《“分布式”定时任务》计划调度系统 - 技术解决方案(xxl-job、Elastic-job、Saturn)
1. 业务场景
-
保险人管系统每月工资结算，平安有 150 万代理人，如何快速的进行工资结算（数据运算型）
-
保险短信开门红 / 电商双十一 1000w+ 短信发送（短时汇聚型）
工作中业务场景非常多，所涉及到的场景也各不相同，这使得我们定时任务系统应该集管理、调度、任务分配、监控预警为一体的综合调度系统,如何打造一套健壮的、适应不同场景的系统，技术选型尤其重要。
针对以上场景我们需要我们的分布式任务系统具备以下能力：
1. 支持多种作业类型（Shell 作业 / Java 作业）
2. 支持作业 HA，负载均衡 和 故障转移
3. 支持弹性扩容(应对开门红以及促销活动)
4. 支持 Job Timeout 处理
5. 支持统一监控和告警
6. 支持作业统一配置
7. 支持资源隔离和作业隔离
2. 定时任务调度的特点
任务调度就是设点某一时间点自动触发的任务，该任务可以在时间规律上去循环执行。一般的技术 Quartz、Spring Task、java.util.Timer，这几种如果在单一机器上跑其实问题不大，但是如果一旦应用于集群环境做分布式部署，就会带来一个致命的问题，那就是重复执行，当然解决方案有，但是必须依赖数据库，将任务执行状态持久化下来。
特点：
时间驱动：系统一般可以通过时间来驱动，定时定点定次。
批量处理：批量处理堆积的数据更加高效，在不需要实时性的情况下比消息中间件更有优势。而且有的业务逻辑只能批量处理。如对账批处理、资金管理系统回盘、部分银行的报盘前的制盘
非实时性：定时任务不要求实时性，一般不用于C端用户的交互，更多的用于业务数据的处理
隔离性/专一性：可以跟其他系统分离，只关注业务数据的处理，不影响用户的操作和用户系统的性能。
基本原理：
3. 开源定时任务框架
-
Quartz：Java 事实上的定时任务标准。但 Quartz 关注点在于定时任务而非数据，并无一套根据数据处理而定制化的流程。虽然 Quartz 可以基于数据库实现作业的高可用，但缺少分布式并行调度的功能。
-
TBSchedule：阿里早期开源的分布式任务调度系统。代码略陈旧，使用timer而非线程池执行任务调度。众所周知，timer在处理异常状况时是有缺陷的。而且 TBSchedule 作业类型较为单一，只能是获取/处理数据一种模式。还有就是文档缺失比较严重。
-
Elastic-job：当当开发的弹性分布式任务调度系统，功能丰富强大，采用 Zookeeper 实现分布式协调，实现任务高可用以及分片，目前是版本 2.15，并且可以支持云开发，目前是版本 2.15，现在已经不在更新。
-
Saturn：是唯品会自主研发的分布式的定时任务的调度平台，Saturn（任务调度系统）是唯品会开源的一个分布式任务调度平台，取代传统的Linux Cron/Spring Batch Job的方式，做到全域统一配置，统一监控，任务高可用以及分片并发处理。Saturn 是在当当开源的 Elastic Job 基础上，结合各方需求和我们的实践见解改良而成，最新发布版本 V3.3.1（2019年01月18日），最新测试版本 V3.3.3.1。使用案例 唯品会、酷狗音乐、新网银行、海融易、航美在线、量富征信
-
xxl-job: 是大众点评员工徐雪里于2015年发布的分布式任务调度平台，是一个轻量级分布式任务调度框架，其核心设计目标是开发迅速、学习简单、轻量级、易扩展,最新发布版本 V2.0.2（2019年04月20日），其在唯品会内部已经发部署350+个节点，每天任务调度 4000 多万次。同时，管理和统计也是它的亮点。使用案例 大众点评、易信(IM)、京东(电商系统)、360金融(金融系统)、易企秀、随行付(支付系统)、优信二手车
4. 分布式定时任务调度系统对比
参与对比的可选系统方案： xxl-job(大众点评开源)、Elastic-job(当当网开源)、Saturn(唯品会开源）
4.1 项目背景以及社区力量
4.2 集群部署
-
xxl-job:
基于Quartz的集群方案，数据库选用Mysql；集群分布式并发环境中使用QUARTZ定时任务调度，会在各个节点会上报任务，存到数据库中，执行时会从数据库中取出触发器来执行，如果触发器的名称和执行时间相同，则只有一个节点去执行此任务。调度中心通过db配置区分不同集群。
调度中心集群部署时，几点要求和建议：
