xxl-job 分布式任务调度框架

spring传统的定时任务@Scheduled，但是这样存在这一些问题 ：

• 做集群任务的重复执行问题；（某个微服务要做集群，每一个微服务下都有当前的任务，这是应该如何解决重复执行的问题呢？可以使用分布式锁，但是比较麻烦）

• cron表达式定义在代码之中，修改不方便；

• 定时任务失败了，无法重试也没有统计；

• 如果任务量过大，不能有效的分片执行；

解决这些问题的方案为：xxl-job 分布式任务调度框架

一、分布式任务调度

 1、什么是分布式任务调度

当前软件的架构已经开始向分布式架构转变，将单体结构拆分为若干服务，服务之间通过网络交互来完成业务处理。在分布式架构下，一个服务往往会部署多个实例来运行我们的业务，如果在这种分布式系统环境下运行任务调度，我们称之为分布式任务调度。

 将单体应用拆分成多个微服务，为了提升系统并发可用性，我们做集群，

将任务调度程序分布式构建，这样就可以具有分布式系统的特点，并且提高任务的调度处理能力：

（1）、并行任务调度

并行任务调度实现靠多线程，如果有大量任务需要调度，此时光靠多线程就会有瓶颈了，因为一台计算机CPU的处理能力是有限的。

如果将任务调度程序分布式部署，每个结点还可以部署为集群，这样就可以让多台计算机共同去完成任务调度，我们可以将任务分割为若干个分片，由不同的实例并行执行，来提高任务调度的处理效率。

（2）、高可用

若某一个实例宕机，不影响其他实例来执行任务。

（3）、弹性扩容

当集群中增加实例就可以提高并执行任务的处理效率。

（4）、任务管理与监测

对系统中存在的所有定时任务进行统一的管理及监测。让开发人员及运维人员能够时刻了解任务执行情况，从而做出快速的应急处理响应。

分布式任务调度面临的问题：

当任务调度以集群方式部署，同一个任务调度可能会执行多次，例如：电商系统定期发放优惠券，就可能重复发放优惠券，对公司造成损失，信用卡还款提醒就会重复执行多次，给用户造成烦恼，所以我们需要控制相同的任务在多个运行实例上只执行一次。常见解决方案：

• 分布式锁，多个实例在任务执行前首先需要获取锁，如果获取失败那么就证明有其他服务已经在运行，如果获取成功那么证明没有服务在运行定时任务，那么就可以执行。

• ZooKeeper选举，利用ZooKeeper对Leader实例执行定时任务，执行定时任务的时候判断自己是否是Leader，如果不是则不执行，如果是则执行业务逻辑，这样也能达到目的。

2、xxl-Job简介

这是美团公司一个程序员开源的框架

针对分布式任务调度的需求，市场上出现了很多的产品：

1）、TBSchedule：淘宝推出的一款非常优秀的高性能分布式调度框架，目前被应用于阿里、京东、支付宝、国美等很多互联网企业的流程调度系统中。但是已经多年未更新，文档缺失严重，缺少维护。

2）、XXL-Job：大众点评的分布式任务调度平台，是一个轻量级分布式任务调度平台, 其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线，开箱即用。

3）、Elastic-job：当当网借鉴TBSchedule并基于quartz 二次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，具有任务高可用以及分片功能。

4）、Saturn： 唯品会开源的一个分布式任务调度平台，基于Elastic-job，可以全域统一配置，统一监 控，具有任务高可用以及分片功能。

XXL-JOB是一个分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线，开箱即用。

源码地址：https://gitee.com/xuxueli0323/xxl-job

文档地址：https://www.xuxueli.com/xxl-job/

 

