除了前文介绍的ElasticJob,xxl-job在很多中小公司有着利用(尽管其代码和设计等品质并不太高,License不够凋谢,有着个人主义色调,然而其具体开箱应用的便捷性和性能绝对欠缺性,这是中小团队采纳的次要起因);XXL-JOB是一个分布式任务调度平台,其外围设计指标是开发迅速、学习简略、轻量级、易扩大。本文介绍XXL-JOB以及SpringBoot的集成。@pdai
SpringBoot定时工作 - 分布式xxl-job形式
常识筹备
- 分布式工作常识体系
- 什么是xxl-job
xxl-job的架构设计
- 设计思维
- 零碎组成
- 架构图
实现案例
Bean模式(基于办法)
- Job的开发环境依赖
- Job的开发
- Job的调度配置和执行
Bean模式(基于类)
- Job的开发环境依赖
- Job的开发
- Job的调度配置和执行
GLUE模式
- 配置和启动流程
- GLUE模式还有哪些
- 更多配置的阐明
- 示例源码
常识筹备
须要对分布式工作的常识体系和xxl-Job有根本的了解。@pdai
什么是xxl-job
XXL-JOB是一个分布式任务调度平台,其外围设计指标是开发迅速、学习简略、轻量级、易扩大。现已凋谢源代码并接入多家公司线上产品线,开箱即用。如下内容来源于xxl-job官网
反对如下个性:
- 1、简略:反对通过Web页面对工作进行CRUD操作,操作简略,一分钟上手;
- 2、动静:反对动静批改工作状态、启动/进行工作,以及终止运行中工作,即时失效;
- 3、调度核心HA(核心式):调度采纳核心式设计,“调度核心”自研调度组件并反对集群部署,可保障调度核心HA;
- 4、执行器HA(分布式):工作分布式执行,工作"执行器"反对集群部署,可保障工作执行HA;
- 5、注册核心: 执行器会周期性主动注册工作, 调度核心将会主动发现注册的工作并触发执行。同时,也反对手动录入执行器地址;
- 6、弹性扩容缩容:一旦有新执行器机器上线或者下线,下次调度时将会重新分配工作;
- 7、触发策略:提供丰盛的工作触发策略,包含:Cron触发、固定距离触发、固定延时触发、API(事件)触发、人工触发、父子工作触发;
- 8、调度过期策略:调度核心错过调度工夫的弥补解决策略,包含:疏忽、立刻弥补触发一次等;
- 9、阻塞解决策略:调度过于密集执行器来不及解决时的解决策略,策略包含:单机串行(默认)、抛弃后续调度、笼罩之前调度;
- 10、工作超时管制:反对自定义工作超时工夫,工作运行超时将会被动中断工作;
- 11、工作失败重试:反对自定义工作失败重试次数,当工作失败时将会依照预设的失败重试次数被动进行重试;其中分片工作反对分片粒度的失败重试;
- 12、工作失败告警;默认提供邮件形式失败告警,同时预留扩大接口,可不便的扩大短信、钉钉等告警形式;
- 13、路由策略:执行器集群部署时提供丰盛的路由策略,包含:第一个、最初一个、轮询、随机、一致性HASH、最不常常应用、最近最久未应用、故障转移、繁忙转移等;
- 14、分片播送工作:执行器集群部署时,工作路由策略抉择"分片播送"状况下,一次任务调度将会播送触发集群中所有执行器执行一次工作,可依据分片参数开发分片工作;
- 15、动静分片:分片播送工作以执行器为维度进行分片,反对动静扩容执行器集群从而动静减少分片数量,协同进行业务解决;在进行大数据量业务操作时可显著晋升工作解决能力和速度。
- 16、故障转移:工作路由策略抉择"故障转移"状况下,如果执行器集群中某一台机器故障,将会主动Failover切换到一台失常的执行器发送调度申请。
- 17、工作进度监控:反对实时监控工作进度;
- 18、Rolling实时日志:反对在线查看调度后果,并且反对以Rolling形式实时查看执行器输入的残缺的执行日志;
- 19、GLUE:提供Web IDE,反对在线开发工作逻辑代码,动静公布,实时编译失效,省略部署上线的过程。反对30个版本的历史版本回溯。
- 20、脚本工作:反对以GLUE模式开发和运行脚本工作,包含Shell、Python、NodeJS、PHP、PowerShell等类型脚本;
- 21、命令行工作:原生提供通用命令行工作Handler(Bean工作,"CommandJobHandler");业务方只须要提供命令行即可;
- 22、工作依赖:反对配置子工作依赖,当父工作执行完结且执行胜利后将会被动触发一次子工作的执行, 多个子工作用逗号分隔;
- 23、一致性:“调度核心”通过DB锁保障集群散布式调度的一致性, 一次任务调度只会触发一次执行;
- 24、自定义工作参数:反对在线配置调度工作入参,即时失效;
- 25、调度线程池:调度零碎多线程触发调度运行,确保调度准确执行,不被梗塞;
- 26、数据加密:调度核心和执行器之间的通信进行数据加密,晋升调度信息安全性;
- 27、邮件报警:工作失败时反对邮件报警,反对配置多邮件地址群发报警邮件;
- 28、推送maven地方仓库: 将会把最新稳定版推送到maven地方仓库, 不便用户接入和应用;
- 29、运行报表:反对实时查看运行数据,如工作数量、调度次数、执行器数量等;以及调度报表,如调度日期分布图,调度胜利分布图等;
- 30、全异步:任务调度流程全异步化设计实现,如异步调度、异步运行、异步回调等,无效对密集调度进行流量削峰,实践上反对任意时长工作的运行;
- 31、跨语言:调度核心与执行器提供语言无关的 RESTful API 服务,第三方任意语言可据此对接调度核心或者实现执行器。除此之外,还提供了 “多任务模式”和“httpJobHandler”等其余跨语言计划;
- 32、国际化:调度核心反对国际化设置,提供中文、英文两种可选语言,默认为中文;
- 33、容器化:提供官网docker镜像,并实时更新推送dockerhub,进一步实现产品开箱即用;
- 34、线程池隔离:调度线程池进行隔离拆分,慢工作主动降级进入"Slow"线程池,防止耗尽调度线程,进步零碎稳定性;
