这是我参与「第五届青训营 」伴学笔记创作活动的第12天。
一、 发展历程
1.Windows批处理
10分钟后Windows电脑自动关机
文件名“自动关机.bat”
shutdown -s -t 600
2.Windows任务计划程序
每天12:00自动疫情打卡
3.Linux命令-CronJob
每天02:30定时清理机器日志
30 2***clean_log.sh
4.单机定时任务-Timer、Ticker
每隔5分钟定时刷新本地缓存数据
单机定时任务-ScheduledExecutorService
每隔5分钟定时执行多个任务
5.任务调度-Quartz
- 单任务极致控制
- 没有负载均衡机制
6.分布式定时任务
- 平台化管理
- 分布式部署
- 支持海量数据
定义
- 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
- 延时任务
- 周期任务
特点
- 自动化：全自动完成定时任务的调度和执行
- 平台化：基于平台化的思维管控一系列的分布式定时任务
- 分布式：在分布式系统环境下运行任务调度，突破单机定时任务的性能瓶颈
- 伸缩性：采用集群方式部署，可以随时按需扩缩容
- 高可用：单点故障不影响最终任务结果，可以做到故障转移
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
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擎要解决的核心问题
- 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
二、 实现原理
1.核心架构
分布式定时任务核心要解决触发、调度、执行三个关键问题
- 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，还需提供一个控制台（Admin），提供任务管理和干预的功能。
2.控制台
任务元数据
任务元数据 （Job）是用户对任务属性定义, 包括任务类型调度时机、执行行为等。
任务实例
任务实例（JobInstance）是一个确定的 Job 的一次运行实例。
3.触发器
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
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
调度器
资源调度
节点选择
- 随机节点执行：选择集群中一个可用的执行节点执行调度任务。适用场景：定时对账。
- 广播执行：在集群中所有的执行节点分发调度任务并执行。适用场景：批量运维。
- 分片执行：按照用户自定义分片逻辑进行拆分，分发到集群中不同节点并行执行，提升资源利用效率。适用场景：海量日志统计。
任务分片
通过任务分片来提高任务执行的效率和资源的利用率
高级特性
任务编排
使用有向无环图 DAG(Directed Acyclic Graph)进行可视化任务编排
故障转移
确保部分执行单元任务失败时, 任务最终成功
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