特性

• 简单灵活 提供Web页面对任务进行管理，管理系统支持用户管理、权限控制； 支持容器部署； 支持通过通用HTTP提供跨平台任务调度；

• 丰富的任务管理功能 支持页面对任务CRUD操作； 支持在页面编写脚本任务、命令行任务、Java代码任务并执行； 支持任务级联编排，父任务执行结束后触发子任务执行； 支持设置指定任务执行节点路由策略，包括轮询、随机、广播、故障转移、忙碌转移等； 支持Cron方式、任务依赖、调度中心API接口方式触发任务执行

• 高性能 任务调度流程全异步化设计实现，如异步调度、异步运行、异步回调等，有效对密集调度进行流量削峰；

• 高可用 任务调度中心、任务执行节点均 集群部署，支持动态扩展、故障转移 支持任务配置路由故障转移策略，执行器节点不可用是自动转移到其他节点执行 支持任务超时控制、失败重试配置 支持任务处理阻塞策略：调度当任务执行节点忙碌时来不及执行任务的处理策略，包括：串行、抛弃、覆盖策略

• 易于监控运维 支持设置任务失败邮件告警，预留接口支持短信、钉钉告警； 支持实时查看任务执行运行数据统计图表、任务进度监控数据、任务完整执行日志；

3、XXL-Job-环境搭建

（1）、调度中心环境要求

• Maven3+

• Jdk1.8+

• Mysql5.7+

（2）、源码仓库地址

源码仓库地址	Release Download
https://github.com/xuxueli/xxl-job	Download
http://gitee.com/xuxueli0323/xxl-job	Download

我们访问马云上面的地址去下载源码，我们下载2.3.0版本。

也可以使用资料文件夹中的源码，目录结构如下：

使用idea打开

xxl-job-admin为调度中心，一会我们会部署这个调度中心。

xxl-job-core为核心源码，如果我们想要在项目中使用xxl-job，必须导入这个核心依赖。xxl-job-executor-samples是一些案例，我们会重点分析xxl-job-executor-sample-springboot这个springboot集成样例。

（3）、初始化“调度数据库”

请下载项目源码并解压，获取 “调度数据库初始化SQL脚本” 并执行即可。

位置：/xxl-job/doc/db/tables_xxl_job.sql 共8张表

- xxl_job_lock：任务调度锁表；
- xxl_job_group：执行器信息表，维护任务执行器信息；
- xxl_job_info：调度扩展信息表： 用于保存XXL-JOB调度任务的扩展信息，如任务分组、任务名、机器地址、执行器、执行入参和报警邮件等等；
- xxl_job_log：调度日志表： 用于保存XXL-JOB任务调度的历史信息，如调度结果、执行结果、调度入参、调度机器和执行器等等；
- xxl_job_logglue：任务GLUE日志：用于保存GLUE更新历史，用于支持GLUE的版本回溯功能；
- xxl_job_registry：执行器注册表，维护在线的执行器和调度中心机器地址信息；
- xxl_job_user：系统用户表；

调度中心支持集群部署，集群情况下各节点务必连接同一个mysql实例;

如果mysql做主从,调度中心集群节点务必强制走主库;

4、配置部署“调度中心”

调度中心项目：xxl-job-admin

作用：统一管理任务调度平台上调度任务，负责触发调度执行，并且提供任务管理平台。

步骤一：调度中心配置

修改mysql驱动的版本

调度中心配置文件地址：/xxl-job/xxl-job-admin/src/main/resources/application.properties

数据库的连接信息修改为自己的数据库，修改端口，避免冲突。

### web
server.port=8989
server.servlet.context-path=/xxl-job-admin

### actuator
management.server.servlet.context-path=/actuator
management.health.mail.enabled=false

### resources
spring.mvc.servlet.load-on-startup=0
spring.mvc.static-path-pattern=/static/**
spring.resources.static-locations=classpath:/static/

### freemarker
spring.freemarker.templateLoaderPath=classpath:/templates/
spring.freemarker.suffix=.ftl
spring.freemarker.charset=UTF-8
spring.freemarker.request-context-attribute=request
spring.freemarker.settings.number_format=0.##########