DB配置保持一致；
登陆账号配置保持一致；
集群机器时钟保持一致（单机集群忽视）；
建议：推荐通过nginx为调度中心集群做负载均衡，分配域名。调度中心访问、执行器回调配置、调用API服务等操作均通过该域名进行
-
Elastic-job:
重写Quartz基于数据库的分布式功能，改用Zookeeper实现注册中心
基于Zookeeper和其客户端Curator实现的全局作业注册控制中心。用于注册，控制和协调分布式作业执行。
-
Saturn:
Saturn是Elastic-job的fork版本，所以saturn 也是用Zookeeper实现集群的调度。
Saturn包括两大部分，Saturn Console和Saturn Executor。
Saturn Console是一个GUI，用于作业/Executor管理，统计报表展现，系统配置等功能。它同时也是整个调度系统的大脑：将作业任务分配到各Executor。
为了实现Console的高可用性，我们都希望Console有多台服务器所组成。我们只需要在多台不同的服务器的环境变量中指定相同的VIP_SATURN_CONSOLE_CLUSTER即可，至于VIP_SATURN_CONSOLE_CLUSTER的值，由你自行指定，只是一个集群标识而已。
Saturn Executor是执行任务的Worker：按照作业配置的要求去执行部署于Executor所在容器或物理机当中的作业脚本和代码。
4.3 多节点部署时任务不能重复执行
-
xxl-job：
使用Quartz基于数据库的分布式功能，为保证系统"轻量级"并且降低学习部署成本，没有采用Zookeeper作为注册中心，采用DB方式进行任务注册发现
-
Elastic-job：
将任务拆分为n个任务项后，各个服务器分别执行各自分配到的任务项。一旦有新的服务器加入集群，或现有服务器下线，elastic-job将在保留本次任务执行不变的情况下，下次任务开始前触发任务重分片。
-
Saturn：
同Elastic-job
4.4 日志可追溯
-
xxl-job:
支持，有日志查询界面
-
Elastic-job:
可通过事件订阅的方式处理调度过程的重要事件，用于查询、统计和监控。Elastic-Job目前提供了基于关系型数据库两种事件订阅方式记录事件。
-
Staturn:
支持日志查看，同时支持jstack和gc log备份到executor日志目录(executor版本大于3.0.0)
4.5 监控告警
-
xxl-job:
任务调度失败时邮件通知的邮箱地址，支持配置多邮箱地址，配置多个邮箱地址时用逗号分隔
-
Elastic-job:
通过事件订阅方式可自行实现
作业运行状态监控、监听作业服务器存活、监听近期数据处理成功、数据流类型作业（可通过监听近期数据处理成功数判断作业流量是否正常,如果小于作业正常处理的阀值，可选择报警。）、监听近期数据处理失败（可通过监听近期数据处理失败数判断作业处理结果，如果大于0，可选择报警。）
-
Staturn:
支持，需要自己接口实现在executor(SaturnSystemErrorGroup.java以及AbstractSaturnJob.java的实现)
4.6 弹性扩容缩容
-
xxl-job:
使用Quartz基于数据库的分布式功能，服务器超出一定数量会给数据库造成一定的压力，一旦有新执行器机器上线或者下线，下次调度时将会重新分配任务；
-
Elastic-job:
通过zk实现各服务的注册、控制及协调，以下是弹性分布的实现：
第一台服务器上线触发主服务器选举。主服务器一旦下线，则重新触发选举，选举过程中阻塞，只有主服务器选举完成，才会执行其他任务。
某作业服务器上线时会自动将服务器信息注册到注册中心，下线时会自动更新服务器状态。
主节点选举，服务器上下线，分片总数变更均更新重新分片标记。
定时任务触发时，如需重新分片，则通过主服务器分片，分片过程中阻塞，分片结束后才可执行任务。如分片过程中主服务器下线，则先选举主服务器，再分片。
通过上一项说明可知，为了维持作业运行时的稳定性，运行过程中只会标记分片状态，不会重新分片。分片仅可能发生在下次任务触发前。
每次分片都会按服务器IP排序，保证分片结果不会产生较大波动。
实现失效转移功能，在某台服务器执行完毕后主动抓取未分配的分片，并且在某台服务器下线后主动寻找可用的服务器执行任务。
-
Staturn:
同上
4.7 支持并行调度
-