- 35、用户治理:反对在线管理系统用户,存在管理员、普通用户两种角色;
- 36、权限管制:执行器维度进行权限管制,管理员领有全量权限,普通用户须要调配执行器权限后才容许相干操作;
xxl-job的架构设计
设计思维
将调度行为形象造成“调度核心”公共平台,而平台本身并不承当业务逻辑,“调度核心”负责发动调度申请。
将工作形象成扩散的JobHandler,交由“执行器”对立治理,“执行器”负责接管调度申请并执行对应的JobHandler中业务逻辑。
因而,“调度”和“工作”两局部能够互相解耦,进步零碎整体稳定性和扩展性;
零碎组成
调度模块(调度核心)
- 负责管理调度信息,依照调度配置收回调度申请,本身不承当业务代码。调度零碎与工作解耦,进步了零碎可用性和稳定性,同时调度零碎性能不再受限于工作模块;
- 反对可视化、简略且动静的治理调度信息,包含工作新建,更新,删除,GLUE开发和工作报警等,所有上述操作都会实时失效,同时反对监控调度后果以及执行日志,反对执行器Failover。
执行模块(执行器):
- 负责接管调度申请并执行工作逻辑。工作模块专一于工作的执行等操作,开发和保护更加简略和高效;
- 接管“调度核心”的执行申请、终止申请和日志申请等。
架构图
实现案例
次要介绍SpringBoot集成xxl-job的形式:Bean模式(基于办法和基于类); 以及基于在线配置代码/脚本的GLUE模式。
Bean模式(基于办法)
Bean模式工作,反对基于办法的开发方式,每个工作对应一个办法。基于办法开发的工作,底层会生成JobHandler代理,和基于类的形式一样,工作也会以JobHandler的模式存在于执行器工作容器中。
长处:
- 每个工作只须要开发一个办法,并增加”@XxlJob”注解即可,更加不便、疾速。
- 反对主动扫描工作并注入到执行器容器。
毛病:要求Spring容器环境;
Job的开发环境依赖
Maven 依赖
<dependency> <groupId>com.xuxueli</groupId> <artifactId>xxl-job-core</artifactId> <version>2.3.1</version></dependency>
application.properties配置
# web portserver.port=8081# no web#spring.main.web-environment=false# log configlogging.config=classpath:logback.xml### xxl-job admin address list, such as "http://address" or "http://address01,http://address02"xxl.job.admin.addresses=http://127.0.0.1:8080/xxl-job-admin### xxl-job, access tokenxxl.job.accessToken=default_token### xxl-job executor appnamexxl.job.executor.appname=xxl-job-executor-sample### xxl-job executor registry-address: default use address to registry , otherwise use ip:port if address is nullxxl.job.executor.address=### xxl-job executor server-infoxxl.job.executor.ip=xxl.job.executor.port=9999### xxl-job executor log-pathxxl.job.executor.logpath=/data/applogs/xxl-job/jobhandler### xxl-job executor log-retention-daysxxl.job.executor.logretentiondays=30
Config配置(PS:这里我是间接拿的xxl-job demo中的配置,理论开发中能够封装一个starter主动注入)
package tech.pdai.springboot.xxljob.config;import com.xxl.job.core.executor.impl.XxlJobSpringExecutor;import org.slf4j.Logger;import org.slf4j.LoggerFactory;import org.springframework.beans.factory.annotation.Value;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;/** * xxl-job config * * @author xuxueli 2017-04-28 */@Configurationpublic class XxlJobConfig { private Logger logger = LoggerFactory.getLogger(XxlJobConfig.class); @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() { logger.info(">>>>>>>>>>> xxl-job config init."); 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); // Bean办法模式 // 通过扫描@XxlJob形式注册 // 注册Bean类模式 XxlJobExecutor.registJobHandler("beanClassDemoJobHandler", new BeanClassDemoJob()); return xxlJobSpringExecutor; }}