### mybatis
mybatis.mapper-locations=classpath:/mybatis-mapper/*Mapper.xml
#mybatis.type-aliases-package=com.xxl.job.admin.core.model

### xxl-job, datasource
spring.datasource.url=jdbc:mysql://127.0.0.1:3306/xxl_job?useUnicode=true&characterEncoding=UTF-8&autoReconnect=true&serverTimezone=Asia/Shanghai
spring.datasource.username=root
spring.datasource.password=123456
spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver

### datasource-pool
spring.datasource.type=com.zaxxer.hikari.HikariDataSource
spring.datasource.hikari.minimum-idle=10
spring.datasource.hikari.maximum-pool-size=30
spring.datasource.hikari.auto-commit=true
spring.datasource.hikari.idle-timeout=30000
spring.datasource.hikari.pool-name=HikariCP
spring.datasource.hikari.max-lifetime=900000
spring.datasource.hikari.connection-timeout=10000
spring.datasource.hikari.connection-test-query=SELECT 1
spring.datasource.hikari.validation-timeout=1000

### xxl-job, email
spring.mail.host=smtp.qq.com
spring.mail.port=25
spring.mail.username=xxx@qq.com
spring.mail.from=xxx@qq.com
spring.mail.password=xxx
spring.mail.properties.mail.smtp.auth=true
spring.mail.properties.mail.smtp.starttls.enable=true
spring.mail.properties.mail.smtp.starttls.required=true
spring.mail.properties.mail.smtp.socketFactory.class=javax.net.ssl.SSLSocketFactory

### xxl-job, access token
xxl.job.accessToken=

### xxl-job, i18n (default is zh_CN, and you can choose "zh_CN", "zh_TC" and "en")
xxl.job.i18n=zh_CN

## xxl-job, triggerpool max size
xxl.job.triggerpool.fast.max=200
xxl.job.triggerpool.slow.max=100

### xxl-job, log retention days
xxl.job.logretentiondays=30

启动调度中心，浏览器访问：http://localhost:8989/xxl-job-admin/toLogin，

默认登录账号 “admin/123456”, 登录后运行界面如下图所示。

说明调度中心安装完毕。

由于调度中心是一个服务，我们可以将xxl-job-admin打成一个jar包，然后通过java -jar xxl-job-admin-2.3.0.jar来启动。还可以创建startup.bat文件，内容为java -jar xxl-job-admin-2.3.0.jar，这样，双击该文件就可以启动。

5、配置部署调度中心-docker安装

（1）、创建mysql容器，初始化xxl-job的SQL脚本

docker run -p 3306:3306 --name mysql57 \
-v /opt/mysql/conf:/etc/mysql \
-v /opt/mysql/logs:/var/log/mysql \
-v /opt/mysql/data:/var/lib/mysql \
-e MYSQL_ROOT_PASSWORD=root \
-d mysql:5.7

 获取 “调度数据库初始化SQL脚本” 并执行。

 （2）、拉取镜像

docker pull xuxueli/xxl-job-admin:2.3.0

（3）、创建容器

docker run -e PARAMS="--spring.datasource.url=jdbc:mysql://172.17.0.2:3306/xxl_job?Unicode=true&characterEncoding=UTF-8 \
--spring.datasource.username=root \
--spring.datasource.password=123456" \
-p 8989:8080 -v /tmp:/data/applogs \
--name xxl-job-admin --restart=always  -d xuxueli/xxl-job-admin:2.3.0

注意：172.17.0.2是mysql在bridge网段的IP。mysql和xxl-job在同一网段。

去掉\改成一行执行

docker run -e PARAMS="--spring.datasource.url=jdbc:mysql://172.17.0.2:3306/xxl_job?Unicode=true&characterEncoding=UTF-8 --spring.datasource.username=root --spring.datasource.password=123456" -p 8989:8080 -v /tmp:/data/applogs --name xxl-job-admin --restart=always  -d xuxueli/xxl-job-admin:2.3.0

