美文网首页
ElasticJob任务执行过程

ElasticJob任务执行过程

作者: 圣村的希望 | 来源:发表于2020-10-05 13:43 被阅读0次

      ElasticJob是基于Quartz实现的弹性分布式任务调度框架,整个任务触发的底层是Quartz来触发。LiteJob框架触发任务执行的开始,下面来分析任务的执行过程。

public final class LiteJob implements Job {
    
    @Override
    public void execute(final JobExecutionContext context) throws JobExecutionException {
        //根据任务类型获取执行器,SimpleJobExecutor
        JobExecutorFactory.getJobExecutor(elasticJob, jobFacade).execute();
    }
}

   ElasticJob根据任务的作业类型,获取不同的作业执行器,这里以SimpleJobExecutor为例。它继承了AbstractElasticJobExecutor,它是所有任务执行流程的模板类。

protected AbstractElasticJobExecutor(final JobFacade jobFacade) {
        this.jobFacade = jobFacade;
        jobRootConfig = jobFacade.loadJobRootConfiguration(true);
        jobName = jobRootConfig.getTypeConfig().getCoreConfig().getJobName();
        executorService = ExecutorServiceHandlerRegistry.getExecutorServiceHandler(jobName, (ExecutorServiceHandler) getHandler(JobProperties.JobPropertiesEnum.EXECUTOR_SERVICE_HANDLER));
        jobExceptionHandler = (JobExceptionHandler) getHandler(JobProperties.JobPropertiesEnum.JOB_EXCEPTION_HANDLER);
        itemErrorMessages = new ConcurrentHashMap<>(jobRootConfig.getTypeConfig().getCoreConfig().getShardingTotalCount(), 1);
    }

     在构造方法里面,是根据JobName为每个Job实例初始化了一个任务执行线程池,就是一个普通的ThreadPoolExecutor封装。下面分析下任务执行的流程:

public void execute() {
        try {
            //TODO 检验作业服务器和zk服务器系统时差是否可忍受,默认是不开启检查的
            jobFacade.checkJobExecutionEnvironment();
        } catch (final JobExecutionEnvironmentException cause) {
            jobErrorHandler.handleException(jobConfig.getJobName(), cause);
        }
        //TODO 获取分片的上下文信息
        ShardingContexts shardingContexts = jobFacade.getShardingContexts();
        jobFacade.postJobStatusTraceEvent(shardingContexts.getTaskId(), State.TASK_STAGING, String.format("Job '%s' execute begin.", jobConfig.getJobName()));
        //TODO 查看当前任务是否有分片正在执行,就创建节点/sharding/{item}/misfire
        if (jobFacade.misfireIfRunning(shardingContexts.getShardingItemParameters().keySet())) {
            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.", jobConfig.getJobName(),
                    shardingContexts.getShardingItemParameters().keySet()));
            return;
        }
        try {
            //TODO 任务开始执行,这里会去执行业务配置的监听器ElasticJobListener
            jobFacade.beforeJobExecuted(shardingContexts);
            //CHECKSTYLE:OFF
        } catch (final Throwable cause) {
            //CHECKSTYLE:ON
            jobErrorHandler.handleException(jobConfig.getJobName(), cause);
        }
        //TODO 任务的执行处理
        execute(shardingContexts, ExecutionSource.NORMAL_TRIGGER);
        //TODO 任务是否有错过执行,重新出发调度一次
        while (jobFacade.isExecuteMisfired(shardingContexts.getShardingItemParameters().keySet())) {
            jobFacade.clearMisfire(shardingContexts.getShardingItemParameters().keySet());
            execute(shardingContexts, ExecutionSource.MISFIRE);
        }
        //TODO 执行故障转移,防止未及时故障转移吧,其实有个listener在监控,为什么这里还要手动执行下 故障转移
        jobFacade.failoverIfNecessary();
        try {
            //TODO 任务执行完成,这里是去触发业务配置的监听器的执行
            jobFacade.afterJobExecuted(shardingContexts);
            //CHECKSTYLE:OFF
        } catch (final Throwable cause) {
            //CHECKSTYLE:ON
            jobErrorHandler.handleException(jobConfig.getJobName(), cause);
        }
    }
  • Job节点服务器和zookeeper时钟差校验,对应的是Job的maxTimeDiffSeconds最大始终差配置,默认是-1不检查
        try {
            //TODO 检验作业服务器和zk服务器系统时差是否可忍受,默认是不开启检查的
            jobFacade.checkJobExecutionEnvironment();
        } catch (final JobExecutionEnvironmentException cause) {
            jobErrorHandler.handleException(jobConfig.getJobName(), cause);
        }

