微服务篇之任务调度

一、xxl-job的作用

  1. 解决集群任务的重复执行问题。

  2. cron表达式定义灵活。

  3. 定时任务失败了,重试和统计。

  4. 任务量大,分片执行。

二、xxl-job路由策略

  1. FIRST(第一个):固定选择第一个机器。

  2. LAST(最后一个):固定选择最后一个机器。

3. ROUND(轮询)。

  1. RANDOM(随机):随机选择在线的机器。

  2. CONSISTENT_HASH(一致性HASH):每个任务按照Hash算法固定选择某一台机器,且所有任务均匀散列在不同机器上。

  3. LEAST_FREQUENTLY_USED(最不经常使用):使用频率最低的机器优先被选举。

  4. LEAST_RECENTLY_USED(最近最久未使用):最久未使用的机器优先被选举。

8. 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。

  1. BUSYOVER(忙碌转移):按照顺序依次进行空闲检测,第一个空闲检测成功的机器选定为目标执行器并发起调度。

10. 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。

三、xxl-job执行失败

故障转移+失败重试,查看日志分析----> 邮件告警。

四、处理大量并发任务

执行器集群部署时,任务路由策略选择分片广播 情况下,一次任务调度将会广播触发对应集群中所有执行器执行一次任务。

分片参数:1. index:当前分片序号(从0开始),执行器集群列表中当前执行器的序号。

  1. total:总分片数,执行器集群的总机器数量。

具体代码如下:

java 复制代码
@XxlJob("shadingSample")
    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);
        // 业务逻辑
        List<Integer> list = getList();
        for (Integer integer : list) {
            if (integer % shardTotal == shardIndex) {
                System.out.println("第" + shardIndex + "分片执行,执行数据为:" + integer);
            }
        }
    }

五、面试题

**面试官:**xxl-job路由策略有哪些?

**候选人:**xxl-job提供了很多的路由策略,我们平时用的较多就是:轮询、故障转移、分片广播...

**面试官:**xxl-job任务执行失败怎么解决?

**候选人:**有这么几个操作:

第一:路由策略选择故障转移,优先使用健康的实例来执行任务。

第二,如果还有失败的,我们在创建任务时,可以设置重试次数。

第三,如果还有失败的,就可以查看日志或者配置邮件告警来通知相关负责人解决。

**面试官:**如果有大数据量的任务同时都需要执行,怎么解决?

**候选人:**我们会让部署多个实例,共同去执行这些批量的任务,其中任务的路由策略是分片广播

在任务执行的代码中可以获取分片总数和当前分片,按照取模的方式分摊到各个实例执行就可以。

相关推荐
奇特認2 小时前
mysql 集群技术 3.高可用之 MHA
数据库·mysql
rannn_1114 小时前
【力扣hot100】链表专题|160、206、234、141、142
java·算法·leetcode·链表·面试·开发
Bioinfo Guy4 小时前
高分Panel复现系列|转录因子网络太乱?用模块框把重点圈出来
数据库·生物信息学·生信可视化
AI产品测评官5 小时前
突破系统割裂困局:2026企业级AI招聘架构如何迈向“原生全流程”?
大数据·微服务·架构
KKKlucifer5 小时前
拨开接口黑盒迷雾:运营商第三方合作接口安全审计与准入管控落地实践
网络·人工智能·安全
青瓦梦滋5 小时前
传输层UDP/TCP协议
linux·网络·c++·网络协议·tcp/ip·udp
ltl6 小时前
Disaggregated DB 合集:Socrates、PolarDB、Taurus 的共同模式
数据库
IKUN家族6 小时前
Spring IoC&DI
java·spring·rpc
江畔柳前堤6 小时前
LLM 训练核心机制深度解析:Warmup、Cosine Decay 与 Perplexity 的完整知识体系
网络·人工智能·深度学习·算法·机器学习·语音识别
小绫网络安全6 小时前
【每日一讲】学习网络安全的一些注意事项
网络·安全·web安全