Job的开发
开发步骤:
- 工作开发:在Spring Bean实例中,开发Job办法;
- 注解配置:为Job办法增加注解 "@XxlJob(value="自定义jobhandler名称", init = "JobHandler初始化办法", destroy = "JobHandler销毁办法")",注解value值对应的是调度核心新建工作的JobHandler属性的值。
- 执行日志:须要通过 "XxlJobHelper.log" 打印执行日志;
- 工作后果:默认工作后果为 "胜利" 状态,不须要被动设置;如有诉求,比方设置工作后果为失败,能够通过 "XxlJobHelper.handleFail/handleSuccess" 自主设置工作后果;
package tech.pdai.springboot.xxljob.job;import java.io.BufferedInputStream;import java.io.BufferedReader;import java.io.DataOutputStream;import java.io.InputStreamReader;import java.net.HttpURLConnection;import java.net.URL;import java.util.Arrays;import com.xxl.job.core.context.XxlJobHelper;import com.xxl.job.core.handler.annotation.XxlJob;import lombok.extern.slf4j.Slf4j;import org.springframework.stereotype.Component;/** * XxlJob开发示例(Bean模式 - 办法) * */@Slf4j@Componentpublic class BeanMethodDemoJob { /** * 1、简略工作示例(Bean模式) */ @XxlJob("demoJobHandler") public void demoJobHandler() { XxlJobHelper.log("demoJobHandler execute..."); } /** * 2、分片播送工作 */ @XxlJob("shardingJobHandler") public void shardingJobHandler() throws Exception { // logback console日志 log.info("shardingJobHandler execute..."); // 通过xxl记录到DB中的日志 XxlJobHelper.log("shardingJobHandler execute..."); // 分片参数 int shardIndex = XxlJobHelper.getShardIndex(); int shardTotal = XxlJobHelper.getShardTotal(); XxlJobHelper.log("分片参数:以后分片序号 = {}, 总分片数 = {}", shardIndex, shardTotal); // 业务逻辑 for (int i = 0; i < shardTotal; i++) { if (i==shardIndex) { XxlJobHelper.log("第 {} 片, 命中分片开始解决", i); } else { XxlJobHelper.log("第 {} 片, 疏忽", i); } } } /** * 3、命令行工作 */ @XxlJob("commandJobHandler") public void commandJobHandler() throws Exception { XxlJobHelper.log("commandJobHandler execute..."); String command = XxlJobHelper.getJobParam(); int exitValue = -1; BufferedReader bufferedReader = null; try { // command process ProcessBuilder processBuilder = new ProcessBuilder(); processBuilder.command(command); processBuilder.redirectErrorStream(true); Process process = processBuilder.start(); //Process process = Runtime.getRuntime().exec(command); BufferedInputStream bufferedInputStream = new BufferedInputStream(process.getInputStream()); bufferedReader = new BufferedReader(new InputStreamReader(bufferedInputStream)); // command log String line; while ((line = bufferedReader.readLine())!=null) { XxlJobHelper.log(line); } // command exit process.waitFor(); exitValue = process.exitValue(); } catch (Exception e) { XxlJobHelper.log(e); } finally { if (bufferedReader!