenter:
serverLists: localhost:2181
namespace: elasticjob-lite-springboot
jobs:
simpleJob:
elasticJobClass: org.apache.shardingsphere.elasticjob.lite.example.job.SpringBootSimpleJob
cron: 0/5 * * * * ?
timeZone: GMT+08:00
shardingTotalCount: 3
shardingItemParameters: 0=Beijing,1=Shanghai,2=Guangzhou
scriptJob:
elasticJobType: SCRIPT
cron: 0/10 * * * * ?
shardingTotalCount: 3
props:
script.command.line: "echo SCRIPT Job:"
manualScriptJob:
elasticJobType: SCRIPT
jobBootstrapBeanName: manualScriptJobBean
shardingTotalCount: 9
props:
script.command.line: "echo Manual SCRIPT Job:"实现工作接口如下：
@Component
public class SpringBootShardingJob implements SimpleJob {
@Override
public void execute(ShardingContext context) {System.out.println("分片总数 ="+context.getShardingTotalCount() + ", 分片号 ="+context.getShardingItem()
+ ", 分片参数 ="+context.getShardingParameter());
}运行后果如下：
分片总数 =3, 分片号 =0, 分片参数 =Beijing
分片总数 =3, 分片号 =1, 分片参数 =Shanghai
分片总数 =3, 分片号 =2, 分片参数 =Guangzhou 同时，ElasticJob 还提供了一个简略的 UI，能够查看工作的列表，同时反对批改、触发、进行、失效、生效操作。
遗憾的是，ElasticJob 暂不反对动态创建工作。
XXL-JOB
XXL-JOB[3] 是一个开箱即用的轻量级分布式任务调度零碎，其外围设计指标是开发迅速、学习简略、轻量级、易扩大，在开源社区宽泛风行。
XXL-JOB 是 Master-Slave 架构，Master 负责工作的调度，Slave 负责工作的执行，架构图如下：
XXL-JOB 接入也很不便，不同于 ElasticJob 定义工作实现类，是通过 @XxlJob 注解定义 JobHandler。
@Component
public class SampleXxlJob {private static Logger logger = LoggerFactory.getLogger(SampleXxlJob.class);
/**
* 1、简略工作示例（Bean 模式）*/
@XxlJob("demoJobHandler")
public ReturnT<String> demoJobHandler(String param) throws Exception {XxlJobLogger.log("XXL-JOB, Hello World.");
for (int i = 0; i < 5; i++) {XxlJobLogger.log("beat at:" + i);
TimeUnit.SECONDS.sleep(2);
}
return ReturnT.SUCCESS;
}
/**
* 2、分片播送工作
*/
@XxlJob("shardingJobHandler")
public ReturnT<String> shardingJobHandler(String param) throws Exception {
// 分片参数
ShardingUtil.ShardingVO shardingVO = ShardingUtil.getShardingVo();
XxlJobLogger.log("分片参数：以后分片序号 = {}, 总分片数 = {}", shardingVO.getIndex(), shardingVO.getTotal());
// 业务逻辑
for (int i = 0; i < shardingVO.getTotal(); i++) {if (i == shardingVO.getIndex()) {XxlJobLogger.log("第 {} 片, 命中分片开始解决", i);
} else {XxlJobLogger.log("第 {} 片, 疏忽", i);
}
}
return ReturnT.SUCCESS;
}
}XXL-JOB 相较于 ElasticJob，最大的特点就是性能比拟丰盛，可运维能力比拟强，岂但反对控制台动态创建工作，还有调度日志、运行报表等性能。
XXL-JOB 的历史记录、运行报表和调度日志，都是基于数据库实现的：
由此能够看出，XXL-JOB 所有性能都依赖数据库，且调度核心不反对分布式架构，在任务量和调度量比拟大的状况下，会有性能瓶颈。不过如果对工作量级、高可用、监控报警、可视化等没有过高要求的话，XXL-JOB 根本能够满足定时工作的需要。
企业级解决方案
开源软件只能提供根底的调度能力，在监管控上的能力个别都比拟弱。比方日志服务，业界往往应用 ELK 解决方案；短信报警，须要有短信平台；监控大盘，当初支流的解决方案是 Prometheus；等等。企业想要有这些能力，岂但须要额定的开发成本，还须要低廉的资源老本。
另外应用开源软件也随同着稳定性的危险，就是出了问题没人能解决，想要反馈到社区等社区解决，这个链路太长了，早就产生故障了。