    public void checkMaxTimeDiffSecondsTolerable() throws JobExecutionEnvironmentException {
        int maxTimeDiffSeconds = load(true).getMaxTimeDiffSeconds();
        if (-1 == maxTimeDiffSeconds) {
            return;
        }
        long timeDiff = Math.abs(timeService.getCurrentMillis() - jobNodeStorage.getRegistryCenterTime());
        if (timeDiff > maxTimeDiffSeconds * 1000L) {
            throw new JobExecutionEnvironmentException(
                    "Time different between job server and register center exceed '%s' seconds, max time different is '%s' seconds.", timeDiff / 1000, maxTimeDiffSeconds);
        }
    }
  • 获取当前节点服务器的分片信息,这里是分片的关键,在分片那节再细说,这里大概说下做的事情。如果Job配置了故障转移并且存在故障转移分片,优先执行从其它故障节点转移到当前节点服务器的分片。如果需要重新分片,则执行重新分片逻辑,获取分配到当前节点的分片信息。
public ShardingContexts getShardingContexts() {
        boolean isFailover = configService.load(true).isFailover();
        if (isFailover) {
            //TODO 获取故障转移到当前节点的分片信息
            List<Integer> failoverShardingItems = failoverService.getLocalFailoverItems();
            if (!failoverShardingItems.isEmpty()) {
                //TODO 获取故障转移分片信息
                return executionContextService.getJobShardingContext(failoverShardingItems);
            }
        }
        shardingService.shardingIfNecessary();
        List<Integer> shardingItems = shardingService.getLocalShardingItems();
        if (isFailover) {
            //TODO 删除本节点被故障转移的分片信息
            shardingItems.removeAll(failoverService.getLocalTakeOffItems());
        }
        shardingItems.removeAll(executionService.getDisabledItems(shardingItems));
        return executionContextService.getJobShardingContext(shardingItems);
    }
  • 当前节点服务器该job对应的所有分片,是否有执行中的分片,只要有一个执行中的分片,则对应的所有分片都会被设置为misfire错失执行,然后退出。就是上次触发的执行没有完成,本次触发不会执行,会等待上次执行完成,防止任务分片在当前节点被重复执行。
//TODO 查看当前任务是否有分片正在执行,就创建节点/sharding/{item}/misfire
        if (jobFacade.misfireIfRunning(shardingContexts.getShardingItemParameters().keySet())) {
            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.", jobConfig.getJobName(),
                    shardingContexts.getShardingItemParameters().keySet()));
            return;
        }

public boolean misfireIfHasRunningItems(final Collection<Integer> items) {
        if (!hasRunningItems(items)) {
            return false;
        }
        //TODO 只要其中一个分片没有执行完成,就会设置misfire
        setMisfire(items);
        return true;
    }

public boolean hasRunningItems(final Collection<Integer> items) {
        JobConfiguration jobConfig = configService.load(true);
        if (!jobConfig.isMonitorExecution()) {
            return false;
        }
        for (int each : items) {
            //TODO 只要其中一个分片没有执行完成,就会设置misfire
            if (jobNodeStorage.isJobNodeExisted(ShardingNode.getRunningNode(each))) {
                return true;
            }
        }
        return false;
    }
  • 执行任务之前对应的ElasticJobListener,这个是之前在配置Job任务时对应的ElasticJobListener。
try {
            //TODO 任务开始执行,这里会去执行业务配置的监听器ElasticJobListener
            jobFacade.beforeJobExecuted(shardingContexts);
            //CHECKSTYLE:OFF
        } catch (final Throwable cause) {
            //CHECKSTYLE:ON
            jobErrorHandler.handleException(jobConfig.getJobName(), cause);
        }
  • 具体任务分片的调度执行,在分片任务执行前,在当前节点服务器把任务在内存中设置为running状态,如果配置了幂等机制,同时也会在zookeeper中创建/sharding/{item}/running临时节点,在服务器宕机该节点就会自动删除了。然后就是把所有的分片任务提交到ThreadPoolExecutor中执行。这里使用的CountDownLatch控制并发等待所有的分片任务都完成,然后就删除任务执行钱创建的/sharding/{item}/running节点。同时如果开启了故障转移机制,就会删除之前创建的故障转移节点/sharding/{item}/failover
//TODO 任务的执行处理
execute(shardingContexts, ExecutionSource.NORMAL_TRIGGER);

private void execute(final ShardingContexts shardingContexts, final ExecutionSource executionSource) {
        if (shardingContexts.getShardingItemParameters().isEmpty()) {
            jobFacade.postJobStatusTraceEvent(shardingContexts.getTaskId(), State.TASK_FINISHED, String.format("Sharding item for job '%s' is empty.", jobConfig.getJobName()));
            return;
        }
        //TODO 将当前任务设置为运行中Running的状态,分为内存状态和zk状态,在zk中创建一个临时节点
        jobFacade.registerJobBegin(shardingContexts);
        String taskId = shardingContexts.getTaskId();
        jobFacade.postJobStatusTraceEvent(taskId, State.TASK_RUNNING, "");
        try {
            process(shardingContexts, executionSource);
        } finally {
            // TODO Consider increasing the status of job failure, and how to handle the overall loop of job failure
            //TODO 清除job的running状态和删除故障转移节点/sharding/{item}/failover
            jobFacade.registerJobCompleted(shardingContexts);
            if (itemErrorMessages.isEmpty()) {
                jobFacade.postJobStatusTraceEvent(taskId, State.TASK_FINISHED, "");
            } else {
                jobFacade.postJobStatusTraceEvent(taskId, State.TASK_ERROR, itemErrorMessages.toString());
            }
        }
    }