如果是云服务器，则在安全组中放开8989端口。

浏览器访问：http://IP:8989/xxl-job-admin/toLogin，进入如下所示页面：

默认登录账号 “admin/123456”, 登录后运行界面如下图所示。

说明调度中心安装完毕。

二、xxl-job入门案例

 1、创建执行器并注册到调度中心

 点击执行器管理，发现已经创建好了一个执行器：

 

我们根据项目名xxl-job-demo添加一个执行器

如果选择“自动注册”，那么“机器地址”中将禁止输入。

注意：AppName输入框中的值与执行器xxl-job-demo中配置文件的名称(xxl.job.executor.appname)保持一致，而不是跟spring.application.name保持一直，否则会出现执行器无法注册的情况。

名称输入框任意填写。

xxl:
  job:
    executor:
      appname: xxl-job-demo

启动执行器即xxl-job-demo项目，刷新执行器管理页面，效果如下：

 发现有一个节点已经注册进来了，执行器注册成功。

执行器其实是根据任务进行分类。创建任务的时候必须指定在哪一个执行器下创建。

2、创建定时任务并绑定执行器

点击任务管理，发现已经创建了一个任务。

点击编辑，修改cron表达式为：0/1 * * * * ? *，表示每秒运行一次

我们自己创建一个任务

注意：demoJobHandler要与@XxlJob注解中的值一致。

点击保存，如下所示

3、创建一个springboot工程并引入依赖

<!-- 继承Spring boot工程 -->
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.2.1.RELEASE</version>
    </parent>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <!--xxl-job-->
        <dependency>
            <groupId>com.xuxueli</groupId>
            <artifactId>xxl-job-core</artifactId>
            <version>2.3.0</version>
        </dependency>
    </dependencies>

注意:这里的版本与你xxl-job-admin的版本保持一致，否则可能出现执行失败的情况。

4、编写application.yml配置文件

server:
  port: 8881

xxl:
  job:
    admin:
      addresses: http://127.0.0.1:8989/xxl-job-admin
    executor:
      appname: xxl-job-demo
      port: 9898

定义执行器的名称xxl-job-demo和端口9898，执行器xxl-job-demo中配置文件的名称要与xxl-job-admin中AppName输入框中的值保持一致。

执行器端口可以自定义。如果有多个实例，则端口不要重复。

注意：调度中心要能访问本地才行，不能把调度中心放到云服务器，把该demo放到本地电脑。

XXL-JOB执行器的相关配置项的意义：

（1）、xxl.job.admin.addresses
调度中心的部署地址。若调度中心采用集群部署，存在多个地址，则用逗号分隔。执行器将会使用该地址进行”执行器心跳注册”和”任务结果回调”。

（2）、xxl.job.executor.appname
执行器的应用名称，它是执行器心跳注册的分组依据。

（3）、xxl.job.executor.ip
执行器的IP地址，用于”调度中心请求并触发任务”和”执行器注册”。执行器IP默认为空，表示自动获取IP。多网卡时可手动设置指定IP，手动设置IP时将会绑定Host。

（4）、xxl.job.executor.port
执行器的端口号，默认值为9999。单机部署多个执行器时，注意要配置不同的执行器端口。

（5）、xxl.job.accessToken
执行器的通信令牌，非空时启用。

（6）、xxl.job.executor.logpath
执行器输出的日志文件的存储路径，需要拥有该路径的读写权限。

（7）、xxl.job.executor.logretentiondays
执行器日志文件的定期清理功能，指定日志保存天数，日志文件过期自动删除。限制至少保存3天，否则功能不生效。

更多配置时如下：

xxl.job.admin.addresses=http://127.0.0.1:8989/xxl-job-admin
xxl.job.executor.appname=xxl-job-cmdptcp
xxl.job.executor.port=9897

xxl.job.executor.ip=
xxl.job.executor.address=
xxl.job.accessToken=default_token
xxl.job.executor.logpath=/data/xxl-job/log
xxl.job.executor.logretentiondays=10