阿里云任务调度 SchedulerX[4] 是阿里巴巴自研的基于 Akka 架构的一站式任务调度平台，兼容开源 XXL-JOB、ElasticJob、Quartz（布局中），反对 Cron 定时、一次性工作、工作编排、分布式跑批，具备高可用、可视化、可运维、低延时等能力，自带企业级监控大盘、日志服务、短信报警等服务。
劣势
平安防护
• 多层次平安防护：反对 HTTPS 和 VPC 拜访，同时还有阿里云的多层平安防护，避免歹意攻打。
• 多租户隔离机制：反对多地区、命名空间和利用级别的隔离。
• 权限管控：反对控制台读写的权限治理，客户端接入的鉴权。
企业级高可用
SchedulerX2.0 采纳高可用架构，工作多备份机制，经验阿里团体多年双十一、容灾演练，能够做到任意一个机房挂了，任务调度都不会收到影响。
商业级报警运维
• 报警：反对邮件、钉钉、短信、电话，（其余报警形式在布局中）。反对工作失败、超时、无可用机器报警。报警内容能够间接看出工作失败的起因，以钉钉机器人为例。
• 运维操作：原地重跑、重刷数据、标记胜利、查看堆栈、进行工作、指定机器等。
丰盛的可视化
schedulerx 领有丰盛的可视化能力，比方：
• 用户大盘
• 查看工作历史执行记录
• 查看工作运行日志
• 查看工作运行堆栈
• 查看工作操作记录
兼容开源
Schedulerx 兼容开源 XXL-JOB、ElasticJob、Quartz（布局中），业务不须要改一行代码，即能够将工作托管在 SchedulerX 调度平台，享有企业级可视化和报警的能力。
Spring 原生
SchedulerX 反对通过控制台和 API 动态创建工作，也反对 Spring 申明式工作定义，一份工作配置能够拿到任何环境一键启动，配置如下：
spring:
schedulerx2:
endpoint: acm.aliyun.com #请填写不同 regin 的 endpoint
namespace: 433d8b23-06e9-xxxx-xxxx-90d4d1b9a4af #region 内全局惟一，倡议应用 UUID 生成
namespaceName: 学仁测试
appName: myTest
groupId: myTest.group #同一个命名空间下须要惟一
appKey: myTest123@alibaba #利用的 key，不要太简略，留神保存好
regionId: public #填写对应的 regionId
aliyunAccessKey: xxxxxxx #阿里云账号的 ak
aliyunSecretKey: xxxxxxx #阿里云账号的 sk
alarmChannel: sms,ding #报警通道：短信和钉钉
jobs:
simpleJob:
jobModel: standalone
className: com.aliyun.schedulerx.example.processor.SimpleJob
cron: 0/30 * * * * ? # cron 表达式
jobParameter: hello
overwrite: true
shardingJob:
jobModel: sharding
className: ccom.aliyun.schedulerx.example.processor.ShardingJob
oneTime: 2022-06-02 12:00:00 # 一次性工作表达式
jobParameter: 0=Beijing,1=Shanghai,2=Guangzhou
overwrite: true
broadcastJob: # 不填写 cron 和 oneTime，示意 api 工作
jobModel: broadcast
className: com.aliyun.schedulerx.example.processor.BroadcastJob
jobParameter: hello
overwrite: true
mapReduceJob:
jobModel: mapreduce
className: com.aliyun.schedulerx.example.processor.MapReduceJob
cron: 0 * * * * ?
jobParameter: 100
overwrite: true
alarmUsers: #报警联系人
user1:
userName: 张三
userPhone: 12345678900
user2:
userName: 李四
ding: https://oapi.dingtalk.com/robot/send?access_token=xxxxx分布式跑批
SchedulerX 提供了丰盛的分布式模型，能够解决各种各样的分布式业务场景。包含单机、播送、分片、MapReduce[5] 等，架构如下：
SchedulerX 的 MapReduce 模型，简略几行代码，就能够将海量工作分布式到多台机器跑批，绝对于大数据跑批来说，具备速度快、数据安全、成本低、简略易学等特点。
工作编排
SchedulerX 通过工作流进行工作编排，并且提供了一个可视化的界面，操作简略，拖拖拽拽即可配置一个工作流。具体的工作状态图能高深莫测看到上游工作为什么没跑，不便定位问题。
可抢占的工作优先级队列
常见场景是夜间离线报表业务，比方很多报表工作是早晨 1、2 点开始跑，要管制利用最大并发的工作数量（否则业务扛不住），达到并发下限的工作会在队列中期待。同时要求早上 9 点前必须把 KPI 报表跑进去，能够设置 KPI 工作高优先级，会抢占低优先级工作优先调度。
SchedulerX 反对可抢占的工作优先级队列，能够在控制台动静配置：
Q&A
- Kubernetes 利用能够接入 SchedulerX 吗？
——能够的，无论是物理机、容器、还是 Kubernetes pod，都能够接入 SchedulerX。 - 我的利用不在阿里云上，可否应用 SchedulerX？
——能够的，任何云平台或者本地机器，只有能拜访公网，都能够接入 SchedulerX。