ElasticJob 快速上手

admin

[size=1.6em]1.  ElasticJob 是什么

ElasticJob 是一个分布式调度解决方案，由两个相互独立的子项目 ElasticJob-Lite 和 ElasticJob-Cloud 组成。

ElasticJob-Lite 定位为轻量级无中心化解决方案，使用jar的形式提供分布式任务的协调服务。

ElasticJob 已于2020年5月28日成为 Apache ShardingSphere 的子项目。

ElasticJob特性：

• 弹性调度
  • 支持任务在分布式场景下的分片和高可用
  • 能够水平扩展任务的吞吐量和执行效率
  • 任务处理能力随资源配备弹性伸缩
    
• 资源分配
  • 在适合的时间将适合的资源分配给任务并使其生效
  • 相同任务聚合至相同的执行器统一处理
  • 动态调配追加资源至新分配的任务
    
• 作业治理
  • 失效转移
  • 错过作业重新执行
  • 自诊断修复
    
• 作业开放生态
  • 可扩展的作业类型统一接口
  • 丰富的作业类型库，如数据流、脚本、HTTP、文件、大数据等
  • 易于对接业务作业，能够与 Spring 依赖注入无缝整合
    
• 可视化管控端
  • 作业管控端
  • 作业执行历史数据追踪
  • 注册中心管理
    
  
  

[size=1.6em]2.  实例演示

这里采用最新版本 3.0.0-RC1

1、启动zookeeper服务

首先，下载zookeeper-3.6.0版本，解压后复制一份zoo_sample.cfg，重命名未zoo.cfg，保持默认配置即可

注意，zookeeper-3.6.0启动以后会占用三个端口，其中包括8080哦

2、编写定时任务业务逻辑

pom.xml

<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">    <modelVersion>4.0.0</modelVersion>    <parent>        <groupId>org.springframework.boot</groupId>        <artifactId>spring-boot-starter-parent</artifactId>        <version>2.4.1</version>        <relativePath/> <!-- lookup parent from repository -->    </parent>    <groupId>com.example</groupId>    <artifactId>elasticjob-demo</artifactId>    <version>0.0.1-SNAPSHOT</version>    <properties>        <java.version>1.8</java.version>        <elasticjob-lite.version>3.0.0-RC1</elasticjob-lite.version>    </properties>    <dependencies>        <dependency>            <groupId>org.springframework.boot</groupId>            <artifactId>spring-boot-starter-web</artifactId>        </dependency>        <dependency>            <groupId>org.apache.shardingsphere.elasticjob</groupId>            <artifactId>elasticjob-lite-spring-boot-starter</artifactId>            <version>${elasticjob-lite.version}</version>            <exclusions>                <exclusion>                    <groupId>org.springframework.boot</groupId>                    <artifactId>spring-boot-starter-jdbc</artifactId>                </exclusion>            </exclusions>        </dependency>        <dependency>            <groupId>org.apache.shardingsphere.elasticjob</groupId>            <artifactId>elasticjob-error-handler-dingtalk</artifactId>            <version>${elasticjob-lite.version}</version>        </dependency>    </dependencies>    <build>        <plugins>            <plugin>                <groupId>org.springframework.boot</groupId>                <artifactId>spring-boot-maven-plugin</artifactId>            </plugin>        </plugins>    </build></project>

application.yml

elasticjob:  regCenter:    serverLists: 192.168.100.15:2181    namespace: elasticjob-demo    baseSleepTimeMilliseconds: 2000    maxSleepTimeMilliseconds: 4000    maxRetries: 3  jobs:    firstJob:      elasticJobClass: com.example.job.FirstJob      cron: 0/6 * * * * ?      shardingTotalCount: 3      jobErrorHandlerType: DINGTALK      props:        dingtalk:          webhook: https://oapi.dingtalk.com/robot/send?access_token=xxx          secret: ASDF          connectTimeout: 3000          readTimeout: 5000    secondJob:      elasticJobClass: com.example.job.SecondJob      cron: 0/10 * * * * ?      shardingTotalCount: 1      jobErrorHandlerType: DINGTALK      props:        dingtalk:          webhook: https://oapi.dingtalk.com/robot/send?access_token=xxx          secret: ASDF          connectTimeout: 3000          readTimeout: 5000

两个定时任务

FirstJob.java

package com.example.job;import org.apache.shardingsphere.elasticjob.api.ShardingContext;import org.apache.shardingsphere.elasticjob.simple.job.SimpleJob;import org.springframework.stereotype.Component;/** * @author ChengJianSheng * @date 2021/1/13 */@Componentpublic class FirstJob implements SimpleJob {    @Override    public void execute(ShardingContext shardingContext) {        switch (shardingContext.getShardingItem()) {            case 0:                // do something by sharding item 0                System.out.println(0);                // int a = 1 / 0;                break;            case 1:                // do something by sharding item 1                System.out.println(1);                break;            case 2:                // do something by sharding item 2                System.out.println(2);                break;            // case n: ...        }    }}