 

5、编写配置类

import com.xxl.job.core.executor.impl.XxlJobSpringExecutor;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * xxl-job config
 *
 * @author xuxueli 2017-04-28
 */
@Configuration
public class XxlJobConfig {
    private Logger logger = LoggerFactory.getLogger(XxlJobConfig.class);

    @Value("${xxl.job.admin.addresses}")
    private String adminAddresses;

    @Value("${xxl.job.executor.appname}")
    private String appname;

    @Value("${xxl.job.executor.port}")
    private int port;
    
    @Bean
    public XxlJobSpringExecutor xxlJobExecutor() {
        logger.info(">>>>>>>>>>> xxl-job config init.");
        XxlJobSpringExecutor xxlJobSpringExecutor = new XxlJobSpringExecutor();
        xxlJobSpringExecutor.setAdminAddresses(adminAddresses);
        xxlJobSpringExecutor.setAppname(appname);
        xxlJobSpringExecutor.setPort(port);
        return xxlJobSpringExecutor;
    }
}

告诉spring调度中心是哪一个，执行器是哪一个，执行器端口是什么。

更多配置时如下：

@Configuration
public class XxlJobConfig {
    private Logger logger = LoggerFactory.getLogger(XxlJobConfig.class);

    @Value("${xxl.job.admin.addresses}")
    private String adminAddresses;

    @Value("${xxl.job.executor.appname}")
    private String appname;

    @Value("${xxl.job.executor.port}")
    private int port;

    @Value("${xxl.job.executor.address}")
    private String address;

    @Value("${xxl.job.executor.ip}")
    private String ip;

    @Value("${xxl.job.accessToken}")
    private String accessToken;

    @Value("${xxl.job.executor.logpath}")
    private String logPath;

    @Value("${xxl.job.executor.logretentiondays}")
    private int logRetentionDays;

    @Bean
    public XxlJobSpringExecutor xxlJobExecutor() {
        logger.info(">>>>>>>>>>> xxl-job config init.");
        XxlJobSpringExecutor xxlJobSpringExecutor = new XxlJobSpringExecutor();
        xxlJobSpringExecutor.setAdminAddresses(adminAddresses);
        xxlJobSpringExecutor.setAppname(appname);
        xxlJobSpringExecutor.setPort(port);
        xxlJobSpringExecutor.setAddress(address);
        xxlJobSpringExecutor.setIp(ip);
        xxlJobSpringExecutor.setAccessToken(accessToken);
        xxlJobSpringExecutor.setLogPath(logPath);
        xxlJobSpringExecutor.setLogRetentionDays(logRetentionDays);
        return xxlJobSpringExecutor;
    }
}

 

6、编写启动类

@SpringBootApplication
public class XxlJobApplication {
    public static void main(String[] args) {
        SpringApplication.run(XxlJobApplication.class,args);
    }
}

7、创建任务

import com.xxl.job.core.handler.annotation.XxlJob;
import org.springframework.stereotype.Component;

@Component
public class HelloJob {
    
    @XxlJob("demoJobHandler")
    public void helloJob(){
        System.out.println("简单任务执行了。。。。");

    }
}

8、测试单节点

（1）、启动项目

（2）、启动任务

 

目前任务是停止状态，点击操作，再选择启动，再点击确定，此时状态变为running

此时控制台打印如下：

简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。
简单任务执行了。。。。

查询日志：

三、任务详解

1、执行器

执行器：任务绑定执行器，执行器注册到调度中心成功之后，任务触发调度时将会自动发现注册成功的执行器, 实现任务自动发现功能，才能执行我们的任务。

另一方面也可以方便的进行任务分组。每个任务必须绑定一个执行器；

以下是执行器的属性说明：

属性名称	说明
AppName	是每个执行器集群的唯一标示AppName, 执行器会周期性以AppName为对象进行自动注册。可通过该配置自动发现注册成功的执行器, 供任务调度时使用;
名称	执行器的名称, 因为AppName限制字母数字等组成,可读性不强, 名称为了提高执行器的可读性;
排序	执行器的排序, 系统中需要执行器的地方,如任务新增, 将会按照该排序读取可用的执行器列表;
注册方式	调度中心获取执行器地址的方式；
机器地址	注册方式为"手动录入"时有效，支持人工维护执行器的地址信息；

