Alawn/udf
1
0
Fork 0
mirror of https://gitee.com/wangkang/udf.git synced 2026-10-24 23:03:40 +00:00
Code Issues Releases Wiki Activity
Files
2ace19cf352299d0a2f800352bb4e1fcf6fd8564
udf/md/15.md
T
王康 dad27d10b1 更新博客
2017-08-30 00:21:30 +08:00

422 lines
18 KiB
Markdown
Raw Blame History

# spring boot / cloud (十五) 分布式调度中心进阶
在[<spring boot / cloud (十) 使用quartz搭建调度中心>](https://my.oschina.net/wangkang80/blog/983208)这篇文章中介绍了如何在spring boot项目中集成quartz.
今天这篇文章则会进一步跟大家讨论一下设计和搭建**分布式调度中心**所需要关注的事情.
下面先看一下,总体的逻辑架构图:
## 分布式调度-逻辑架构示意
![分布式调度-逻辑架构示意](https://static.oschina.net/uploads/img/201708/29201705_LnBY.png "分布式调度-逻辑架构示意")
## 架构设计
总体思路是,将**调度**和**执行**两个概念分离开来,形成**调度中心**和**执行节点**两个模块:
### **调度中心**
是一个公共的平台,负责所有任务的调度,以及任务的管理,不涉及任何业务逻辑,从上图可以看到,它主要包括如下模块:
- **核心调度器quartz** : 调度中心的核心,按照jobDetail和trigger的设定发起作业调度,并且提供底层的管理api
- **管理功能** : 可通过restful和web页面的方式动态的管理作业,触发器的CURD操作,并且实时生效,而且还可以记录调度日志,以及可以以图表,表格,等各种可视化的方式展现调度中心的各个维度的指标信息
- **RmsJob和RmsJobDisallowConcurrent** : 基于http远程调用(RMS)的作业和禁止并发执行的作业
- **Callback** : 用于接收"执行节点"异步执行完成后的信息
### **执行节点**
是嵌入在各个微服务中的一个执行模块,负责接收调度中心的调度,专注于执行业务逻辑,无需关系调度细节,并且理论上来说,它主要包括如下模块:
- **同步执行器** : 同步执行并且返回调度中心触发的任务
- **异步执行器** : 异步执行调度中心触发的任务,并且通过callback将执行结果反馈给调度中心
- **作业链** : 可任意组合不同任务的执行顺序和依赖关系,满足更复杂的业务需求
- **业务bean** : 业务逻辑的载体
## 架构优点
这样一来,**调度中心**只负责调度,**执行节点**只负责业务,相互通过http协议进行沟通,两部分可以完全解耦合,增强系统整体的扩展性
并且引入了**异步执行器**的概念,这一样一来,**调度中心**就能以非阻塞的形式触发执行器,可以不受任务业务逻辑带来的性能影响,进一步提高了系统的性能
然后理论上来说**执行节点**是不局限于任何的**语言**或者**平台**的,并且与**调度中心**采用的是通用的http协议,真正的可以做到**跨平台**
## **特点**
### **集群,高可用,故障转移**
整体的解决方案是建立在spring cloud基础上的,依赖于服务发现eureka,可使所有的服务**去中心化**,来实现集群和高可用
**调度中心**的核心依赖于quartz,而quartz是原生支持集群的,它通过将作业和触发器的细节持久化到数据库中,然后在通过db锁的方式,与集群中的各个节点通讯,从而实现了**去中心化**
而**执行节点**和**调度中心**都是注册在**eureka**上的,通过**ribbon的客户端负载均衡**的特性,**自动屏蔽坏掉的节点,自动发现新增加的节点**,可使双方的http通信都做到高可用.
如下是quartz集群配置的片段:
``` properties
#Configure scheduler
org.quartz.scheduler.instanceName=clusterQuartzScheduler #实例名称
org.quartz.scheduler.instanceId=AUTO #自动设定实例ID
org.quartz.scheduler.skipUpdateCheck=true
#Configure JobStore and Cluster
org.quartz.jobStore.class=org.quartz.impl.jdbcjobstore.JobStoreTX #使用jdbc持久化到数据中
org.quartz.jobStore.driverDelegateClass=org.quartz.impl.jdbcjobstore.StdJDBCDelegate #sql代理,mysql
org.quartz.jobStore.useProperties=true
org.quartz.jobStore.tablePrefix=QRTZ_ #表前缀
org.quartz.jobStore.isClustered=true #开启集群模式
org.quartz.jobStore.clusterCheckinInterval=20000
org.quartz.jobStore.misfireThreshold=60000
```
### **线程池调优**
quartz的默认配置,可根据实际情况进行调整.