SecondJob.java

package com.example.job;import org.apache.shardingsphere.elasticjob.api.ShardingContext;import org.apache.shardingsphere.elasticjob.simple.job.SimpleJob;import org.springframework.stereotype.Component;/** * @author ChengJianSheng * @date 2021/1/18 */@Componentpublic class SecondJob implements SimpleJob {    @Override    public void execute(ShardingContext shardingContext) {        System.out.println("hello");    }}

项目结构

运行项目即可

通过 ElasticJob-UI 查看任务

https://shardingsphere.apache.org/elasticjob/current/cn/downloads/

[size=1.6em]3.  启动报错排查

项目启动过程中，可能会报如下错误

org.apache.zookeeper.ClientCnxn$EndOfStreamException: Unable to read additional data from server sessionid 0x1000bdf48160002, likely server has closed socket

org.apache.shardingsphere.elasticjob.reg.exception.RegException: org.apache.zookeeper.KeeperException$OperationTimeoutException: KeeperErrorCode = OperationTimeout

Caused by: org.apache.zookeeper.KeeperException$OperationTimeoutException: KeeperErrorCode = OperationTimeout

最开始，我以为是zookeeper版本的问题，后来换了版本也不行，防火墙关了也不行

然后，我怀疑是开发环境问题，于是在本地运行zookeeper，程序连127.0.0.1:2181，居然可以了

于是我陷入了沉思，为今之计，只剩下一个办法了，打断点调试

找到了异常抛出的位置，如下图

baseSleepTimeMilliseconds 表示 等待重试的间隔时间的初始值

maxSleepTimeMilliseconds  表示 等待重试的间隔时间的最大值

maxRetries 表示 最大重试次数

根据代码中意思，如果在 maxSleepTimeMilliseconds * maxRetries 毫秒内还没有连接成功，则连接关闭，并抛出操作超时异常

联想到，连接本地zookeeper可以，连开发环境zk就不行，再加上观察日志从连接开始到抛异常的时间间隔，我猜到应该是maxSleepTimeMilliseconds设置太短了

于是，application.yml配置文件中将maxSleepTimeMilliseconds设置为4000，baseSleepTimeMilliseconds设置为2000

然后好使

回想刚开始报的那些错，其实根本就还没有连上zookeeper

[size=1.6em]4.  作业分片

ElasticJob 中任务分片项的概念，使得任务可以在分布式的环境下运行，每台任务服务器只运行分配给该服务器的分片。 随着服务器的增加或宕机，ElasticJob 会近乎实时的感知服务器数量的变更，从而重新为分布式的任务服务器分配更加合理的任务分片项，使得任务可以随着资源的增加而提升效率。

任务的分布式执行，需要将一个任务拆分为多个独立的任务项，然后由分布式的服务器分别执行某一个或几个分片项。

也就是说，分片是为了在分布式环境下高效合理利用任务服务器资源的。简单地来讲，一个定时任务，我们运行多台服务器，这意味着有多个实例在执行同一项任务，分片就是为了告诉这些实例各自该处理那些数据，最大限度的降低数据重复处理的问题，同时加快任务处理速度。每个任务实例该处理哪些数据，是根据分片项来的，在任务代码层面，就可以根据分片项来进行逻辑判断。

举例说明，如果作业分为 4 片，用两台服务器执行，则每个服务器分到 2 片，分别负责作业的 50% 的负载

分片项

ElasticJob 并不直接提供数据处理的功能，而是将分片项分配至各个运行中的作业服务器，开发者需要自行处理分片项与业务的对应关系。 分片项为数字，始于 0 而终于分片总数减 1。

个性化分片参数

个性化参数可以和分片项匹配对应关系，用于将分片项的数字转换为更加可读的业务代码。

合理使用个性化参数可以让代码更可读。例如，如果配置为 0=北京,1=上海,2=广州，那么代码中直接使用北京，上海，广州的枚举值即可完成分片项和业务逻辑的对应关系。

分片策略

平均分片策略

根据分片项平均分片。如果作业服务器数量与分片总数无法整除，多余的分片将会顺序的分配至每一个作业服务器。

举例说明：

• 如果 3 台作业服务器且分片总数为9， 则分片结果为：1=[0,1,2], 2=[3,4,5], 3=[6,7,8]
• 如果 3 台作业服务器且分片总数为8， 则分片结果为：1=[0,1,6], 2=[2,3,7], 3=[4,5]
• 如果 3 台作业服务器且分片总数为10，则分片结果为：1=[0,1,2,9], 2=[3,4,5], 3=[6,7,8]
  

奇偶分片策略

根据作业名称哈希值的奇偶数决定按照作业服务器 IP 升序或是降序的方式分片。

如果作业名称哈希值是偶数，则按照 IP 地址进行升序分片； 如果作业名称哈希值是奇数，则按照 IP 地址进行降序分片。 可用于让服务器负载在多个作业共同运行时分配的更加均匀。

举例说明：

• 如果 3 台作业服务器，分片总数为2且作业名称的哈希值为偶数，则分片结果为：1 = [0], 2 = [1], 3 = []
• 如果 3 台作业服务器，分片总数为2且作业名称的哈希值为奇数，则分片结果为：3 = [0], 2 = [1], 1 = []
  

轮询分片策略

根据作业名称轮询分片。