xxl-job:
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集群中所有执行器执行一次任务，可根据分片参数处理分片任务
-
Elastic-job::
采用任务分片方式实现。将一个任务拆分为n个独立的任务项，由分布式的服务器并行执行各自分配到的分片项。
-
Staturn:
采用任务分片方式实现。将一个任务拆分为n个独立的任务项，由分布式的服务器并行执行各自分配到的分片项。
4.8 高可用策略
-
xxl-job:
调度中心HA
通过DB锁保证集群分布式调度的一致性, 一次任务调度只会触发一次执行；
执行器支持集群部署，提升调度系统可用性，同时提升任务处理能力。
执行器集群部署时，几点要求和建议：
执行器回调地址（xxl.job.admin.addresses）需要保持一致；执行器根据该配置进行执行器自动注册等操作。
同一个执行器集群内AppName（xxl.job.executor.appname）需要保持一致；调度中心根据该配置动态发现不同集群的在线执行器列表
-
Elastic-job：
调度器的高可用是通过运行几个指向同一个ZooKeeper集群的Elastic-Job-Cloud-Scheduler实例来实现的。ZooKeeper用于在当前主Elastic-Job-Cloud-Scheduler实例失败的情况下执行领导者选举。通过至少两个调度器实例来构成集群，集群中只有一个调度器实例提供服务，其他实例处于”待命”状态。当该实例失败时，集群会选举剩余实例中的一个来继续提供服务。
-
Saturn：同上
4.9 失败处理策略
-
xxl-job:
调度失败时的处理策略，策略包括：失败告警（默认）、失败重试；
-
Elastic-job：
弹性扩容缩容在下次作业运行前重分片，但本次作业执行的过程中，下线的服务器所分配的作业将不会重新被分配。失效转移功能可以在本次作业运行中用空闲服务器抓取孤儿作业分片执行。同样失效转移功能也会牺牲部分性能。
-
Saturn：支持异常检测和自动失败转移
支持异常检测和自动失败转移
4.10 动态分片策略
-
xxl-job: 分片广播任务以执行器为维度进行分片，支持动态扩容执行器集群从而动态增加分片数量，协同进行业务处理；在进行大数据量业务操作时可显著提升任务处理能力和速度。
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，同时传递分片参数；可根据分片参数开发分片任务；
-
Elastic-job：支持多种分片策略，可自定义分片策略
默认包含三种分片策略： 基于平均分配算法的分片策略、 作业名的哈希值奇偶数决定IP升降序算法的分片策略、根据作业名的哈希值对Job实例列表进行轮转的分片策略，支持自定义分片策略
elastic-job的分片是通过zookeeper来实现的。分片的分片由主节点分配，如下三种情况都会触发主节点上的分片算法执行：
a、新的Job实例加入集群
b、现有的Job实例下线（如果下线的是leader节点，那么先选举然后触发分片算法的执行）
c、主节点选举
-
Saturn：同Elastic-job
4.11 DAG(有向无环图)
-
xxl-job: 待支持
-
支持简单的子任务和任务依赖，不支持完整的DAG任务
-
Elastic-job：不支持
-
Saturn：支持作业编排,作业编排将作业形成一个有向无环图，按照图的顺序依次调用。
-
该功能仅支持saturn 3.3.0及以上版
4.12 文档
-
xxl-job: http://www.xuxueli.com/xxl-job/#/
-
文档详细
-
Elastic-job: http://elasticjob.io/docs/elastic-job-lite/00-overview/
-
基本部署、开发文档
-
基本部署、开发文档
4.13 运维平台
-
xxl-job:
-
可视化运维平台：
-
登录安全控制
-
日志管理
-
执行器管理
-
调度中心
-
任务管理
-
报表查询
-
支持实时查看运行数据，如任务数量、调度次数、执行器数量等；以及调度报表，如调度日期分布图，调度成功分布图等；
-
-
Elastic-job:
-
可视化运维平台：
-
登录安全控制
-
注册中心、事件追踪数据源管理
-
快捷修改作业设置
-
作业和服务器维度状态查看
-
操作作业禁用\启用、停止和删除等生命周期
