这是我参与「第五届青训营 」伴学笔记创作活动的第15天。
引入场景：春节瓜分20亿红包
开奖设计
由于活动面向的用户规模是千万级别甚至亿级的，所以单体服务是一定支撑不了的，故该类定时任务需要采用分布式集群的定时任务去完成。
任务要求：自动化 + 定时执行 + 海量数据 + 高效稳定 = 分布式定时任务
定时任务的发展历程
Windows批处理
case：实现定时10分钟后关机
- S1:新建文本文档
- S2:修改文件内容为"shutdown -s -t 600"，代表10分钟后关机
- S3:运行
Windows任务计划程序
case：每日12:00自动打卡
在“此电脑”的“管理”中设置任务计划程序
Linux命令-CronJob
case: 每天02:30定时清理机器日志
命令行设置事件发生的日期、时、分、秒
系统命令行优点
使用简单、稳定可靠
系统命令行缺点
只能控制单台机器，且无法适用于其他操作系统
单机定时任务
Timer、Ticker
case: 每隔5分钟定时刷新本地缓存数据
java实现
go实现
优点
跨平台
缺点
仅可单机使用
ScheduledExecuterServer
case：每隔5分钟执行多个任务
java实现
优点
拥有线程池功能
缺点
仅可单机使用
任务调度-Quartz
优点
单任务极致控制
缺点
没有负载均衡机制
分布式定时任务
为了能满足在用户量日益增长的背景应用功能的稳定性与可靠性，定时任务逐渐演化到了分布式的架构上。
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，比如每天12点或者每隔5s执行
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
业内定时任务框架
xxl-job
是一个轻量级分布式任务调度框架，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。XXL-JOB支持分片，简单支持业务依赖，支持子任务依赖，不是跨平台的。
其很大一个优势是开源且免费，并且轻量级，开箱即用，操作简易上手快，企业维护起来成本不高，因而在中小型公司使用非常广泛。
SchedulerX
TCT
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
分布式定时任务实现原理
核心架构
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，还需要提供一个控制台(Admin)，提供任务管理和干预的功能。
架构数据流
功能架构总览
控制台
基本概念
- 任务：Job，任务元数据
- 任务实例：JobInstance，任务运行的实例
- 任务结果：JobResult，任务实例运行的结果
- 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
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。
所包含信息
- 基础信息 -> Who
- 调度时机 -> When
- 执行行为 -> What
- 执行方式 -> How
任务实例(JobInstance)
是一个确定的Job的一次运行实例。
所包含信息
- job_id
- 触发时间
- 状态&结果
- 过程信息
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
实现方案1
定期扫描 + 延时消息
实现方案2
时间轮
- 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，环形数组中的每个元素可以存放一个定时任务列表。
- 一个时间轮共有六十个任务，若任务数量超过六十个，可以设定多级时间轮，任务放在秒轮时间轮上。
性能对比
目标：遍历任务列表，从中找出当前时间点需触发的任务列表
使用链表存储任务，每个元素代表一个任务
查询复杂度O(n)，修改复杂度O(1)。
使用最小堆存储任务，按执行时间排序，每个节点存储同执行时间任务列表
查询复杂度O(1)，修改复杂度O(logn)。
使用时间轮存储任务，每个节点存储同执行时间任务列表
查询复杂度O(1)，修改复杂度O(1)。
多级时间轮
时间轮是一种高效高可用的触发器实现方法。
实现高可用触发器
核心问题
- 不同业务之间，任务的调度相互影响了怎么办？(比如一个任务调度了大部分机器)
- 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-数据库行锁模式
在触发调度之前，更新数据库中JobInstance的状态，成功抢锁的才会触发调度。
但在该方法中，多台机器频繁竞争数据库锁，节点越多性能就会越差。
高可用-分布式锁模式
在触发调度之前，尝试抢占分布式锁，可使用Redis锁或Zookeeper锁(性能较高，多家公司使用此方案)。
调度器
资源来源
业务系统提供机器资源
- 优点
- 务执行逻辑与业务系统共用同一份资源，利用率高
- 缺点
-
更容易发生定时任务脚本影响在线服务的事故
-
不能由定时任务平台控制扩缩容
定时任务平台提供机器资源 优点： 任务执行逻辑与业务系统提供的在线服务隔离，避免相互影响 可以支持优雅地扩缩容 缺点： 消耗更多机器资源 需要额外为定时任务平台申请接口调用权限，而不能直接继承业务系统的权限
-
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。
N个执行器Executor，M个业务数据区段，最好M>=N，且M为N的整数倍，这样如果一个业务的数据挂掉，还可以拿另一个来用。
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。(可以去找一些开源框架使用)
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。
分布任务基于一致性hash策略分发任务，但某Executor异常时，调度器会将任务分发到其他Executor。
调度器-高可用
调度器可用集群部署，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、周期性执行任务业务场景，都可以考虑使用分布式定时任务。
Example
-
电商
- 订单30分钟未付款自动关闭订单
- 定时给商家、达人发送消息，给用户发放优惠券等
-
互动
- 支付宝集五福
- 字节春节集卡瓜分红包
-
游戏
- 活动结束后批量补发用户未领取的奖励
- 定期更新游戏内榜单
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
- 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信息
- 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
方案对比
以上内容若有不正之处，恳请您不吝指正！