自动注册和手动注册的区别和配置

2、基础配置

基础配置

• 执行器：每个任务必须绑定一个执行器, 方便给任务进行分组；

• 任务描述：任务的描述信息，便于任务管理；

• 负责人：任务的负责人；

• 报警邮件：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；

调度配置

• 调度类型：

  • 无：该类型不会主动触发调度；

  • CRON：该类型将会通过CRON，触发任务调度；

  • 固定速度：该类型将会以固定速度，触发任务调度；按照固定的间隔时间，周期性触发；

任务配置

• 运行模式：

BEAN模式：任务以JobHandler方式维护在执行器端（java代码使用Bean模式）；需要结合 "JobHandler" 属性匹配执行器中任务；

• JobHandler：运行模式为 "BEAN模式" 时生效，对应执行器中新开发的JobHandler类“@JobHandler”注解自定义的value值；

• 执行参数：任务执行所需的参数；

注意：中间用英文逗号分隔。

此时执行，参数自定填写到“任务参数”

高级配置：主要争对集群模式。

阻塞处理策略

阻塞处理策略：调度过于密集（任务量特别大）执行器来不及处理时的处理策略；

• 单机串行（默认）：调度请求进入单机执行器后，调度请求进入FIFO(First Input First Output)队列并以串行方式运行；

• 丢弃后续调度：调度请求进入单机执行器后，发现执行器存在运行的调度任务，本次请求将会被丢弃并标记为失败；

• 覆盖之前调度：调度请求进入单机执行器后，发现执行器存在运行的调度任务，将会终止运行中的调度任务并清空队列，然后运行本地调度任务；

路由策略

当执行器集群部署时，提供丰富的路由策略，包括；

• FIRST（第一个）：固定选择第一个机器；

• LAST（最后一个）：固定选择最后一个机器；

• ROUND（轮询）

• RANDOM（随机）：随机选择在线的机器；

• CONSISTENT_HASH（一致性HASH）：每个任务按照Hash算法固定选择某一台机器，且所有任务均匀散列在不同机器上。

• LEAST_FREQUENTLY_USED（最不经常使用）：使用频率最低的机器优先被选举；

• LEAST_RECENTLY_USED（最近最久未使用）：最久未使用的机器优先被选举；

• FAILOVER（故障转移）：按照顺序依次进行心跳检测，第一个心跳检测成功的机器选定为目标执行器并发起调度；

• BUSYOVER（忙碌转移）：按照顺序依次进行空闲检测，第一个空闲检测成功的机器选定为目标执行器并发起调度；

• SHARDING_BROADCAST(分片广播)：广播触发对应集群中所有机器执行一次任务，同时系统自动传递分片参数；可根据分片参数开发分片任务；

3、路由策略(轮询)

 （1）、修改路由策略为轮询

 

（2）、启动多个服务

 修改配置

server:
  port: ${port:8881}

xxl:
  job:
    admin:
      addresses: http://127.0.0.1:8989/xxl-job-admin
    executor:
      appname: xxl-job-demo
      port: ${executor.port:9898}

修改任务代码

@Component
public class HelloJob {
    @Value("${server.port}")
    private String port;
    
    @XxlJob("demoJobHandler")
    public void helloJob(){
        System.out.println("简单任务执行了。。。。" + port);

