分布式任务调度框架Power-Job

分布式任务调度框架的由来及对比

在大型业务业务系统中，不可避免会出现一些需要定时执行需求的场景，例如定时同步数据，定时清洗数据，定时生成报表，大量机器一同执行某个任务，甚至有些需要分布式处理的任务例如需要更新一大批数据，单机耗时太长需要进行任务分发，利用集群的计算能力等等

现今为止，市面上流行的作业调度框架有老牌的Quartz、基于Quartz的elastic-job和原先基于Quartz后面移除依赖的xxl-job，Quartz可以视为第一代任务调度框架，基本上是现有所有分布式调度框架的“祖宗”。它不提供Web界面，只能通过API完成任务的配置，使用起来不够方便和灵活，同时它仅支持单机执行，无法有效利用整个集群的计算能力。

xxl-job可以视为第二代任务调度框架，在一定程度上解决了Quartz的不足，在过去几年中是个非常优秀的调度框架，不过放到今天来看，还是存在着一些不足的：

• 例如数据库支持单一： 仅支持MySQL，使用其他DB需要自己改代码
• 有限的分布式计算能力： 仅支持静态分片，无法很好的完成复杂任务的计算
• 不支持工作流： 无法配置各个任务之间的依赖关系，不适用于有DAG需求的场景

PowerJob可以被认为是第三代任务调度框架，它是新一代分布式任务调度与计算框架，支持CRON、API、固定频率、固定延迟等调度策略，提供工作流来编排任务解决依赖关系，能让您轻松完成作业的调度与繁杂任务的分布式计算，在任务调度的基础上，还额外提供了分布式计算和工作流功能，其主要特性如下：

• 使用简单： 提供前端Web界面，允许开发者可视化地完成调度任务的管理（增、删、改、查）、任务运行状态监控和运行日志查看等功能
• 定时策略完善： 支持CRON表达式、固定频率、固定延迟和API四种定时调度策略
• 执行模式丰富：支持单机、广播、Map、MapReduce四种执行模式，其中Map/MapReduce处理器能使开发者寥寥数行代码便获得集群分布式计算的能力
• DAG工作流支持： 支持在线配置任务依赖关系，可视化得对任务进行编排，同时还支持上下游任务间的数据传递
• 执行器支持广泛： 支持SpringBean、内置/外置Java类、Shell、Python等处理器，应用范围广
• 运维便捷：支持在线日志功能，执行器产生的日志可以在前端控制台页面实时显示，降低debug成本，极大地提高开发效率
• 依赖精简：最小仅依赖关系型数据库（MySQL/PostgreSQL/Oracle/MS SQLServer…），同时支持所有Spring Data JPA所支持的关系型数据库
• 高可用&高性能：调度服务器经过精心设计，一改其他调度框架基于数据库锁的策略，实现了无锁化调度。部署多个调度服务器可以同时实现高可用和性能的提升（支持无限的水平扩展）
• 故障转移与恢复： 任务执行失败后，可根据配置的重试策略完成重试，只要执行器集群有足够的计算节点，任务就能顺利完成

Power-Job分布式任务调度框架

Power-Job项目初始化

Administrator@DESKTOP-173DTHK MINGW64 /d/E/Programs$ git clone https://github.com/KFCFans/PowerJob.gitCloning into 'PowerJob'...remote: Enumerating objects: 28221, done.remote: Counting objects: 100% (423/423), done.remote: Compressing objects: 100% (147/147), done.remote: Total 28221 (delta 121), reused 422 (delta 121), pack-reused 27798Receiving objects: 100% (28221/28221), 18.96 MiB | 286.00 KiB/s, done.Resolving deltas: 100% (11330/11330), done.Administrator@DESKTOP-173DTHK MINGW64 /d/E/Programs