``` properties
#Configure ThreadPool
org.quartz.threadPool.class=org.quartz.simpl.SimpleThreadPool #线程池类型
org.quartz.threadPool.threadCount=5 #线程池数量
org.quartz.threadPool.threadPriority=5 #优先级
```
这里就体现出了分离调度的业务逻辑的好处,在传统的做法中,调度器承载着业务逻辑,必然会占用执行线程更长时间,并发能力受业务逻辑限制.
将业务逻辑分离出去后,并且采用异步任务的方式,调度器触发某个任务后,将立即返回,这时占用执行线程的时间会大幅缩短.
所以在相同的线程池数量下,采用这种架构,是可以大幅度的提高**调度中心**的并发能力的.
### **集中化配置管理**
同样,整个解决方案也依赖于spring cloud config server.
我们在系统中抽象出了一系列的元数据用于做系统配置,这些元数据在**org.itkk.udf.scheduler.meta**包下,大家可以查看,这些元数据基本囊括了所有作业和触发器的属性,通过@ConfigurationProperties特性,可轻松的将这些元数据类转化为配置文件.
并且设计上简化了后续**管理api**的复杂度,我们某个作业或者某个触发器的一套属性归纳到一个CODE中,然后后续通过这个CODE就能操作所对应的作业或者触发器.
配置片段如下:
``` properties
#jobGroup
org.itkk.scheduler.properties.jobGroup.general=通用
#triggerGroup
org.itkk.scheduler.properties.triggerGroup.general=通用
#rmsJob
org.itkk.scheduler.properties.jobDetail.rmsJob.name=generalJob
org.itkk.scheduler.properties.jobDetail.rmsJob.group=general
org.itkk.scheduler.properties.jobDetail.rmsJob.className=org.itkk.udf.scheduler.job.RmsJob
org.itkk.scheduler.properties.jobDetail.rmsJob.description=通用作业
org.itkk.scheduler.properties.jobDetail.rmsJob.recovery=false
org.itkk.scheduler.properties.jobDetail.rmsJob.durability=true
org.itkk.scheduler.properties.jobDetail.rmsJob.autoInit=true
#rmsJobDisallowConcurrent
org.itkk.scheduler.properties.jobDetail.rmsJobDisallowConcurrent.name=generalJobDisallowConcurrent
org.itkk.scheduler.properties.jobDetail.rmsJobDisallowConcurrent.group=general
org.itkk.scheduler.properties.jobDetail.rmsJobDisallowConcurrent.className=org.itkk.udf.scheduler.job.RmsJobDisallowConcurrent
org.itkk.scheduler.properties.jobDetail.rmsJobDisallowConcurrent.description=通用作业(禁止并发)
org.itkk.scheduler.properties.jobDetail.rmsJobDisallowConcurrent.recovery=false
org.itkk.scheduler.properties.jobDetail.rmsJobDisallowConcurrent.durability=true
org.itkk.scheduler.properties.jobDetail.rmsJobDisallowConcurrent.autoInit=true
#simpleTrigger
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.jobCode=rmsJob
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.name=testSimpleTrigger
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.group=general
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.intervalInMilliseconds=10000
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.autoInit=true
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.description=测试简单触发器
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.dataMap.serviceCode=SCH_CLIENT_UDF_SERVICE_A_DEMO
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.dataMap.beanName=testBean
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.dataMap.async=true
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.dataMap.param1=a
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.dataMap.param2=b
org.itkk.scheduler.properties.simpleTrigger.testSimpleTrigger.dataMap.param3=123
```
以上可以看,我们可以通过properties配置文件设定作业和触发器的任何属性,并且通过如:simpleTrigger这个code,就能随意的通过管理api进行curd操作.
### **基于rms的JobDetail**
从上面的配置可以看到,解决方案中内置了两个默认的jobDetail,一个是rmsJob另一个是rmsJobDisallowConcurrent.
想要使用它们很简单,为它们配置一个触发器即可,rmsjob通过以下属性来确定自己将要调用那个任务:
``` properties
#配置simple或者corn触发器的dataMap属性,并且添加如下值:
#指定要调用那个rms,这里设定的是rmscode,不太清楚的话可以回看第八篇文章
省略.serviceCode=SCH_CLIENT_UDF_SERVICE_A_DEMO
#指定要调用哪一个bean
省略.beanName=testBean
#是否采用异步方式
省略.async=true
#业务参数
省略.param1=a
省略.param2=b
省略.param3=123
```
如下方式可以在**执行节点**中定义一个**执行器**
``` java
@Component("testBean")
public class TestSch extends AbstractExecutor {
@Override
public void handle(String id, Map<String, Object> jobDataMap) {
try {
LOGGER.info("任务执行了------id:{}, jobDataMap:{}", id, jobDataMap);
} catch (JsonProcessingException e) {
throw new SchException(e);
}
}
}
```
这样就能为某一个执行器设定触发器,从而做到调度的功能.