    }
}

启动

点击复制

启动这两个服务器，这两个服务连接同一个执行器，并执行同一个任务。

发现已经有两个节点注册成功了。下面启动任务，发现每个微服务轮询的去执行任务。

4、路由策略(分片广播)

分片逻辑

支付宝花呗每月10都会通知用户还款，用户量很大，有可能上亿，任务量特别的大，如果使用轮询的话，任务执行的效率肯定是不高的。那在同一个时间点执行大量的任务，通常情况下，我们肯定要做集群，我们给每一台服务器分配任务：实例1执行任务123，实例2执行任务456，实例3执行任务789。他们同时执行任务，这样就分摊了各个实例的压力， 

那在xxl-job中是如何做的呢？通过取模的方式将任务分配到各个分片执行。

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。

路由策略(分片广播)-案例

需求：让两个节点同时执行10000个任务，每个节点分别执行5000个任务

 （1）、创建分片执行器

 （2）、创建任务，路由策略为分片广播

（3）、分片广播代码

由于执行器的appname变了，故要修改配置文件

server:
  port: ${port:8881}

xxl:
  job:
    admin:
      addresses: http://127.0.0.1:8989/xxl-job-admin
    executor:
      appname: xxl-job-sharding-executor
      port: ${executor.port:9898}

分片参数

index：当前分片序号(从0开始)，执行器集群列表中当前执行器的序号；

total：总分片数，执行器集群的总机器数量；

import com.xxl.job.core.context.XxlJobHelper;
import com.xxl.job.core.handler.annotation.XxlJob;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.stereotype.Component;

import java.util.ArrayList;
import java.util.List;

@Component
public class HelloJob {
    @Value("${server.port}")
    private String port;

    @XxlJob("demoJobHandler")
    public void helloJob(){
        System.out.println("简单任务执行了。。。。" + port);
    }
    @XxlJob("shardingJobHandler")
    public void shardingJobHandler() {
        // 获取分片参数
        int shardIndex = XxlJobHelper.getShardIndex(); // 当前分片序号，从0开始
        int shardTotal = XxlJobHelper.getShardTotal(); // 总分片数
        // 业务逻辑
        List<Integer> list = getList();
        for (Integer integer : list) {
            // 将任务的数值模总分片数
            if (integer % shardTotal == shardIndex) {
                System.out.println("当前第"+shardIndex+"分片执行了，任务项为："+integer);
            }
        }
    }

    public List<Integer> getList(){
        List<Integer> list = new ArrayList<>();
        for (int i = 0; i < 10000; i++) {
            list.add(i);
        }
        return list;
    }
}

（4）、测试

 启动多个服务测试，一次执行可以执行多个任务

此时执行器注册成功，如下所示：

我们启动任务，只执行一次

XxlJobApplication-1服务的控制台打印如下：

.....
当前第0分片执行了，任务项为：9978
当前第0分片执行了，任务项为：9980
当前第0分片执行了，任务项为：9982
当前第0分片执行了，任务项为：9984
当前第0分片执行了，任务项为：9986
当前第0分片执行了，任务项为：9988
当前第0分片执行了，任务项为：9990
当前第0分片执行了，任务项为：9992
当前第0分片执行了，任务项为：9994
当前第0分片执行了，任务项为：9996
当前第0分片执行了，任务项为：9998

XxlJobApplication-2服务的控制台打印如下：

.......
当前第1分片执行了，任务项为：9979
当前第1分片执行了，任务项为：9981
当前第1分片执行了，任务项为：9983
当前第1分片执行了，任务项为：9985
当前第1分片执行了，任务项为：9987
当前第1分片执行了，任务项为：9989
当前第1分片执行了，任务项为：9991
当前第1分片执行了，任务项为：9993
当前第1分片执行了，任务项为：9995
当前第1分片执行了，任务项为：9997
当前第1分片执行了，任务项为：9999

现在只执行了一次任务，每个服务执行了5000次任务，如果任务量特别大的时候，我们可以通过分片广播去缓解各个服务的压力，