=null) { bufferedReader.close(); } } if (exitValue==0) { // default success } else { XxlJobHelper.handleFail("command exit value(" + exitValue + ") is failed"); } } /** * 4、跨平台Http工作 * 参数示例: * "url: http://www.baidu.com\n" + * "method: get\n" + * "data: content\n"; */ @XxlJob("httpJobHandler") public void httpJobHandler() throws Exception { XxlJobHelper.log("httpJobHandler execute..."); // param parse String param = XxlJobHelper.getJobParam(); if (param==null || param.trim().length()==0) { XxlJobHelper.log("param[" + param + "] invalid."); XxlJobHelper.handleFail(); return; } String[] httpParams = param.split("\n"); String url = null; String method = null; String data = null; for (String httpParam : httpParams) { if (httpParam.startsWith("url:")) { url = httpParam.substring(httpParam.indexOf("url:") + 4).trim(); } if (httpParam.startsWith("method:")) { method = httpParam.substring(httpParam.indexOf("method:") + 7).trim().toUpperCase(); } if (httpParam.startsWith("data:")) { data = httpParam.substring(httpParam.indexOf("data:") + 5).trim(); } } // param valid if (url==null || url.trim().length()==0) { XxlJobHelper.log("url[" + url + "] invalid."); XxlJobHelper.handleFail(); return; } if (method==null || !Arrays.asList("GET", "POST").contains(method)) { XxlJobHelper.log("method[" + method + "] invalid."); XxlJobHelper.handleFail(); return; } boolean isPostMethod = method.equals("POST"); // request HttpURLConnection connection = null; BufferedReader bufferedReader = null; try { // connection URL realUrl = new URL(url); connection = (HttpURLConnection) realUrl.openConnection(); // connection setting connection.setRequestMethod(method); connection.setDoOutput(isPostMethod); connection.setDoInput(true); connection.setUseCaches(false); connection.setReadTimeout(5 * 1000); connection.setConnectTimeout(3 * 1000); connection.setRequestProperty("connection", "Keep-Alive"); connection.setRequestProperty("Content-Type", "application/json;charset=UTF-8"); connection.setRequestProperty("Accept-Charset", "application/json;charset=UTF-8"); // do connection connection.connect(); // data if (isPostMethod && data!=null && data.trim().length() > 0) { DataOutputStream dataOutputStream = new DataOutputStream(connection.getOutputStream()); dataOutputStream.write(data.getBytes("UTF-8")); dataOutputStream.flush(); dataOutputStream.close(); } // valid StatusCode int statusCode = connection.getResponseCode(); if (statusCode!=200) { throw new RuntimeException("Http Request StatusCode(" + statusCode + ") Invalid."); } // result bufferedReader = new BufferedReader(new InputStreamReader(connection.getInputStream(), "UTF-8")); StringBuilder result = new StringBuilder(); String line; while ((line = bufferedReader.readLine())!