-
事件追踪查询
-
-
Saturn：
-
可视化运维平台：
-
登录安全控制
-
系统配置
-
权限管理
-
注册中心
-
告警中心
-
作业管理
-
自动运维
-
一键摘流量，一键dump以及Executor重启。
-
报表展示
-
4.14 部署方式
-
xxl-job:
-
-
支持传统JAR包启动
-
支持容器化(Docker)部署
-
-
Elastic-job:自带运维平台
-
-
支持传统JAR包启动
-
-
Saturn：自带运维平台，可视化管理
-
-
支持容器化(Docker)部署
-
支持传统JAR包启动
-
4.15 触发方式
-
xxl-job:
-
支持基于事件和时间触发
-
Elastic-job:
-
支持基于时间触发
-
Saturn：自带运维平台，可视化管理
-
-
支持基于事件和时间触发
-
5.Quartz定时任务框架存在的问题
Quartz作为开源作业调度中的佼佼者，是作业调度的首选。但是集群环境中Quartz采用API的方式对任务进行管理，从而可以避免上述问题，但是同样存在以下问题：
-
问题一：调用API的的方式操作任务，不人性化；
-
问题二：需要持久化业务QuartzJobBean到底层数据表中，系统侵入性相当严重。
-
问题三：调度逻辑和QuartzJobBean耦合在同一个项目中，这将导致一个问题，在调度任务数量逐渐增多，同时调度任务逻辑逐渐加重的情况加，此时调度系统的性能将大大受限于业务；
-
问题四：quartz底层以“抢占式”获取DB锁并由抢占成功节点负责运行任务，会导致节点负载悬殊非常大；
-
quartz的分布式调度策略是以数据库为边界资源的一种异步策略。各个调度器都遵守一个基于数据库锁的操作规则从而保证了操作的唯一性。同时多个节点的异步运行保证了服务的可靠。但这种策略有自己的局限性：集群特性对于高CPU使用率的任务效果很好，但是对于大量的短任务，各个节点都会抢占数据库锁，这样就出现大量的线程等待资源。这种情况随着节点的增加会越来越严重。
-
quartz的分布式只是解决了高可用的问题，并没有解决任务分片的问题，还是会有单机处理的极限。
三大框架弥补了quartz的上述不足之处。
6.综合对比
7.总结与结论
共同点：
三大框架都有广泛的用户基础和完整的技术文档，都能满足定时任务的基本功能需求。
不同点：
xxl-job：
大众点评目前已接入XXL-JOB，内部别名《Ferrari》（Ferrari基于XXL-JOB的V1.1版本定制而成，新接入应用推荐升级最新版本）。 据最新统计, 自2016-01-21接入至2017-12-01期间，该系统已调度约100万次，表现优异。新接入应用推荐使用最新版本，因为经过数十个版本的更新，系统的任务模型、UI交互模型以及底层调度通讯模型都有了较大的优化和提升，核心功能更加稳定高效。
文档比较详细,xxl-job分为调度中心(中心式)和执行器(分布式)，调度中心基于集群Quartz实现并支持集群部署，可保证调度中心HA；任务分布式执行，任务"执行器"支持集群部署，可保证任务执行HA，其中调度中心集群基于DB，而其他两个框架用zookeeper崃实现分布式锁。
侧重的业务实现的简单和管理的方便，学习成本简单，失败策略和路由策略丰富。推荐使用在“用户基数相对少，服务器数量在一定范围内”的情景下使用，版本更新较快也是其一大亮点，支持子任务，DAG任务和依赖任务已经列入TODOLIST，暂时不支持秒任务，具体支持如下：
支持多种语言作业，语言无关(Java/Go/C++/PHP/Python/Ruby/shell)
分片广播任务：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集群中所有执行器执行一次任务，可根据分片参数开发分片任务；
动态分片：分片广播任务以执行器为维度进行分片，支持动态扩容执行器集群从而动态增加分片数量，协同进行业务处理；在进行大数据量业务操作时可显著提升任务处理能力和速度。
支持作业高可用
弹性扩容缩容：一旦有新执行器机器上线或者下线，下次调度时将会重新分配任务；
故障转移：任务路由策略选择"故障转移"情况下，如果执行器集群中某一台机器故障，将会自动Failover切换到一台正常的执行器发送调度请求。
事件触发：除了"Cron方式"和"任务依赖方式"触发任务执行之外，支持基于事件的触发任务方式。调度中心提供触发任务单次执行的API服务，可根据业务事件灵活触发。
