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。
Job
基础信息 WHO
调度时机 When
执行行为 What
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
JobInstance
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
查询复杂度 �(1)O(1)，修改复杂度 �(1)O(1)
问题 ： 如果出现时间轮刻度不够怎么办？
- 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。 - 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 �(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：
- 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掉了额怎么办
解法思路：
- 存储上：不同国别，不同业务做资源隔离
- 运行时，不同国别，不同业务分开执行
- 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。
抢锁成功
触发调度
抢锁失败
放弃调度
Trigger 1
数据库
Trigger 2
Trigger N
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
抢锁成功
触发调度
抢锁失败
放弃调度
Trigger 1
Redis
Trigger 2
Trigger N
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：
- 资源来源：我可以调度的机器从哪里来，有多少。
- 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。
- 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
- **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
- 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。
- 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
单机任务
Map任务
Map任务
Map任务
区段1
区段2
区段N
任务
任务分片
Executor1
Executor2
ExecutorN
业务数据
如果有N个执行器 Executor, M 个业务数据区段，最后 �≥�M≥N ，保证每个机器都有工作，且 �M 是 �N 的整数倍。这样任务的颗粒度会更加细腻。
