Alibaba Cloud SchedulerX

　　Schedulerx2.0是阿里中间件自研的基于Akka架构的新一代分布式任务调度平台，提供定时、任务编排、分布式跑批等功能。Schedulerx2.0可以在控制台配置管理您的定时任务，查询历史执行记录，查看运行日志。还可以通过工作流进行任务编排和数据传递。Schedulerx2.0还提供了简单易用的分布式编程模型，简单几行代码就可以将海量数据分布式到多台机器上执行

　　官网：https://help.aliyun.com/document_detail/148193.html

多种表达式的定时调度

• Crontab：支持Unix Crontab表达式，详情请参见Cron。不支持秒级别。
• Fixed rate：Crontab必须被60整除，不支持其它数量级时间间隔的任务，如每隔40分钟的定时任务。Fixed rate专门用来做定期轮询，可以弥补Crontab的不足，且表达式简单，详情请参见Fixed rate。不支持秒级别。
• Second delay：适用于对实时性要求比较高的业务，例如执行间隔为10秒的定时调度任务，详情请参见Second delay。支持秒级别。
• 日历：支持多种日历，还可以自定义导入日历。适用于金融业务，如需要在每个交易日执行定时任务。
• 时区：适用于跨国业务，如需要在每个国家所在时区执行定时任务。

调度任务编排

　　使用有向无环图DAG（Directed Acyclic Graph）进行任务编排，操作简单，前端直接拖拖拽拽即可。详细的任务状态图能直观的看到下游任务为什么没执行。详情请参见创建工作流。

多种调度任务类型

　　在定时调度和工作流调度中支持基于多语言的多种任务类型。

• Java：可以在用户进程中执行，也可以通过上传JAR包动态加载。详情请参见Java任务。
• Shell：前端直接写Shell脚本。详情请参见脚本任务。
• Python：前端直接写Python脚本，需要Python环境。详情请参见脚本任务。
• Go：前端直接写Go脚本，需要Go环境。详情请参见脚本任务。
• HTTP（Serverless）：支持Serverless的HTTP任务，包含GET和POST两种方法，无需依赖Client，在控制台配置完即可生效使用。详情请参见HTTP任务（Serverless）。
• 自定义：可以自定义任务类型，然后实现一个Plugin即可。

分布式计算

　　提供简单、易用的分布式编程模型，可以进行大数据跑批。

• 单机：随机挑选一台机器执行。详情请参见单机。
• 广播：所有机器同时执行且等待全部结束。详情请参见广播。
• Map模型：类似于Hadoop MapReduce里的Map。只要实现一个Map方法，简单几行代码就可以将海量数据分布式到多台机器上执行。详情请参见Map模型。
• MapReduce模型：MapReduce模型是Map模型的扩展，废弃了postProcess方法，新增Reduce接口。所有子任务完成后会执行Reduce方法，可以在Reduce方法中返回该任务实例的执行结果，或者回调业务。详情请参见MapReduce模型。
• 分片运行：类似Elastic-Job模型，控制台配置分片参数，可以将分片平均分给多个客户端执行。支持多语言版本。详情请参见多语言版本分片模型。

资源管理和任务优先级

　　通过应用级别资源管理，可以控制一个应用同时运行的最大任务数量。再通过任务优先级，可以实现类似于yarn的任务优先级队列，超过并发数的任务在队列中等待，高优先级任务会抢占低优先级任务优先调度。

　　很多场景下都有应用级别资源控制和任务优先级的需求。例如数据平台每天要收集报表，可能会有成千上万的任务在夜间执行。如果没有资源控制，所有任务一起执行会导致应用不可用。运营报表又必须在早上9点前生成，这就需要在资源控制的基础上，高优先级任务优先调度。如果低优先级任务先进入队列，高优先任务也能抢占优先调度。

运维能力

• 数据大盘：控制台提供了执行记录大盘和执行列表，可以看到每个任务的执行历史，并提供操作。
• 查看日志：每次执行的调度任务都可以在详情中查看运行日志。如果任务执行失败，前端直接就能看到错误日志，非常方便。详情请参见查看任务实例详情。
• 原地重跑：任务失败，修改完代码发布后，可以立即重新执行。
• 标记成功：任务失败，如果后台把数据处理修正了，重新执行又需要几个小时，可以直接将任务标记为成功。
• 停止调度任务：实现JobProcessor的kill()接口，您就可以在前端停止正在运行的任务，甚至子任务。

数据偏移时间

SchedulerX可以处理有数据状态的任务，在创建任务的时候设置调度时间，而实际上处理的数据时间可能和任务执行时间不一致，可以配置时间偏移，调度时间 + 时间偏移即数据时间。例如一个任务是每天00:30运行，但是实际上要处理前一天的数据，就可以向前偏移一个小时。调度时间不变，执行的时候通过context.getDataTime()获得的就是前一天23:30。

重刷数据

　　既然任务具有了数据时间，就会用到重刷数据。例如一个工作流最终产生一个报表，但是业务发生变更（新增一个字段）或者发现上一个月的数据有错误，那么就需要重刷过去一个月的数据。通过重刷数据功能，可以重刷某些任务/工作流的数据（只支持天级别），每个实例都是不同的数据时间。详情请参见重刷调度任务。

失败自动重试

• 实例失败自动重试：在任务管理的高级配置中，可以配置实例失败重试次数和重试间隔，例如重试3次，每次间隔30秒。如果重试3次仍旧失败，该实例状态才会变为失败，并发送报警。
• 子任务失败自动重试：如果是分布式任务（并行计算/内网网格/网格计算），子任务也支持失败自动重试和重试间隔，同样可以通过任务管理的高级配置进行配置。

报警监控

• 失败报警
• 超时报警
• 无可用机器报警
• 报警方式：短信

名词解释

AppGroup

即应用分组，映射用户的具体应用，关联绑定机器，用来做业务的隔离。

DAG

Directed Acyclic Graph，即有向无环图。所谓有向无环图是指任意一条边有方向，且不存在环路的图。

Job

即任务，Job是SchedulerX中调度的最小单位。

Job instance

即任务实例，Job每次调度会产生一个JobInstance。

Namespace

即命名空间，SchedulerX提供的资源隔离服务，不同命名空间之间逻辑上天然隔离。命名空间帮助您将多个环境间的资源完全隔离，并可以使用一个账号进行统一管理。

Task

即子任务，并行计算/内存网格/网格计算，通过Map方法会产生Task。

Work Flow

即工作流，Work Flow是一个DAG（有向无环图），用来做任务编排。

调度时间

JobInstance每次调度的时间叫做调度时间，JobProcessor可以根据context.getScheduleTime()获取。

数据时间

SchedulerX可以处理有数据状态的任务。创建任务的时候可以填数据偏移。例如一个任务是每天00:30运行，但是实际上要处理上一天的数据，就可以向前偏移一个小时。运行时间不变，执行的时候通过context.getDataTime()获得的就是23:30（前一天）。

和开源产品对比