=null) { result.append(line); } String responseMsg = result.toString(); XxlJobHelper.log(responseMsg); return; } catch (Exception e) { XxlJobHelper.log(e); XxlJobHelper.handleFail(); return; } finally { try { if (bufferedReader!=null) { bufferedReader.close(); } if (connection!=null) { connection.disconnect(); } } catch (Exception e2) { XxlJobHelper.log(e2); } } } /** * 5、生命周期工作示例:工作初始化与销毁时,反对自定义相干逻辑; */ @XxlJob(value = "demoJobHandler2", init = "init", destroy = "destroy") public void demoJobHandler2() throws Exception { XxlJobHelper.log("demoJobHandler2, execute..."); } public void init() { log.info("init"); } public void destroy() { log.info("destroy"); }}
(@pdai: 从设计的角度,xxl-job能够对上述不同类型进行细分)
Job的调度配置和执行
新增Job, 并把上述的@XxlJob(value="自定义jobhandler名称", init = "JobHandler初始化办法", destroy = "JobHandler销毁办法")中 自定义jobhandler名称 填写到JobHandler中。
其它配置如下:
能够抉择操作中执行一次工作,或者启动(依照Cron执行)
能够查看执行的记录
进一步能够看每个执行记录的执行日志
Bean模式(基于类)
Bean模式工作,反对基于类的开发方式,每个工作对应一个Java类。
长处:不限度我的项目环境,兼容性好。即便是无框架我的项目,如main办法间接启动的我的项目也能够提供反对,能够参考示例我的项目 “xxl-job-executor-sample-frameless”;
毛病:
- 每个工作须要占用一个Java类,造成类的节约;
- 不反对主动扫描工作并注入到执行器容器,须要手动注入。
Job的开发环境依赖
同Bean模式(基于办法)
Job的开发
开发步骤:
执行器我的项目中,开发Job类:
- 开发一个继承自"com.xxl.job.core.handler.IJobHandler"的JobHandler类,实现其中工作办法。
- 手动通过如下形式注入到执行器容器。
注册jobHandler
XxlJobExecutor.registJobHandler("xxxxxJobHandler", new xxxxxJobHandler());
Job开发
package tech.pdai.springboot.xxljob.job;import com.xxl.job.core.handler.IJobHandler;import lombok.extern.slf4j.Slf4j;/** * @author pdai */@Slf4jpublic class BeanClassDemoJob extends IJobHandler { @Override public void execute() throws Exception { log.info("BeanClassDemoJob, execute..."); }}
注册jobHandler(@pdai: 这里xxl-job设计的不好,是能够通过IJobHandler来主动注册的)
XxlJobExecutor.registJobHandler("beanClassDemoJobHandler", new BeanClassDemoJob());
启动SpringBoot利用, 能够发现注册的
...20:34:15.385 logback [main] INFO c.x.job.core.executor.XxlJobExecutor - >>>>>>>>>>> xxl-job register jobhandler success, name:beanClassDemoJobHandler, jobHandler:tech.pdai.springboot.xxljob.job.BeanClassDemoJob@640ab13c...
Job的调度配置和执行
同Bean模式(基于办法)
在调度器中增加执行后,后盾执行的日志如下:
20:41:00.021 logback [xxl-job, EmbedServer bizThreadPool-1023773196] INFO c.x.job.core.executor.XxlJobExecutor - >>>>>>>>>>> xxl-job regist JobThread success, jobId:5, handler:tech.pdai.springboot.xxljob.job.BeanClassDemoJob@640ab13c20:41:00.022 logback [xxl-job, JobThread-5-1654681260021] INFO t.p.s.xxljob.job.BeanClassDemoJob - BeanClassDemoJob, execute...