而rmsJob是可以并发的触发执行器的.
### **禁止并发的基于rms的JobDetail**
在这个解决方案中禁止并发有两个层次
第一个层次就是默认实现的rmsJobDisallowConcurrent,大家看源码就知道,这个类上标注了@DisallowConcurrentExecution,这个注解的含义是禁止作业并发执行.
在传统的做法中jobdetail中包含了业务逻辑,没有异步的远程操作,所以说在类上标注这个注解能做到禁止并发.
但是现在有了异步任务的概念,触发器触发执行器后立即就返回结束了,如果这个时候,触发器的触发间隔小于执行器的执行时间,那么依然还是会有任务并发执行的.
这显然是不希望发生的,既然禁止并发,那么就一定要完全的做到禁止并发,如下设定保证了这一点:
``` java
protected void disallowConcurrentExecute(RmsJobParam rmsJobParam) throws JobExecutionException {
if (!this.hasRunning(rmsJobParam)) { //没有正在运行的任务才能运行
this.execute(rmsJobParam);
} else { //跳过执行,并且记录
RmsJobResult result = new RmsJobResult();
result.setId(rmsJobParam.getId());
result.setStats(RmsJobStats.SKIP.value());
save(rmsJobParam, result);
}
}
```
在禁止并发的异步任务触发前,会校验当前这个任务是否正在执行,如果正在执行的话,跳过并且记录.
### **异步任务,异步回调**
**执行节点**中的任务即可同步执行也可异步执行,通过配置触发器的**async**属性来控制的,
**同步执行** : 的任务适合执行时间短,执行时间稳定,并且有必要立即知道返回结果的任务
**异步执行** : 高并发,高性能的执行方式,没有特别的限制,推荐使用
如下实现片段:
``` java
//SchClientController中
public RestResponse<RmsJobResult> execute(@RequestBody RmsJobParam param) {
//记录来接收时间
Date receiveTime = new Date();
//定义返回值
RmsJobResult result = new RmsJobResult();
result.setClientReceiveTime(receiveTime);
result.setId(param.getId());
result.setClientStartExecuteTime(new Date());
//执行(区分同步跟异步)
if (param.getAsync()) {
schClientHandle.asyncHandle(param, result);
result.setStats(RmsJobStats.EXECUTING.value());
} else {
schClientHandle.handle(param);
result.setClientEndExecuteTime(new Date());
result.setStats(RmsJobStats.COMPLETE.value());
}
//返回
return new RestResponse<>(result);
}
```
``` java
//SchClientHandle中
//异步执行
@Async
public void asyncHandle(RmsJobParam param, RmsJobResult result) {
try {
//执行
this.handle(param);
result.setClientEndExecuteTime(new Date());
result.setStats(RmsJobStats.COMPLETE.value());
//回调
this.callback(result);
} catch (Exception e) {
result.setClientEndExecuteTime(new Date());
result.setStats(RmsJobStats.ERROR.value());
result.setErrorMsg(ExceptionUtils.getStackTrace(e));
//回调
this.callback(result);
//抛出异常
log.error("asyncHandle error:", e);
throw new SchException(e);
}
}
//同步执行
public void handle(RmsJobParam param) {
//判断bean是否存在
if (!applicationContext.containsBean(param.getBeanName())) {
throw new SchException(param.getBeanName() + " not definition");
}
//获得bean
AbstractExecutor bean = applicationContext.getBean(param.getBeanName(), AbstractExecutor.class);
//执行
bean.handle(param);
}
//异步回调(重处理)
@Retryable(maxAttempts = 3, value = Exception.class)
private void callback(RmsJobResult result) {
log.info("try to callback");
final String serviceCode = "SCH_CLIENT_CALLBACK_1";
rms.call(serviceCode, result, null, new ParameterizedTypeReference<RestResponse<String>>() {
}, null);
}
//回调失败后的处理
@Recover
public void recover(Exception e) {
log.error("try to callback failed:", e);
}
```
### **任务链**
在执行器父类中提供如下方法,可在执行节点触发其他执行器:
``` java
//调用链 (允许并发,异步调用)
protected String chain(boolean isConcurrent, String parentId, String serviceCode,
String beanName, boolean async, Map<String, String> param)
```
而在执行器中的使用样例:
``` java
@Component("testBean")
public class TestSch extends AbstractExecutor {
@Override
public void handle(String id, Map<String, Object> jobDataMap) {
try {
LOGGER.info("任务执行了------id:{}, jobDataMap:{}", id, xssObjectMapper.writeValueAsString(jobDataMap)); //NOSONAR
if (!jobDataMap.containsKey(TriggerDataMapKey.PARENT_TRIGGER_ID.value())) {
LOGGER.info("job链---->"); //NOSONAR
Map<String, String> param = new HashMap<>();
param.put("chain1", "1");
param.put("chain2", "2");
this.chain(id, "SCH_CLIENT_UDF_SERVICE_A_DEMO", "testBean", param);
}
} catch (JsonProcessingException e) {
throw new SchException(e);
}
}
}
```
这样可以使得执行器更加灵活,可以随意组合
### **管理api**
依赖于quartz的底层管理api,我们可以抽象出一系列restFul的api,目前实现的功能如下:
**作业管理** : 保存作业 , 保存作业(覆盖) , 移除作业 , 立即触发作业
**触发器管理** : 保存简单触发器 , 保存简单触发器(覆盖) , 保存CRON触发器 , 保存CRON触发器(覆盖) , 删除触发器
**计划任务管理** : 清理数据
### **misfire设定**
quartz原生的设定,表示那些错过了触发时间的触发器,后续处理的规则,可能是因为 : 服务不可用 , 线程阻塞,线程池耗尽 , 等..
