这是我参与「第三届青训营 -后端场」笔记创作活动的的第17篇笔记, 本文主要介绍了分布式定时任务相关知识
前言
春节瓜分20亿
作为后端开发同学,怎么设计最终的开奖环节技术方案?
自动化+定时执行+海量数据+高效稳定 = 》分布式定时任务
发展历程
Windows批处理
Case 1:10min后自动关机
Windows任务计划程序
Linux命令-CronJob
每天2:30清理日志
单机定时任务Timer,Ticker
case 4:每隔五分钟定时刷新本地缓存数据
- Java
- GO
\
单机定时任务 ScheduleExecutorService
- 每隔五分钟定时执行多个任务
任务调度Quartz
- 单任务机制控制
- 没有负载均衡
分布式定时任务
什么是分布式定时任务
定时任务是指系统为了自动完成特定任务,实时、延时、周期性完成任务调度的过程。
分布式定时任务是把分散的、可靠性差的定时任务纳入统一的平台,并实现集群管理调度和分布式部署的一种定时任务的管理方式。
按触发时机分类:
- 定时任务: 特定时间触发,比如今天15:06执行
- 延时任务:延时触发,比如10s后执行.
- 周期任务:固定周期时间,或固定频率周期调度触发,比如每隔5s或者每天12点执行
特点
执行方式
- 单机任务:随机触发一台机器执行任务,适用于计算量小、并发度低的任务
- 广播任务:广播到所有机器上执行同一个任务,比如所有机器一起清理日志.
- Map任务:一个任务可以分出多个子任务,每个子任务负责一部分的计算。适用于计算量大,单机无法满足要求的任务
- MapReduce任务: 在Map任务的基础上,还可以对所有子任务的结果做汇总计算,适用于计算量大,并且需要对子任务结果做汇总的任务\
执行方式VS春节集卡
MapReduce任务 Map任务
业内定时任务框架
知识面扩充
分布式定时任务VS单机定时任务
关系:
- 都可以实现自动化的定时、延时、周期任务调度
差异:
- 分布式定时任务可支撑更大的业务体量
- 分布式定时任务的性能、伸缩性、稳定性更高
分布式定时任务VS大数据处理引擎
关系:
- 都可以对海量数据做处理
- 性能、伸缩性、稳定性都很高
差异:
- 定时并不是大数据处理引警要解决的核心问题
- 大数据处理引擎往往致力于将源数据处理成结果数据,分布式定时任务除了能做这个之外,还可以调用HTTP和RPC服务
实现原理
核心架构
分布式定时任务核心要解决触发,调度,执行三个问题
- 触发器:Trigger,解析任务,生成触发事件
- 调度器: Scheduler,分配任务,管理任务生命周期.
- 执行器: Executor,获取执行任务单元,执行任务逻辑
除此之外,还需要提供一个控制台(Admin),提供任务管理和干预的功能。
数据流
任务创建:用户提交信息到控制台Admin
- 任务基础信息
- 触发规则
- 任务代码
任务执行:
- 触发器判断任务什么时候执行
- 调度器协调
- 执行
功能架构
控制台
基本概念
- 任务:Job,任务元数据
- 任务实例: Joblnstance,周期任务会生成多个任务实例 1:n
- 任务结果: JobResult,任务实例运行的结果(1:n 失败了会重试,每次失败都会有一个结果)
- 任务历史: JobHistory,用户可以修改任务信息,任务实例对应的任务元数据可以不同,因而使用任务历史存储
基本概念-任务元数据
任务元数据是用户对任务属性的定义,包括任务调度时机,执行行为等
基本概念-任务实例
是一个确定的Job的一次运行实例
触发器
核心职责
核心职责
- 给定一系列任务,解析它们的触发规则,在规定的时间点触发任务的调度
设计约束
- 需支持大量任务
- 需支持秒级的调度周期任务
- 需要多次执行
- 需保证秒级扫描的高性能,并避免资源浪费
方案1:定时扫描+延时消息
- 扫描器:定时执行,扫描db,扫描出最近时间要执行的任务(如10min后执行)
- 将这部分发送到消息队列延时消息
- 改变db中任务的状态
- 等时间到了,调度器会触发调度,执行任务,与数据库交互
方案2:时间轮(Quartz方案)
时间轮是一种高效利用线程资源进行批量化调度的一种调度模型。时间轮是一个存储环形队列,底层采用数组实现,数组中的每个无素可以存放一个定时任务列表。
目标:遍历任务列表,从中找出当前时间点需要触发的任务
- 简单方案
- 优化:使用最小堆,因为只需要知道时间节点最近的元素
-
- 缺点:数组长度无限扩展
- 优化:环形数组:可以当做时钟
- 优化:多级时间轮
-
- 小时,分钟,秒,甚至还可以扩展
- 应用:心跳检测等
触发器-高可用
核心问题
- 不同业务之间,任务的调度相互影响怎么办?
- 负责扫描和触发的机器挂了怎么办?
解法思路
- 存储上,不同国别、业务做资源隔离
- 运行时,不同国别、业务分开执行
- 部署时,采用多机房集群化部署,避免单点故障,通过数据库锁或分布式锁保证任务只被触发一次
高可用-问题引出
高可用-数据库行锁模式(Quartz)
在触发调度之前,更新数据库中Joblnstance的状态,成功抢锁的才会触发调度
- 多台机器频繁竞争数据库锁,节点越多性能越差
高可用-分布式锁模式(Quartz)
在触发调度之前,尝试抢占分布式锁
调度器
资源来源
- 业务系统提供机器资源
- 定时任务平台提供机器方案
资源调度-节点选择
- 随机节点执行:随机选择一个
- 广播执行:集群中所有机器
- 分片执行:按照用户自定义逻辑分片进行拆分,分配到不同的节点并行执行
资源调度-任务分片
通过任务分片提高任务执行效率和资源利用率
N个执行器Executor, M个业务数据区段,最好M>=N, 且M是N的整数倍
高级特性-任务编排
使用有向无环图进行可视化任务编排
高级特性-故障转移
确保部分执行单元任务失败时,任务最终成功
分片任务基于一致性hash策略分发任务,当某Executor异常时,调度器会将任务分发到其他Executor
调度器-高可用
调度器可以集群部署,做到完全的无状态,靠消息队列的重试机制保障任务一定会被调度
执行器
- 基于注册中心,可以做到执行器的弹性扩缩容
业务应用
所有需要定时、延时、周期性执行任务的业务场景,都可以考虑使用分布式定时任务。
其他解决方案
发货后超过10天未收货时系统自动确认收货民.
- 使用分布式定时任务的延时任务
- 使用消息队列的延时消息或者定时消息
春节集卡活动统计完成集卡的用户个数和总翻倍数
- 使用分布式定时任务的MapReduce任务
- 使用大数据离线处理引擎Hive离线做统计
- 使用大数据实时处理引擎Flink实时做累计