导入 IDE，源码结构如下，我们需要启动调度服务器（powerjob-server），同时在 samples 工程中编写自己的处理器代码

PowerJob由调度服务器（powerjob-server）和执行器(powerjob-worker)两部分组成，powerjob-server负责提供Web服务和完成任务的调度，powerjob-worker则负责执行用户所编写的任务代码，同时提供分布式计算能力

启动调度服务器

1. 创建数据库（仅需要创建数据库）：create database `powerjob-daily` default character set utf8mb4 collate utf8mb4_general_ci;
2. 修改配置文件，配置文件的说明官方文档写的非常详细，需要修改的地方(路径: PowerJob/powerjob-server/powerjob-server-starter/src/main/resources/application-daily.properties)为数据库配置：
   • spring.datasource.core.jdbc-url
   • spring.datasource.core.username
   • spring.datasource.core.password
   • mongoDB 的同学也可以修改spring.data.mongodb.uri

powerjob-server 日常环境配置文件：application-daily.properties

oms.env=DAILYlogging.config=classpath:logback-dev.xml####### 外部数据库配置（需要用户更改为自己的数据库配置） #######spring.datasource.core.driver-class-name=com.mysql.cj.jdbc.Driverspring.datasource.core.jdbc-url=jdbc:mysql://localhost:3306/powerjob-daily" />spring.datasource.core.driver-class-name=org.h2.Driverspring.datasource.core.jdbc-url=jdbc:h2:file:~/h2/powerjob-daily-testspring.datasource.core.username=saspring.datasource.core.password=

3. 完成配置文件的修改后，可以直接通过启动类 tech.powerjob.server.PowerJobServerApplication 启动调度服务器（注意：需要使用 daily 配置文件启动，可自行百度搜索“SpringBoot 指定配置文件启动”），观察启动日志，查看是否启动成功～启动成功后，访问 http://127.0.0.1:7700/ ，如果能顺利出现 Web 界面，则说明调度服务器启动成功！
4. 注册应用：点击主页应用注册按钮，填入 powerjob-agent-test 和控制台密码（用于进入控制台），注册示例应用（当然你也可以注册其他的 appName，只是别忘记在示例程序中同步修改～）

编写示例代码

进入示例工程（powerjob-worker-samples），修改配置文件连接powerjob-server并编写自己的处理器代码

1. 修改 powerjob-worker-samples 的 application.properties，将 powerjob.worker.app-name 改为刚刚在控制台注册的名称

server.port=8081spring.jpa.open-in-view=false########### powerjob-worker 配置 ############ akka 工作端口，可选，默认 27777powerjob.worker.akka-port=27777# 接入应用名称，用于分组隔离，推荐填写 本 Java 项目名称powerjob.worker.app-name=powerjob-agent-test# 调度服务器地址，IP:Port 或 域名，多值逗号分隔powerjob.worker.server-address=127.0.0.1:7700,127.0.0.1:7701# 持久化方式，可选，默认 diskpowerjob.worker.store-strategy=disk# 任务返回结果信息的最大长度，超过这个长度的信息会被截断，默认 8192powerjob.worker.max-result-length=4096# 单个任务追加的工作流上下文最大长度，超过这个长度的会被直接丢弃，默认 8192powerjob.worker.max-appended-wf-context-length=4096

2. 编写自己的处理器：随便找个地方新建类，继承你想要使用的处理器（各个处理器的介绍可见官方文档官方文档，文档非常详细），这里为了简单演示，选择使用单机处理器 BasicProcessor，以下是代码示例

@Slf4j@Componentpublic class StandaloneProcessorDemo implements BasicProcessor {@Overridepublic ProcessResult process(TaskContext context) throws Exception {// PowerJob 在线日志功能，使用该 Logger 打印的日志可以直接在 PowerJob 控制台查看OmsLogger omsLogger = context.getOmsLogger();omsLogger.info("StandaloneProcessorDemo start process,context is {}.", context);return new ProcessResult(true, "process successfully~");}}

