XxlJob 源码分析07：任务执行流程（二）之触发器揭秘

注：本系列源码分析基于XxlJob 2.3.0，gitee仓库链接：gitee.com/funcy/xxl-j....

上一篇文章中，任务调度完成后，最终会调用JobTriggerPoolHelper.trigger(...)方法进行触发操作，本文将来分析xxl-job任务触发流程。

JobTriggerPoolHelper#trigger

关于任务的触发，直观感受应该来自于管理后台界面：

点击执行一次后，调用的接口是/jobinfo/trigger，方法是JobInfoController#triggerJob代码如下：

@RequestMapping("/trigger")
@ResponseBody
public ReturnT<String> triggerJob(int id, String executorParam, String addressList) {
    if (executorParam == null) {
        executorParam = "";
    }

    JobTriggerPoolHelper.trigger(id, TriggerTypeEnum.MANUAL, -1, null, 
        executorParam, addressList);
    return ReturnT.SUCCESS;
}

同上一文触发操作一样，最终调用的也是JobTriggerPoolHelper.trigger(...)方法.

继续，看看JobTriggerPoolHelper.trigger(...)方法的内容：

public static void trigger(int jobId, TriggerTypeEnum triggerType, int failRetryCount, 
        String executorShardingParam, String executorParam, String addressList) {
    helper.addTrigger(jobId, triggerType, failRetryCount, executorShardingParam, 
        executorParam, addressList);
}

仅仅只是调用了JobTriggerPoolHelper#addTrigger方法，那我们继续下去，看看这个方法：

public void addTrigger(final int jobId,
                        final TriggerTypeEnum triggerType,
                        final int failRetryCount,
                        final String executorShardingParam,
                        final String executorParam,
                        final String addressList) {

    // choose thread pool
    ThreadPoolExecutor triggerPool_ = fastTriggerPool;
    AtomicInteger jobTimeoutCount = jobTimeoutCountMap.get(jobId);
    // 超时次数超过10次，使用 slowTriggerPool
    if (jobTimeoutCount!=null && jobTimeoutCount.get() > 10) {
        triggerPool_ = slowTriggerPool;
    }

    // trigger
    triggerPool_.execute(new Runnable() {
        @Override
        public void run() {

            long start = System.currentTimeMillis();

            try {
                // do trigger
                XxlJobTrigger.trigger(jobId, triggerType, failRetryCount, 
                    executorShardingParam, executorParam, addressList);
            } catch (Exception e) {
                logger.error(e.getMessage(), e);
            } finally {

                // check timeout-count-map
                // 保证统计的是1分钟内的次数
                long minTim_now = System.currentTimeMillis()/60000;
                if (minTim != minTim_now) {
                    minTim = minTim_now;
                    jobTimeoutCountMap.clear();
                }

                // incr timeout-count-map
                // 任务的超时阈值为 500 ms，触发时间超过500ms，表示1次超时
                long cost = System.currentTimeMillis()-start;
                if (cost > 500) {       // ob-timeout threshold 500ms
                    AtomicInteger timeoutCount = jobTimeoutCountMap.putIfAbsent(
                        jobId, new AtomicInteger(1));
                    if (timeoutCount != null) {
                        timeoutCount.incrementAndGet();
                    }
                }

            }

        }
    });
}

方法内容比较简单，关键部分已经添加了注释，代码一开始，先是选择triggerPool的操作。在触发器中，triggerPool分为两大类：

• fastTriggerPool：默认使用
• slowTriggerPool：超时触发次数在10次以上就使用该线程池，任务触发的超时阈值为 500 ms

为任务选定好triggerPool后，就是触发操作了，代码如下：

// trigger
triggerPool_.execute(new Runnable() {
    @Override
    public void run() {

        try {
            // 处理触发操作
            XxlJobTrigger.trigger(jobId, triggerType, failRetryCount, 
                executorShardingParam, executorParam, addressList);
        } catch (Exception e) {
        
        // 省略了许多内容
        ...
    }
}

触发操作是在线程池中执行的，调用的是XxlJobTrigger.trigger(...)方法来处理。

XxlJobTrigger.trigger

继续进入XxlJobTrigger.trigger(...)方法，代码如下：

public static void trigger(int jobId,
                            TriggerTypeEnum triggerType,
                            int failRetryCount,
                            String executorShardingParam,
                            String executorParam,
                            String addressList) {

    // 1. 获取任务数据
    XxlJobInfo jobInfo = XxlJobAdminConfig.getAdminConfig()
        .getXxlJobInfoDao().loadById(jobId);
    if (jobInfo == null) {
        logger.warn(">>>>>>>>>>>> trigger fail, jobId invalid，jobId={}", jobId);
        return;
    }
    if (executorParam != null) {
        jobInfo.setExecutorParam(executorParam);
    }

    // 2. 处理失败重试次数
    int finalFailRetryCount = failRetryCount>=0 ? failRetryCount 
        : jobInfo.getExecutorFailRetryCount();
    XxlJobGroup group = XxlJobAdminConfig.getAdminConfig().getXxlJobGroupDao()
        .load(jobInfo.getJobGroup());

