简介

XXL-JOB是一个分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线，开箱即用。

 

选型

框架对比（前人总结）

feature	quartz	elastic-job-cloud	xxl-job	antares	opencron
依赖	mysql	jdk1.7+, zookeeper 3.4.6+ ,maven3.0.4+ ,mesos	mysql ,jdk1.7+ , maven3.0+	jdk 1.7+ , redis , zookeeper	jdk1.7+ , Tomcat8.0+
HA	多节点部署，通过竞争数据库锁来保证只有一个节点执行任务	通过zookeeper的注册与发现，可以动态的添加服务器。支持水平扩容	集群部署	集群部署	—
任务分片	—	支持	支持	支持	—
文档完善	完善	完善	完善	文档略少	文档略少
管理界面	无	支持	支持	支持	支持
难易程度	简单	较复杂	简单	一般	一般
公司	OpenSymphony	当当网	个人	个人	个人
高级功能	—	弹性扩容，多种作业模式，失效转移，运行状态收集，多线程处理数据，幂等性，容错处理，spring命名空间支持	弹性扩容，分片广播，故障转移，Rolling实时日志，GLUE（支持在线编辑代码，免发布）,任务进度监控，任务依赖，数据加密，邮件报警，运行报表，国际化	任务分片， 失效转移，弹性扩容 ，	时间规则支持quartz和crontab ，kill任务， 现场执行，查询任务运行状态
缺点	没有管理界面，以及不支持任务分片等。不适用于分布式场景	需要引入zookeeper , mesos, 增加系统复杂度, 学习成本较高	调度中心通过获取 DB锁来保证集群中执行任务的唯一性， 如果短任务很多，随着调度中心集群数量增加，那么数据库的锁竞争会比较厉害，性能不好。	不支持动态添加任务	不适用于分布式场景
使用企业	大众化产品，对分布式调度要求不高的公司大面积使用	36氪，当当网，国美，金柚网，联想，唯品会，亚信，平安，猪八戒	大众点评，运满满，优信二手车，拍拍贷	—	—

从上述对比来看，XXL-JOB简单、依赖少、文档完善、社区活跃，是个不错的选择。

 

架构

官方的架构图，一共就两大组件

调度中心——xxl-job-admin，有porta界面，可以管理控制所有的任务执行情况

执行器——需要业务方自行开发接入的，将任务托管给调度中心进行控制

 

安装部署

从github把源码工程clone到本地  https://github.com/xuxueli/xxl-job

部署起来非常简单

 

调度中心

修改xxl-job-admin的配置文件，数据地址等修改成自己的，mvn clean package打包，传到服务器上部署启动

 

执行器

参照官方示例编写自己的业务逻辑，配置好相关配置属性，可参照   https://github.com/cwtree/cube-xxl-job-executor.git

常规任务

@XxlJob("myJobHandler")
    public void myJobHandler() throws Exception {
        XxlJobHelper.log("job test ...");
        for (int i = 0; i < 5; i++) {
            XxlJobHelper.log("beat at:" + i);
            TimeUnit.SECONDS.sleep(2);
        }
        log.info("常规任务执行。。。");
    }

分片任务

@XxlJob("shardJobHandler")
    public void shard() throws Exception {
		// 分片参数
        int shardIndex = XxlJobHelper.getShardIndex();
        int shardTotal = XxlJobHelper.getShardTotal();
        XxlJobHelper.log("分片参数：当前分片序号 = {}, 总分片数 = {}", shardIndex, shardTotal);
        log.info("分片参数：当前分片序号 = {}, 总分片数 = {}", shardIndex, shardTotal);
        // 业务逻辑
        for (int i = 0; i < shardTotal; i++) {
            if (i == shardIndex) {
                XxlJobHelper.log("第 {} 片, 命中分片开始处理", i);
                log.info("第 {} 片, 命中分片开始处理", i);
            } else {
                XxlJobHelper.log("第 {} 片, 忽略", i);
                log.info("第 {} 片, 忽略", i);
            }
        }
        
        log.info("分片任务执行。。。");
    }

执行器启动后，就可以去调度中心新增任务，新增执行器管控起来了

 

 

分片任务使用场景：

订单超时场景，部署了10个进程执行器，业务逻辑是查询快要超时的订单，然后修改订单状态关闭，如果快要超时的订单过多，靠一个进程执行任务来做，可能内存溢出或超时等，此时需要将订单数据分片分到各个进程执行器里，分担执行，提高效率。