任务依赖：支持配置子任务依赖，当父任务执行结束且执行成功后将会主动触发一次子任务的执行, 多个子任务用逗号分隔；
容器化：提供官方docker镜像，并实时更新推送dockerhub，进一步实现产品开箱即用；
任务失败重试：支持自定义任务失败重试次数，当任务失败时将会按照预设的失败重试次数主动进行重试；其中分片任务支持分片粒度的失败重试；
Elastic-job：
当当开源的分布式调度解决方案，由两个相互独立的子项目Elastic-Job-Lite和Elastic-Job-Cloud组成。Elastic-Job-Lite定位为轻量级无中心化解决方案，使用jar包的形式提供分布式任务的协调服务。一般我们只要使用Elastic-Job-Lite就好。
Elastic-Job-Lite并没有宿主程序，而是基于部署作业框架的程序在到达相应时间点时各自触发调度。它的开发也比较简单，引用Jar包实现一些方法即可，最后编译成Jar包运行。
Elastic-Job-Lite的分布式部署全靠ZooKeeper来同步状态和原数据。实现高可用的任务只需将分片总数设置为1，并把开发的Jar包部署于多个服务器上执行，任务将会以1主N从的方式执行。一旦本次执行任务的服务器崩溃，其他执行任务的服务器将会在下次作业启动时选择一个替补执行。如果开启了失效转移，那么功能效果更好，可以保证在本次作业执行时崩溃，备机之一立即启动替补执行。
Elastic-Job-Lite的任务分片也是通过ZooKeeper来实现，Elastic-Job并不直接提供数据处理的功能，框架只会将分片项分配至各个运行中的作业服务器，开发者需要自行处理分片项与真实数据的对应关系。框架也预置了一些分片策略：平均分配算法策略，作业名哈希值奇偶数算法策略，轮转分片策略。同时也提供了自定义分片策略的接口。
Elastic-Job-Lite还提供了一个任务监控和管理界面：Elastic-Job-Lite-Console。它和Elastic-Job-Lite是两个完全不关联的应用程序，使用ZooKeeper来交换数据，管理人员可以通过这个界面查看、监控和管理Elastic-Job-Lite的任务，必要的时候还能手动触发任务。
关注的是数据，增加了弹性扩容和数据分片的思路，以便于更大限度的利用分布式服务器的资源。但是学习成本相对高些，推荐在“数据量庞大，且部署服务器数量较多”时使用。
Staturn
Saturn是唯品会在github开源的一款分布式任务调度产品。它是基于当当elastic-job来开发的，其上完善了一些功能和添加了一些新的feature。Saturn的任务可以用多种语言开发比如python、Go、Shell、Java、Php。其在唯品会内部已经发部署800+个节点，每日10亿级别的调度考验。
Saturn集成了Elastic-Job-Lite优点的基础上，在Elastic-Job停更后(一年多没有更新维护)，管理和统计也是它的亮点，同时版本更新比较快也是其一大亮点，具体支持详情如下：
支持基于事件和时间触发
支持多种语言作业，语言无关(Java/Go/C++/PHP/Python/Ruby/shell)
支持秒级调度
支持作业分片并行执行
支持依赖作业串行执行
支持作业高可用和智能负载均衡
支持异常检测和自动失败转移
支持异地容灾
支持多个集群部署
支持跨机房区域部署
支持弹性动态扩容
支持优先级和权重设置
支持docker容器，容器化友好
支持cron时间表达式
支持多个时间段暂停执行控制
支持超时告警和超时强杀控制
支持灰度发布
支持异常、超时和无法高可用作业监控告警和简易的故障排除
支持失败率最高、最活跃和负荷最重的各域各节点TOP10的作业统计
经受住唯品会生产800多个节点，每日10亿级别的调度考验
支持简单的DAG任务和依赖任务
可视化管理
结论：
结合以上三种分布式定时任务调度系统的比对，在社区活跃和功能覆盖来说，xxl-job和Saturn 比较适合目前系统的技术选型架构，其中xxl-job文档详细，入门简单，不涉及zookeeper，相对来说学习成本低，但是性能瓶颈集中于DB，目前xxl-job项目组计划替换Quartz崃解决目前存在的系统瓶颈，而反观Saturn在集成了Elastic-job的优点的前提下，补齐了管理和统计的短板，修复了历史存留的问题，并有明确的发展计划，已经成为集管理、调度、任务分配、监控预警为一体的综合调度系统，所以更适合目前大部分系统现状。
