定时任务 | 青训营笔记

_迟鱼_
891 阅读11分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 2 天

定时任务

单机定时任务 - Timer、Ticker
  • Timer —— java
  • Ticker —— Go

特点： 可以跨平台，只能控制一台机器的定时任务（仅单机可用）

单机定时任务 - ScheduledExecutorService

特点： 拥有线程池的功能，仅单机可用

任务调度 - Quartz

特点： 单任务极致控制，没有负载均衡机制

分布式定时任务！！！

优点： 平台化管理，分布式部署，支持海量数据

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。分布式定时任务就是把分散的、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
  • 延时任务 ： 延迟触发，比如 10s 后触发
  • 周期任务
分布式定时任务 - 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，并发量低的任务
  • 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： 一个任务拆解成很多个子任务，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，还可以对所有的子任务结果汇总计算，适用于计算量大，并且需要对子任务结果汇总的任务。
行业内定时任务框架
  • Xxl - job : 开发迅速，易拓展，支持分片，支持简单的任务依赖和子任务依赖，不是跨平台的。开源免费，轻量级，开箱即用，操作简单易上手，在中小型公司使用广泛。
  • SchedulerX 2.0：基于 AKKa 框架自研，提供定时调度，调度任务编排和分布式批量处理的功能。付费使用，功能强大，在阿里巴巴内部广泛使用且久经考验
  • TCT ： 高性能，高可靠，通用的分布式任务调度中间件，支持国际通用的时间表达式，调度任务执行生命周期管理，解决传统地市任务单点及并发性能问题。支持任务分片，流程编排复杂调度任务处理能力，覆盖广泛的任务调度应用场景。未开源也未商用。
知识补充

分布式定时任务 与 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：

  • 分布式定时任务可以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 与 大数据处理引擎

关系：

  • 都可以对海量数据处理
  • 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治理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，还能调用 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 关键问题

  • 触发器：Trigger， 解析任务，生成出发事件
  • 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功能。

控制台

基础概念

任务： Job， 任务元数据

任务实例： JobInstance，任务运行的实例

任务结构： JobResult，任务实例运行的结构

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

任务和任务实例之间是 `1 ：n` 的关系，因为同一个任务可以多次执行，每次执行会生成一个实例

任务实例和任务结果之间也是 1:n 的关系，因为每个任务实例执行后，都可能失败，失败后就需要重新执行

任务和任务历史之间也是 1:n 的关系，不同版本的任务信息如果修改，就需要任务历史来记录修改。

任务元数据

任务元数据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。

graph LR
A[Job] --> B[基础信息 WHO ]
A --> C[调度时机 When]
A --> D[执行行为 What]
A --> E[执行方式 How]
任务实例

任务实例是一个确定的 Job 的一次运行实例

graph LR
A[JobInstance] --> B[Job_id]
A --> C[触发时间]
A --> D[状态 & 结果]
A --> E[过程信息]

触发器

核心职责

给定一系列任务，解析他们的触发规则，在规定的时间点触发任务的调度

设计约束

  • 需要支持大量任务：十万，百万级的任务
  • 需要支持秒级的调度：比如秒杀业务需要精确到秒
  • 周期任务需要多次执行
  • 需要保证秒级扫描的高性能，并避免资源浪费
方案一

定时扫描 + 延时消息（腾讯、字节方案）

方案二

时间轮（Quartz 所用方案）

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，数组中的每个元素可以存放一个定时任务列表

1676763918526-screenshot.png

查询复杂度 O(1)O(1)，修改复杂度 O(1)O(1)

问题 ： 如果出现时间轮刻度不够怎么办？

  1. 给时间轮加上一个 count 属性，相当于时间轮转过的圈数，规定当时间轮转过多少圈的时候再去执行这个任务。
  2. 使用多级时间轮存储任务，上一级时间轮转过对应刻度后再把任务塞入下一级时间轮中。

比如说上图中：任务二要在第 2 小时执行，所以任务二就会在时轮转到 2 的时候再放入分轮中去，分轮转到 3 后再放入到秒轮，然后秒轮就在 1 的时候执行了任务2。

查询和修改的时间复杂度同样为 O(1)O(1)，且解决了单个时间轮刻度不够的问题。

触发器的高可用问题

核心问题：

  1. 不同业务之间，任务的调度相互影响怎么办
  2. 负责扫描和触发的机器挂掉了额怎么办

解法思路：

  1. 存储上：不同国别，不同业务做资源隔离
  2. 运行时，不同国别，不同业务分开执行
  3. 部署时 ，采用多机房集群化部署，避免单点故障，通过数据库锁或者分布式锁保证任务只被触发一次
Trigger模式