private void process(final ShardingContexts shardingContexts, final ExecutionSource executionSource) {
        Collection<Integer> items = shardingContexts.getShardingItemParameters().keySet();
        if (1 == items.size()) {
            int item = shardingContexts.getShardingItemParameters().keySet().iterator().next();
            JobExecutionEvent jobExecutionEvent = new JobExecutionEvent(IpUtils.getHostName(), IpUtils.getIp(), shardingContexts.getTaskId(), jobConfig.getJobName(), executionSource, item);
            process(shardingContexts, item, jobExecutionEvent);
            return;
        }
        CountDownLatch latch = new CountDownLatch(items.size());
        for (int each : items) {
            JobExecutionEvent jobExecutionEvent = new JobExecutionEvent(IpUtils.getHostName(), IpUtils.getIp(), shardingContexts.getTaskId(), jobConfig.getJobName(), executionSource, each);
            if (executorService.isShutdown()) {
                return;
            }
            executorService.submit(() -> {
                try {
                    process(shardingContexts, each, jobExecutionEvent);
                } finally {
                    latch.countDown();
                }
            });
        }
        try {
            latch.await();
        } catch (final InterruptedException ex) {
            Thread.currentThread().interrupt();
        }
    }
  • 检查是否有任务分片错过执行,这里的判断是开启了misfire任务错过机制并且分片存在/sharding/{item}/misfire节点。如果开启了任务错过机制,并且有任务错过执行,这里会重新执行一次分片节点任务。任务执行之前清除了/sharding/{item}/misfire节点。
//TODO 任务是否有错过执行,重新出发调度一次
        while (jobFacade.isExecuteMisfired(shardingContexts.getShardingItemParameters().keySet())) {
            jobFacade.clearMisfire(shardingContexts.getShardingItemParameters().keySet());
            execute(shardingContexts, ExecutionSource.MISFIRE);
        }
  • 在这里再手动执行下故障转移操作,在这里不知道为啥还需要手动执行下故障转移,在故障转移监听器里面就能监听到,为啥这里还要在任务执行的时候再手动触发下???没太理解
//TODO 执行故障转移,防止未及时故障转移吧,其实有个listener在监控,为什么这里还要手动执行下 故障转移
jobFacade.failoverIfNecessary();
  • 任务分片执行完之后,触发业务给任务配置的监听器的执行
try {
            //TODO 任务执行完成,这里是去触发业务配置的监听器的执行
            jobFacade.afterJobExecuted(shardingContexts);
            //CHECKSTYLE:OFF
        } catch (final Throwable cause) {
            //CHECKSTYLE:ON
            jobErrorHandler.handleException(jobConfig.getJobName(), cause);
        }
作业执行流程图:
ElasticJob作业执行流程图

相关文章

  • ElasticJob任务执行过程

    ElasticJob是基于Quartz实现的弹性分布式任务调度框架,整个任务触发的底层是Quartz来触发。Lit...

  • 【ElasticJob源码解析】任务调度器

    作业需要执行,必然需要一个调度器,去统筹作业执行的逻辑,这也是ElasticJob的核心内容;ElasticJob...

  • ElasticJob故障转移机制

    在ElasticJob中,会把一个任务分成多个分片,然后再把分片分配给集群中不同的节点实例进行作业任务的执行。但是...

  • 分布式任务elasticjob框架原理了解及使用

    一、.为什么要使用elasticjob 1. 可动态修改任务执行时间, 解决quartz 修改配置需重启系统问题....

  • ElasticJob简单使用

    ElasticJob单点使用 任务类 主要的任务就是将未归档的数据整理到归档的表中,表结构一样执行类 这种情况下,...

  • ElasticJob分片机制

    ElasticJob是一个弹性的分布式任务调度框架,这里的分布式就是采用分片的来进行任务调度和业务执行的解耦,分片...

  • MapReduce 任务执行过程

    MapReduce的执行过程主要包含是三个阶段:Map阶段、Shuffle阶段、Reduce阶段 Map 阶段 s...

  • spark任务执行过程

    ​ 在学习了Spark RDD和RDD操作之后,是不是很想快点写个Spark程序来巩固一下所学的知识。学习大数...

  • ElasticJob任务启动流程

    在springboot中配置一个简单的elastic job任务: 定义一个自己的简单任务,实现SimpleJob...

  • 线程池任务执行过程

    前言 JAVA通过多线程的方式实现并发,为了方便线程池的管理,JAVA采用线程池的方式对线线程的整个生命周期进行管...

网友评论

      本文标题:ElasticJob任务执行过程

      本文链接:https://www.haomeiwen.com/subject/bcewuktx.html