3. 启动示例程序，即直接运行主类 tech.powerjob.samples.SampleApplication，观察控制台输出信息，判断是否启动成功。

任务的配置与运行

调度服务器与示例工程都启动完毕后，再次前往Web页面（ http://127.0.0.1:7700/ ），进行任务的配置与运行

1. 在首页输入框输入配置的应用名称，成功操作后会正式进入前端管理界面
   

2. 点击任务管理 -> 新建任务（右上角），开始创建任务

● 任务名称：名称
● 任务描述：描述
● 任务参数：任务处理时能够获取到的参数（即各个 Processor 的 process 方法入参 TaskContext 对象的jobParams 属性）（进行一次处理器开发就能理解了）
● 定时信息：该任务的触发方式，由下拉框和输入框组成
○ API -> 不需要填写任何参数，表明该任务由OpenAPI触发，不会被调度器主动调度执行
○ CRON -> 填写 CRON 表达式（在线生成）
○ 固定频率 -> 任务以固定的频率执行，填写整数，单位毫秒
○ 固定延迟 -> 任务以固定的延迟执行，填写整数，单位毫秒
○ 工作流 -> 不需要填写任何参数，表明该任务由工作流（workflow）触发
● 执行配置：由执行类型（单机、广播和 MapReduce ）、处理器类型和处理器参数组成，后两项相互关联。
○ 内置Java处理器 -> 填写该处理器的全限定类名（eg, tech.powerjob.samples.processors.MapReduceProcessorDemo）
○ Java容器 -> 填写容器ID#处理器全限定类名（eg，1#cn.edu.zju.oms.container.ContainerMRProcessor）
○ SHELL、Python、SQL 、HTTP 等任务的执行：官方处理器的使用教程
● 运行配置
○ 最大实例数：该任务同时执行的数量，0 代表不限制实例数量
○ 单机线程并发数：该实例执行过程中每个 Worker 使用的线程数量（MapReduce 任务生效，其余无论填什么，都只会使用必要的线程数）
○ 运行时间限制：限定任务的最大运行时间，超时则视为失败，单位毫秒，0 代表不限制超时时间（不建议不限制超时时间）。
● 重试配置：
○ Instance 重试次数：实例级别，失败了整个任务实例重试，会更换 TaskTracker（本次任务实例的Master节点），代价较大，大型Map/MapReduce慎用
○ Task 重试次数：Task 级别，每个子 Task 失败后单独重试，会更换 ProcessorTracker（本次任务实际执行的 Worker 节点），代价较小，推荐使用
○ 注：请注意同时配置任务重试次数和子任务重试次数之后的重试放大，比如对于单机任务来说，假如任务重试次数和子任务重试次数都配置了 1 且都执行失败，实际执行次数会变成 4 次！推荐任务实例重试配置为 0，子任务重试次数根据实际情况配置
● 机器配置：用来标明允许执行任务的机器状态，避开那些摇摇欲坠的机器，0 代表无任何限制
○ 最低 CPU 核心数：填写浮点数，CPU 可用核心数小于该值的 Worker 将不会执行该任务
○ 最低内存（GB）：填写浮点数，可用内存小于该值的 Worker 将不会执行该任务
○ 最低磁盘（GB）：填写浮点数，可用磁盘空间小于该值的 Worker 将不会执行该任务
● 集群配置
○ 执行机器地址：指定集群中的某几台机器执行任务（ debug 的好帮手），多值英文逗号分割，如192.168.1.1:27777,192.168.1.2:27777
○ 最大执行机器数量：限定调动执行的机器数量
● 报警配置：选择任务执行失败后报警通知的对象，需要事先录入

3. 完成任务创建后，即可在控制台看到刚才创建的任务，如果觉得等待调度太过于漫长，可以直接点击运行按钮，立即运行本任务

4. 前往任务示例边栏，查看任务的运行状态和在线日志

更多功能示例可见官方文档，工作流、MapReduce、容器等高级特性官方视频