    // 3. 是否指定了执行的机器
    if (addressList!=null && addressList.trim().length()>0) {
        group.setAddressType(1);
        group.setAddressList(addressList.trim());
    }

    // 4. 分片参数
    int[] shardingParam = null;
    if (executorShardingParam!=null){
        String[] shardingArr = executorShardingParam.split("/");
        if (shardingArr.length==2 && isNumeric(shardingArr[0]) 
                && isNumeric(shardingArr[1])) {
            shardingParam = new int[2];
            shardingParam[0] = Integer.valueOf(shardingArr[0]);
            shardingParam[1] = Integer.valueOf(shardingArr[1]);
        }
    }
    // 5. 执行，分为广播模式与其他模式
    if (ExecutorRouteStrategyEnum.SHARDING_BROADCAST==ExecutorRouteStrategyEnum.match(
                jobInfo.getExecutorRouteStrategy(), null)
            && group.getRegistryList()!=null && !group.getRegistryList().isEmpty()
            && shardingParam==null) {
        // 依次广播到每台机器
        for (int i = 0; i < group.getRegistryList().size(); i++) {
            processTrigger(group, jobInfo, finalFailRetryCount, triggerType, 
                i, group.getRegistryList().size());
        }
    } else {
        if (shardingParam == null) {
            shardingParam = new int[]{0, 1};
        }
        processTrigger(group, jobInfo, finalFailRetryCount, triggerType, 
            shardingParam[0], shardingParam[1]);
    }

}

咱们对该方法的功能逐一分析吧。

1. 获取任务数据

方法中传入的是jobId，这里需要获取任务的详细信息，执行的方法是

XxlJobInfo jobInfo = XxlJobAdminConfig.getAdminConfig()
        .getXxlJobInfoDao().loadById(jobId);

执行的就是一个简单的sql查询操作：

SELECT <include refid="Base_Column_List" />
FROM xxl_job_info AS t
WHERE t.id = #{id}

2. 计算失败重试次数

所谓的失败重试次数，是指任务执行失败了，最多重试多少次，次数来源于任务的配置：

3. 是否指定了执行的机器

该参数在执行一次时指定：

点击执行1次后，在弹出的界面中，可以指定机器地址：

4. 分片参数

分片参数有两个：

• index：当前executor的下标索引
• total：executor的总数量

该参数用于标明当前使用的executor。

5. 执行，分为广播模式与其他模式

这里会调用XxlJobTrigger#processTrigger方法处理执行操作，这里需要提一个概念：路由策略。所谓的路由策略，是指在多个executor时，选择哪个executor执行任务的策略，可以在任务编辑界面设置：

路由策略主要分为两大类：

• 分片广播：所谓的广播，就是将任务的执行请求发往每一个executor，该模式下，任务会在每个executor都会执行
• 其他策略：除了分片广播外的策略外，其他策略均只会选择一个executor来执行，选择逻辑由ExecutorRouter的子类来实现，关于具体的选择策略，在后面再详细展开。

XxlJobTrigger#processTrigger

在XxlJobTrigger.trigger(...)方法中，调用了processTrigger(...)来处理触发操作，我们继续进入深入该方法：

private static void processTrigger(XxlJobGroup group, XxlJobInfo jobInfo, 
        int finalFailRetryCount, TriggerTypeEnum triggerType, int index, int total){

    // 1. 根据是否为广播模式来处理分片参数
    ExecutorBlockStrategyEnum blockStrategy = ExecutorBlockStrategyEnum.match(
        jobInfo.getExecutorBlockStrategy(), ExecutorBlockStrategyEnum.SERIAL_EXECUTION);
    ExecutorRouteStrategyEnum executorRouteStrategyEnum = ExecutorRouteStrategyEnum.match(
        jobInfo.getExecutorRouteStrategy(), null);
    String shardingParam = 
        (ExecutorRouteStrategyEnum.SHARDING_BROADCAST == executorRouteStrategyEnum) 
        ? String.valueOf(index).concat("/").concat(String.valueOf(total)) : null;

    // 2. 保存执行日志
    XxlJobLog jobLog = new XxlJobLog();
    jobLog.setJobGroup(jobInfo.getJobGroup());
    jobLog.setJobId(jobInfo.getId());
    jobLog.setTriggerTime(new Date());
    XxlJobAdminConfig.getAdminConfig().getXxlJobLogDao().save(jobLog);
    logger.debug(">>>>>>>>>>> xxl-job trigger start, jobId:{}", jobLog.getId());

    // 2、初始化触发参数
    TriggerParam triggerParam = new TriggerParam();
    triggerParam.setJobId(jobInfo.getId());
    triggerParam.setExecutorHandler(jobInfo.getExecutorHandler());
    triggerParam.setExecutorParams(jobInfo.getExecutorParam());
    triggerParam.setExecutorBlockStrategy(jobInfo.getExecutorBlockStrategy());
    triggerParam.setExecutorTimeout(jobInfo.getExecutorTimeout());
    triggerParam.setLogId(jobLog.getId());
    triggerParam.setLogDateTime(jobLog.getTriggerTime().getTime());
    triggerParam.setGlueType(jobInfo.getGlueType());
    triggerParam.setGlueSource(jobInfo.getGlueSource());
    triggerParam.setGlueUpdatetime(jobInfo.getGlueUpdatetime().getTime());
    triggerParam.setBroadcastIndex(index);
    triggerParam.setBroadcastTotal(total);

