从单机定时到多层分发

在工作中基本上都会使用定时任务，常用的有 Spring 定时框架、Quartz、elastic-job、xxl-job 等。这里说不上框架的好坏，只有适合自己的才是最好的，本文仅从个人角度上谈一谈对定时任务的看法。

单机定时

单机定时我这里分为纯单机版、 固定 IP 版、分布式锁版、单机调度版，下面从这四个角度来谈一谈他们的实现方式以及当时所在的背景。

纯单机版

顾名思义，就是应用都是单体应用，不存在集群，写一个定时任务就可以了，可以是线程定时调度、也可以是 Spring 定时框架用 @Scheduled注解实现。这种方式在单体应用的极为合适，主要是简单方便。

当然也存在他的弊端，那就是如果我的应用是多机部署的，那就会导致并发冲突。出现问题，解决问题，所以下面三种方式应运而生。

固定 IP 版

就是如果我知道了机器的 IP 地址，并且基本上 IP 地址也不会变化，我只需要在代码中写一个判断逻辑，这样 IP 地址不是当前机器的应用，并不会执行定时任务。

大概逻辑如下：

@Componentpublic class ScheduledTask {
    @Scheduled(cron="0 0 * * * ? *")    public void execute() {        // 获取当前机器的 IP 地址        // 比较配置的 IP 地址和当前机器的 IP 地址是否相同        // 不相同直接返回        // 相同则继续执行定时任务    }
}

这种方式可以很完美的避免多台机器同时执行定时任务，也可以稍微进阶一下，就是将指定的 IP 地址用 @Value 注解，然后可以在配置中心比如 Apollo 进行动态修改。

分布式锁版

这种和上面的方式区别不大，只是在中间尝试获取分布式锁，不过需要对分布式锁的时间把握好，一般问题不大，如果一天一次的定时任务，在 Redis 锁它个一天都可以，总不能定时任务也执行一天。当然几分钟一次的也一个意思，合理安排锁的时间就行。在数据库写个标识也可以，都是大同小异。

@Componentpublic class ScheduledTask {
    @Scheduled(cron="0 0 0 * * ? *")    public void execute() {        // 尝试获取分布式锁        // 获取锁失败，说明别的机器在执行定时任务，直接返回        // 获取锁成功，在本机执行定时任务    }
}

单机调度版

这种方式也很容易理解，定时执行的任务，也是一个接口，我定时去调度一下这个接口就行了。

这种方式是完全可以的，定时系统用 Spring 定时框架定时执行，定时系统是单机的，不存在并发，调度到业务系统，可以使用 Dubbo，这里只会有一台机器被调度到。

至于说重复调度了这种极端情况那就另说，不过像查单、补单这种基本不会有啥问题，做个幂等就行。

这种情况也存在弊端，就是定时系统是单机的，如果他挂了怎么办？不用怕，技术还可以继续演进！

分布式调度中间件

单机执行版

分布式调度中间件，我相对熟悉一些的就是 xxl-job。图和上面定是系统调度版本区别不大，一般常用的就是将调度任务发到一台机器来执行。基本上使用的都是这种方式，能解决大部分的场景，但是依然存在问题，毕竟咱们的主题是多层分发。

@Component@JobHandler("demoJob")@Slf4jpublic class DemoJob extends IJobHandler {

    @Override    public ReturnT<String> execute(String param) throws Exception {
        log.info("XXJob 收到调度 ...");
        try {        } catch (Exception e) {            log.info("XXJob 调度异常:", e);            return FAIL;        }        return SUCCESS;    }}

如果我是定时查单，并且 TPS 不是很高的情况下，问题不大，毕竟每分钟改的单量，定时还是可以查的过来的。但是如果换成基金发息或者账务对账那就大不一样了。

因为单机执行定时调度，会花费很久，像基金需要知道昨日金额等等，账务需要对用户交易计算。结果就是可能一个定时任务执行四五个小时，当然一天也有可能。四五个小时还好，毕竟我今天能出结果，如果一天，我今天的还没算完，明天的交易又来了，并且这个时效性也太差了。

所以就用到了 xxl-job 的分片广播 & 动态分片功能。

分片广播

在分片广播场景下，xxl-job 会对当前定时中所有注册的应用发起调度。

按照文档可以使用下面的方式获取当前机器的 shardIndex 和 shardTotal。👉🏻 文档地址

// 可参考Sample示例执行器中的示例任务"ShardingJobHandler"了解试用 int shardIndex = XxlJobHelper.getShardIndex();int shardTotal = XxlJobHelper.getShardTotal();

有人问这种有什么用呢？可以想一下，本来是由单机执行的定时任务，现在变成集群每台机器来执行一部分，这不是充分利用了集群的特征了么？

具体一点可以是：

1. 按照 user_id 取模，然后每台机器只执行某些特定用户的定时统计

2. 分库分表场景下，一台机器执行一个库的数据统计

多层分发

就像面试题肯定会层层剖析，这时候肯定会问如果发生数据倾斜了怎么办？

具体现象就是如果按照用户来分配机器，取模等于 0 的用户在 shardIndex0 上执行定时，但是这些用户的总交易量占据了 90% 以上，那就会导致另几台的定时咔咔咔一会执行完了，这太机器还在吭哧吭哧的干。那不就没啥用了么？

上图只是分发了三层：

1. 第一层仅有一台机器收到调度，然后获取所有任务，可以是多少个库，也可以是有多少数据，然后发起 RPC 调用本集群的接口，说你们每次执行这些

2. 第二层收到调度，再按照其他维度再分割一次，比如第一次按照用户来分的，第二次则查出来订单，按照订单再分，然后再发送 RPC 调用集群执行接口

3. 第三层收到被执行的订单，开始执行具体的任务

理论上是可以多层分发的，最终结果就是让每台机器均匀的执行定时任务，这样可以充分利用每台机器的能力。

总结

其实这个问题是我曾经遇到的面试题，当时还和群友讨论了很久。在实际工作中，这几种也并没有好坏之差，只要适合自己，就够了。