ElasticJob的幂等机制,是指作业分片执行的幂等,他需要做到以下两点:
-
同一个分片在当前作业实例上不会被重复执行
-
一个作业分片不能同时在多个作业实例上执行
如何实现幂等
场景模拟:存在任务A执行周期为10s一次。正常情况下任务处理耗时3-5s。但是某一时刻因为数据量突然增大或者因为数据库压力,导致任务耗时超过了10s。在该过程中,任务每10s调度一次,如果没有幂等,那么会存在一个任务同时多个调度的情况,处理相同的数据。
ElasticJob任务执行:com.dangdang.ddframe.job.executor.AbstractElasticJobExecutor#execute()
Java
public final void execute() {
...
// 获取当前作业服务器的分片上下文
ShardingContexts shardingContexts = jobFacade.getShardingContexts();
//是否允许可以发送作业事件
if (shardingContexts.isAllowSendJobEvent()) {
// 发布作业状态追踪事件
jobFacade.postJobStatusTraceEvent(shardingContexts.getTaskId(), State.TASK_STAGING, String.format("Job '%s' execute begin.", jobName));
}
// 在一个调度任务触发后如果上一次任务还未执行,则需要设置该分片状态为mirefire,表示错失了一次任务执行
if (jobFacade.misfireIfRunning(shardingContexts.getShardingItemParameters().keySet())) {
if (shardingContexts.isAllowSendJobEvent()) {
jobFacade.postJobStatusTraceEvent(shardingContexts.getTaskId(), State.TASK_FINISHED, String.format(
"Previous job '%s' - shardingItems '%s' is still running, misfired job will start after previous job completed.", jobName,
shardingContexts.getShardingItemParameters().keySet()));
}
return;
}
...
}
接下来主要看一下jobFacade.misfireIfRunning
的实现逻辑
Java
public boolean misfireIfHasRunningItems(Collection<Integer> items) {
// 没有分片正在运行,返回false,此次任务调度正常进行,否则设置mirefire
if (!this.hasRunningItems(items)) {
return false;
} else {
this.setMisfire(items);
return true;
}
}
如果存在未完成调度的分片,则调用setMisfire(items)
方法。如何判断是否有未完成调度的分片呢,看看hasRunningItems(items)
的实现逻辑。
Java
public boolean hasRunningItems(Collection<Integer> items) {
LiteJobConfiguration jobConfig = this.configService.load(true);
if (null != jobConfig && jobConfig.isMonitorExecution()) {
Iterator i$ = items.iterator();
int each;
do {
if (!i$.hasNext()) {
return false;
}
each = (Integer)i$.next();
} while(!this.jobNodeStorage.isJobNodeExisted(ShardingNode.getRunningNode(each)));
// ShardingNode.getRunningNode(each)
/*
public static String getRunningNode(int item) {
return String.format("sharding/%s/running", item);
}*/
return true;
} else {
return false;
}
}
在Elasticjob开启monitorExecution
的机制下,分片任务开始时会创建sharding/分片/running
节点,任务完成后删除该节点。所以上述代码中,可以看出来,可以通过是否存在该分片的节点来判断是否有分片正在运行。
同时,调用setMisfire(items)
方法的时候,根据代码判断,setMisfire(items)
方法为分配给该实例下的所有分片创建持久节点/shading/{item}/misfire节点,只要分配给该实例的任何一分片未执行完毕,则在该实例下的所有分片都增加misfire节点,然后忽略本次任务触发执行,等待任务结束后再执行。
Java
public void setMisfire(Collection<Integer> items) {
Iterator i$ = items.iterator();
while(i$.hasNext()) {
int each = (Integer)i$.next();
this.jobNodeStorage.createJobNodeIfNeeded(ShardingNode.getMisfireNode(each));
}
// ShardingNode.getMisfireNode(each)
/**
static String getMisfireNode(int item) {
return String.format("sharding/%s/misfire", item);
}
*/
}
在该执行方法中(com.dangdang.ddframe.job.executor.AbstractElasticJobExecutor#execute()
)
Java
//执行job
execute(shardingContexts, JobExecutionEvent.ExecutionSource.NORMAL_TRIGGER);
// 如果存在Misfire节点,则清除该节点
while (jobFacade.isExecuteMisfired(shardingContexts.getShardingItemParameters().keySet())) {
// 清除Misfire节点
jobFacade.clearMisfire(shardingContexts.getShardingItemParameters().keySet());
execute(shardingContexts, JobExecutionEvent.ExecutionSource.MISFIRE);
}
总结:在下一个调度周期到达之后,只要发现这个分片的任何一个分片正在执行,则为该实例分片的所有分片都设置为misfire,等任务执行完毕后,再统一执行下一次任务调度。