    // 3、根据执行策略获取executor的地址
    String address = null;
    ReturnT<String> routeAddressResult = null;
    if (group.getRegistryList()!=null && !group.getRegistryList().isEmpty()) {
        // index 与 total 仅在广播模式中发挥作用
        if (ExecutorRouteStrategyEnum.SHARDING_BROADCAST == executorRouteStrategyEnum) {
            if (index < group.getRegistryList().size()) {
                address = group.getRegistryList().get(index);
            } else {
                address = group.getRegistryList().get(0);
            }
        } else {
            // 执行策略，仅仅只是为了得到执行器的地址
            routeAddressResult = executorRouteStrategyEnum.getRouter().route(
                triggerParam, group.getRegistryList());
            if (routeAddressResult.getCode() == ReturnT.SUCCESS_CODE) {
                address = routeAddressResult.getContent();
            }
        }
    } else {
        routeAddressResult = new ReturnT<String>(ReturnT.FAIL_CODE, 
            I18nUtil.getString("jobconf_trigger_address_empty"));
    }

    // 4、触发操作
    ReturnT<String> triggerResult = null;
    if (address != null) {
        // 执行
        triggerResult = runExecutor(triggerParam, address);
    } else {
        triggerResult = new ReturnT<String>(ReturnT.FAIL_CODE, null);
    }

    // 5、构建触发信息
    StringBuffer triggerMsgSb = new StringBuffer();
    // 省略触发信息构建
    ... 

    // 6、更新触发日志
    jobLog.setExecutorAddress(address);
    jobLog.setExecutorHandler(jobInfo.getExecutorHandler());
    jobLog.setExecutorParam(jobInfo.getExecutorParam());
    jobLog.setExecutorShardingParam(shardingParam);
    jobLog.setExecutorFailRetryCount(finalFailRetryCount);
    //jobLog.setTriggerTime();
    jobLog.setTriggerCode(triggerResult.getCode());
    jobLog.setTriggerMsg(triggerMsgSb.toString());
    XxlJobAdminConfig.getAdminConfig().getXxlJobLogDao().updateTriggerInfo(jobLog);

    logger.debug(">>>>>>>>>>> xxl-job trigger end, jobId:{}", jobLog.getId());
}

这个方法有点长，关键部分已经做了注释，对照着注释理解起来并不难，这里总结下该方法的逻辑内容：

1. 根据是否为广播模式来处理分片参数
2. 保存执行日志
3. 根据执行策略获取executor的地址
4. 触发操作
5. 构建触发信息
6. 更新触发日志

这里值得注意的是，在选择由哪个executor执行任务时，如果是广播模式，会使用传入的参数index与total计算得到具体使用的executor，否则就使用界面配置的策略来选择，这点在分析XxlJobTrigger.trigger方法时也提到过。

在这个方法中，调用了runExecutor(...)继续处理触发操作，看来我们还得往下走。

XxlJobTrigger#runExecutor

在XxlJobTrigger#processTrigger方法中，调用了runExecutor(...)处理触发操作，我们继续进入该方法：

public static ReturnT<String> runExecutor(TriggerParam triggerParam, String address){
    ReturnT<String> runResult = null;
    try {
        // 执行，请求执行器
        ExecutorBiz executorBiz = XxlJobScheduler.getExecutorBiz(address);
        runResult = executorBiz.run(triggerParam);
    } catch (Exception e) {
        logger.error(">>>>>>>>>>> xxl-job trigger error, please check if " 
            + "the executor[{}] is running.", address, e);
        runResult = new ReturnT<String>(ReturnT.FAIL_CODE, ThrowableUtil.toString(e));
    }

    // 组装结果参数
    StringBuffer runResultSB = new StringBuffer(
        I18nUtil.getString("jobconf_trigger_run") + "：");
    runResultSB.append("<br>address：").append(address);
    runResultSB.append("<br>code：").append(runResult.getCode());
    runResultSB.append("<br>msg：").append(runResult.getMsg());

    runResult.setMsg(runResultSB.toString());
    return runResult;
}

这个方法调用的是ExecutorBiz.run(...)，继续深入：

public ReturnT<String> run(TriggerParam triggerParam) {
    return XxlJobRemotingUtil.postBody(addressUrl + "run", accessToken, timeout, 
        triggerParam, String.class);
}

有没有对这个方法十分眼熟？在《admin与executor通讯》一文中，我们介绍了admin到executor的交互流程，这个方法run()就是当时介绍的操作之一。

总结

到这里，触发器的执行流程就分析完成了，相比于前面文章中的其他流程，这块流程还是很清晰直白的，以一张图来总结触发操作的方法执行情况：

---

限于作者个人水平，文中难免有错误之处，欢迎指正！原创不易，商业转载请联系作者获得授权，非商业转载请注明出处。