#### simple触发器
**MISFIRE_INSTRUCTION_FIRE_NOW**
>以当前时间为触发频率立即触发执行
**MISFIRE_INSTRUCTION_RESCHEDULE_NEXT_WITH_EXISTING_COUNT**
>不触发立即执行
等待下次触发频率周期时刻执行
以总次数-已执行次数作为剩余周期次数，重新计算FinalTime
调整后的FinalTime会略大于根据starttime计算的到的FinalTime值
**MISFIRE_INSTRUCTION_RESCHEDULE_NEXT_WITH_REMAINING_COUNT**
>不触发立即执行
等待下次触发频率周期时刻，执行至FinalTime的剩余周期次数
保持FinalTime不变，重新计算剩余周期次数(相当于错过的当做已执行)
**MISFIRE_INSTRUCTION_RESCHEDULE_NOW_WITH_EXISTING_REPEAT_COUNT**
>以当前时间为触发频率立即触发执行
以总次数-已执行次数作为剩余周期次数，重新计算FinalTime
调整后的FinalTime会略大于根据starttime计算的到的FinalTime值
**MISFIRE_INSTRUCTION_RESCHEDULE_NOW_WITH_REMAINING_REPEAT_COUNT**
>以当前时间为触发频率立即触发执行
保持FinalTime不变，重新计算剩余周期次数(相当于错过的当做已执行)
**MISFIRE_INSTRUCTION_IGNORE_MISFIRE_POLICY**
>以错过的第一个频率时间立刻开始执行
**MISFIRE_INSTRUCTION_SMART_POLICY(默认)**
>智能根据trigger属性选择策略：
repeatCount为0，则策略同MISFIRE_INSTRUCTION_FIRE_NOW
repeatCount为REPEAT_INDEFINITELY，则策略同MISFIRE_INSTRUCTION_RESCHEDULE_NEXT_WITH_REMAINING_COUNT
否则策略同MISFIRE_INSTRUCTION_RESCHEDULE_NOW_WITH_EXISTING_REPEAT_COUNT
#### cron触发器
**MISFIRE_INSTRUCTION_DO_NOTHING**
>是什么都不做，继续等下一次预定时间再触发
**MISFIRE_INSTRUCTION_FIRE_ONCE_NOW**
>是立即触发一次，触发后恢复正常的频率
**MISFIRE_INSTRUCTION_IGNORE_MISFIRE_POLICY**
>以错过的第一个频率时间立刻开始执行
**MISFIRE_INSTRUCTION_SMART_POLICY(默认)**
>根据创建CronTrigger时选择的MISFIRE_INSTRUCTION_XXX更新CronTrigger的状态。
如果misfire指令设置为MISFIRE_INSTRUCTION_SMART_POLICY，则将使用以下方案：
指令将解释为MISFIRE_INSTRUCTION_FIRE_ONCE_NOW
大家可根据自身情况进行设定
## **结束**
今天跟大家分享了分布式调度的设计思路和想法,由于个人时间问题,这个设计的核心部分虽然已经完成,但是比如web界面,restful api,都还没有完成,后续有空就会把这些东西都弄上去的.
不过总体来说,把核心的思想讲出来了,也欢迎大家提出意见和建议
## **代码仓库** (博客配套代码)
- [udf-starter : 基础项目,脚手架,框架](https://gitee.com/wangkang/udf)
- [udf-sample : 集成样例](https://gitee.com/wangkang/udf-sample)
---------
想获得最快更新,请关注公众号
![想获得最快更新,请关注公众号](https://static.oschina.net/uploads/img/201705/24155414_Pukg.jpg "想获得最快更新,请关注公众号")
Reference in New Issue View Git Blame Copy Permalink