GLUE模式
工作以源码形式保护在调度核心,反对通过Web IDE在线更新,实时编译和失效,因而不须要指定JobHandler。
配置和启动流程
开发流程如下:
创立GLUE类型的Job(这里以Java为例)
选中指定工作,点击该工作右侧“GLUE”按钮,将会返回GLUE工作的Web IDE界面,在该界面反对对工作代码进行开发(也能够在IDE中开发实现后,复制粘贴到编辑中)。
版本回溯性能(反对30个版本的版本回溯):在GLUE工作的Web IDE界面,抉择右上角下拉框“版本回溯”,会列出该GLUE的更新历史,抉择相应版本即可显示该版本代码,保留后GLUE代码即回退到对应的历史版本;
执行后的记录如下
GLUE模式还有哪些
xxl-job一共反对如下几种GLUE模式:
- GLUE模式(Java):工作以源码形式保护在调度核心;该模式的工作实际上是一段继承自IJobHandler的Java类代码并 "groovy" 源码形式保护,它在执行器我的项目中运行,可应用@Resource/@Autowire注入执行器里中的其余服务;
- GLUE模式(Shell):工作以源码形式保护在调度核心;该模式的工作实际上是一段 "shell" 脚本;
- GLUE模式(Python):工作以源码形式保护在调度核心;该模式的工作实际上是一段 "python" 脚本;
- GLUE模式(PHP):工作以源码形式保护在调度核心;该模式的工作实际上是一段 "php" 脚本;
- GLUE模式(NodeJS):工作以源码形式保护在调度核心;该模式的工作实际上是一段 "nodejs" 脚本;
- GLUE模式(PowerShell):工作以源码形式保护在调度核心;该模式的工作实际上是一段 "PowerShell" 脚本;
更多配置的阐明
+ 根底配置: - 执行器:工作的绑定的执行器,工作触发调度时将会主动发现注册胜利的执行器, 实现工作主动发现性能; 另一方面也能够不便的进行工作分组。每个工作必须绑定一个执行器, 可在 "执行器治理" 进行设置; - 工作形容:工作的形容信息,便于工作治理; - 负责人:工作的负责人; - 报警邮件:任务调度失败时邮件告诉的邮箱地址,反对配置多邮箱地址,配置多个邮箱地址时用逗号分隔;+ 触发配置: - 调度类型: + 无:该类型不会被动触发调度; + CRON:该类型将会通过CRON,触发任务调度; + 固定速度:该类型将会以固定速度,触发任务调度;依照固定的间隔时间,周期性触发; + 固定提早:该类型将会以固定提早,触发任务调度;依照固定的延迟时间,从上次调度完结后开始计算延迟时间,达到延迟时间后触发下次调度; - CRON:触发工作执行的Cron表达式; - 固定速度:固件速度的工夫距离,单位为秒; - 固定提早:固件提早的工夫距离,单位为秒; + 高级配置: - 路由策略:当执行器集群部署时,提供丰盛的路由策略,包含; FIRST(第一个):固定抉择第一个机器; LAST(最初一个):固定抉择最初一个机器; ROUND(轮询):; RANDOM(随机):随机抉择在线的机器; CONSISTENT_HASH(一致性HASH):每个工作依照Hash算法固定抉择某一台机器,且所有工作平均散列在不同机器上。 LEAST_FREQUENTLY_USED(最不常常应用):应用频率最低的机器优先被选举; LEAST_RECENTLY_USED(最近最久未应用):最久未应用的机器优先被选举; FAILOVER(故障转移):依照程序顺次进行心跳检测,第一个心跳检测胜利的机器选定为指标执行器并发动调度; BUSYOVER(繁忙转移):依照程序顺次进行闲暇检测,第一个闲暇检测胜利的机器选定为指标执行器并发动调度; SHARDING_BROADCAST(分片播送):播送触发对应集群中所有机器执行一次工作,同时零碎主动传递分片参数;可依据分片参数开发分片工作; - 子工作:每个工作都领有一个惟一的工作ID(工作ID能够从工作列表获取),当本工作执行完结并且执行胜利时,将会触发子工作ID所对应的工作的一次被动调度。 - 调度过期策略: - 疏忽:调度过期后,疏忽过期的工作,从以后工夫开始从新计算下次触发工夫; - 立刻执行一次:调度过期后,立刻执行一次,并从以后工夫开始从新计算下次触发工夫; - 阻塞解决策略:调度过于密集执行器来不及解决时的解决策略; 单机串行(默认):调度申请进入单机执行器后,调度申请进入FIFO队列并以串行形式运行; 抛弃后续调度:调度申请进入单机执行器后,发现执行器存在运行的调度工作,本次申请将会被抛弃并标记为失败; 笼罩之前调度:调度申请进入单机执行器后,发现执行器存在运行的调度工作,将会终止运行中的调度工作并清空队列,而后运行本地调度工作; - 工作超时工夫:反对自定义工作超时工夫,工作运行超时将会被动中断工作; - 失败重试次数;反对自定义工作失败重试次数,当工作失败时将会依照预设的失败重试次数被动进行重试;
示例源码
https://github.com/realpdai/t...
更多内容
辞别碎片化学习,无套路一站式体系化学习后端开发: Java 全栈常识体系 https://pdai.tech