SpringBoot2 集成 xxl-job任务调度中心

文章目录

一、简述
二、故障转移演示
- 2.1. 启动2个执行器
- 2.2. 添加执行器ip
- 2.3. 故障转移策略
- 2.4. 启动任务
- 2.5. 模拟8081执行器宕机
- 2.6. 结论
三、轮训策略演示
- 3.1. 启动2个执行器
- 3.2. 添加执行器ip
- 3.3. 轮训策略
- 3.4. 启动任务
- 3.5. 日志分析
- 3.6. 故障转移
- 3.7. 重新启动8082执行器
四、轮训策略演示
- 4.1. 启动3个执行器
- 4.2. 添加执行器ip
- 4.3. 分片广播策略
- 4.4. 启动任务
- 4.5. 案例代码
- 4.6. 执行一次测试
- 4.7. 执行器效果
- 4.8. 结论

一、简述

路由策略：执行器集群部署时提供丰富的路由策略，包括：第一个、最后一个、轮询、随机、一致性HASH、最不经常使用、最近最久未使用、故障转移、忙碌转移等；

路由策略	说明	使用频次
FIRST（第一个）	固定选择第一个机器
LAST（最后一个）	固定选择最后一个机器
ROUND（轮询）	负载均衡+故障转移	经常使用
RANDOM（随机）	随机选择在线的机器
FAILOVER（故障转移）	按照顺序依次进行心跳检测，第一个心跳检测成功的机器选定为目标执行器并发起调度	经常使用
SHARDING_BROADCAST(分片广播)	广播触发对应集群中所有机器执行一次任务，同时系统自动传递分片参数；可根据分片参数开发分片任务	经常使用

二、故障转移演示

2.1. 启动2个执行器

2.2. 添加执行器ip

2.3. 故障转移策略

2.4. 启动任务

发现任务只在8081执行器上，每5秒执行一次。8082执行器上没有执行。

2.5. 模拟8081执行器宕机

停止8081执行器，最后一次执行的时间是2021-02-15 14:59:01
8082执行器，第一次执行的时间是2021-02-15 14:59:06

正好接上了，对吧！

2.6. 结论

故障转移策略只会运行在一台8081执行器上，当8081执行器宕机，就会转移到8082执行器上继续执行任务。

三、轮训策略演示

3.1. 启动2个执行器

因为修改策略和执行器无关，如果上面启动了，此步骤可以跳过

3.2. 添加执行器ip

因为修改策略和执行器无关，如果上面启动了，此步骤可以跳过

3.3. 轮训策略

3.4. 启动任务

3.5. 日志分析

8081执行器，执行的时间是

2021-02-15 15:09:13
2021-02-15 15:09:23
2021-02-15 15:09:33
2021-02-15 15:09:43
2021-02-15 15:09:53

8082执行器，执行的时间是
2021-02-15 15:09:18
2021-02-15 15:09:28
2021-02-15 15:09:38
2021-02-15 15:09:48
2021-02-15 15:09:58

从以上数据分析得出，任务是负载均衡执行的。

3.6. 故障转移

8082执行器停止，模拟宕机，最后一次执行的时间是2021-02-15 15:14:19

当8082宕机后，最后执行的时间是
2021-02-15 15:13:59
2021-02-15 15:14:09
2021-02-15 15:14:19

当8082宕机后，8081执行器，继续执行的时间是
2021-02-15 15:14:24
2021-02-15 15:14:34
2021-02-15 15:14:44
2021-02-15 15:14:54
2021-02-15 15:15:04

8081执行器继续执行任务，但是是每隔10秒

3.7. 重新启动8082执行器

8082执行器任务开始的时间
2021-02-15 15:18:50
2021-02-15 15:18:59
2021-02-15 15:19:09
2021-02-15 15:19:19
2021-02-15 15:19:29

8081执行器任务执行的时间
2021-02-15 15:18:54
2021-02-15 15:19:04
2021-02-15 15:19:14
2021-02-15 15:19:24
2021-02-15 15:19:34
2021-02-15 15:19:45

任务继续轮序负载每个5秒执行

四、轮训策略演示

4.1. 启动3个执行器

4.2. 添加执行器ip

因为修改策略和执行器无关，如果上面启动了，此步骤可以跳过

4.3. 分片广播策略

4.4. 启动任务

4.5. 案例代码

package com.gblfy.distributedjob.task;import com.xxl.job.core.context.XxlJobHelper;
import com.xxl.job.core.handler.annotation.XxlJob;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.stereotype.Component;import java.util.Arrays;
import java.util.List;@Component
public class TaskExecute {private final static Logger logger = LoggerFactory.getLogger(TaskExecute.class);/*** 任务调度入口* 分片广播任务* <p>* 参数1: 执行日期 executeDate  2021-02-15* 参数2: 执行标识 executeFlag  I-增量 F-全量* 参数3: 表名称 tableName    sys_user* 参数4: 管理机构 manageCom    86* 参数5: 执行场景 executeScene UPDATE* </p>*/@XxlJob("myJobHandler")public void shardingJobHandler() 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);logger.info("分片参数：当前分片序号 = {}, 总分片数 = {}", shardIndex, shardTotal);List<Integer> list = Arrays.asList(1, 2, 3, 4);// 业务逻辑for (Integer i : list) {if (i % shardTotal == shardIndex) {logger.info("myXxlJobHandler execute...user={}", i);XxlJobHelper.log("第 {} 片, 命中分片开始处理", i);}}}
}

4.6. 执行一次测试

4.7. 执行器效果

4.8. 结论

分片广播为了把数据进行分片处理，简言之，大量订单数据根据不同的订单号取模，分片机器分别处理属于自己片区的订单数据，减轻服务器压力。