单 Trigger 模式

单 Trigger 模式下执行一致性高，但是会出现单点故障，机器故障时导致平台崩溃

Trigger 集群模式

有多个 Trigger 同时进行服务，一个 Trigger 挂掉还可以有其他 Trigger 相应，可以避免单点故障。但是需要避免同一个任务被多次触发，导致业务紊乱

数据库设计

行锁模式

为了保证在 Trigger 集群模式 下，同一个业务不被多次触发，数据库可以加上 行锁模式：在触发调度之前，更新数据库中的 JobInstance 状态，成功抢锁的 Trigger 才会触发调度。

graph TD
A[Trigger 1] -- 抢锁成功</br>触发调度 --> D[数据库]
B[Trigger 2] --> D
C[Trigger N] -- 抢锁失败</br>放弃调度 --> D

缺点 : 会有多台机器频繁竞争数据库锁，导致消耗资源，节点越多性能越差。

分布式锁模式

在触发调度之前，尝试抢占分布式锁，这里可以使用 Redis 锁或者 Zookeeper 锁

graph TD
A[Trigger 1] -- 抢锁成功</br>触发调度 --> D[Redis]
B[Trigger 2] --> D
C[Trigger N] -- 抢锁失败</br>放弃调度 --> D

特点： 性能比较高，多家公司使用这种方案，比较推荐。

调度器

核心问题：

  1. 资源来源：我可以调度的机器从哪里来，有多少。
  2. 资源调度：我有了这些机器后，要如何对对他们几种调度，如何使用。
  3. 任务执行：我要如何用资源去解决用户提交的任务。
资源来源

由业务系统提供机器资源

优点：

  • 任务执行逻辑与业务系统共用一份资源，利用率很高

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容缩容

使用该方案的公司：阿里、美团、字节。

由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
  • 可以支持优雅的扩容缩容

缺点：

  • 消耗更多的机器资源
  • 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。

使用该方案的公司：字节等

资源调度
  1. **随机节点执行：**随机选择集群中一个可用的执行节点执行调度任务。使用场景：定时对账
  2. 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。比如需要所有机器一起删掉日志文件。
  3. 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

graph LR
 A[任务] --单机任务--> B[任务分片]
 B--Map任务--> C[Executor1]
B--Map任务--> D[Executor2]
B--Map任务--> E[ExecutorN]
C --区段1--- F[业务数据]
D --区段2--- F
E --区段N--- F

如果有N个执行器 Executor, M 个业务数据区段，最后 M≥NM \ge N ，保证每个机器都有工作，且 MM 是 NN 的整数倍。这样任务的颗粒度会更加细腻。

任务分片流程

  1. 用户提交任务后，我们可以在单机上通过单机任务对任务进行分片，分成 MM 个区段
  2. 然后我们将这 MM 个区段分配到 NN 个机器上面去执行
  3. NN 台机器会从数据库中获取不同的区段所需要的业务数据
任务编排

可以使用有向无环图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，任务最终执行成功

graph LR
a[Scheduler] --1--> B[Executor 1]--2-->C[调度失败]
a --3--> D[Executor 2] --4-->d[调度成功] --5--> e[结束]
a --> f[Executor N]

单机任务下，如果 Executor 1 任务执行失败，那么他会返回一个结果给调度器，调度器将任务分配给 Executor 2 继续执行。直到成功

分片任务 下，调度器基于一致性hash策略分发任务，当某个 Executor 异常时，调度器会将任务分发到执行指定的Executor 上执行，不会打乱其他的 Executor 工作顺序。

调度器的高可用

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证任务一定会被调度

### 执行器
  1. 首先是机器注册，调度中心知道有这么一个机器可以被我使用
  2. 调度器发出调度请求，执行中心进行任务执行，中间可能会回传日志文件，也可能发出回调请求
  3. 任务执行过程中，执行器会定时进行状态上报，类似心跳检测。确保执行器发生故障时，调度中心可以快速感知。然后调度中心将任务重新分发，并将有问题的执行器摘除

基于注册中心，可以做到执行器的弹性扩容缩容。

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。

电商

  • 订单30分钟未付款自动关闭订单
  • 定时给商家、达人发送信息，给用户发放优惠券

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天未收回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消息

春节集卡活动统计完成集卡的用户个数

  • 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
avatar
文章
阅读
粉丝