- 一个任务仅会被服务器集群中的某个节点调度，调度机制基于成熟的Quartz，antares内部会重写执行逻辑；
- 用户可通过对任务预分片，有效提升任务执行效率；
-
客户端实效转移：当某个客户端实例在执行任务中宕机时，其正在执行的分片将重新由其他客户端实例执行；
-
服务器失效转移：当服务器集群中某个节点宕机时，其正在调度的任务将转移到其他节点去调度；
- 客户端扩容：客户端可通过增加应用实例，提升任务执行的效率；
- 服务器扩容：服务器集群可通过增加节点，提升集群任务调度的服务能力；
- antares通过ip+进程号标识客户端应用实例，因此支持单机多应用实例部署；
- antares支持树形任务依赖，当某任务执行完成后，会通知其后置任务执行；
- antares支持基本的任务超时报警，失败报警等；
- 用户可通过控制台antares-tower对任务进行基本操作，如触发，暂停，监控等。
在线Demo(用户名/密码：admin/admin123)。
-
应用(App)
用于标识或分组，如用户服务，订单服务等；
-
应用实例(App Instance)
某应用下的客户端实例，即某个进程实例；
-
任务(Job)
即被调度的实体，仅会由某一服务器节点调度；
-
任务实例(Job Instance)
每当任务被触发时，则会生产一个任务实例，执行完成后，则为任务历史；
-
任务分片(Job Instance Shard)
即任务的预分片配置，包含分片数和分片参数，用户可通过客户端实例执行任务时被分配的分片项及其分片参数，自己实现分片逻辑；
-
分片项(shardItem)、分片参数(shardParam)
分片项(shardItem)，即当应用实例任务执行时，被分配的任务下标，从0开始；分片参数，即任务下标对应的配置参数。
通常，对于有以下场景或需求时，可以考虑使用分布式任务调度：
-
需要保证任务执行的高可用性：即当执行任务的应用实例崩溃后，其他应用实例可以继续执行该任务；
-
要求任务执行效率足够高：在业务数据量级比较大时，可以使用预分片配置来将数据进行逻辑分片，使得多个应用实例能并行执行任务分片，以提升任务的执行效率。
-
下载最新的压缩包；
-
或者通过源码构建:
mvn clean package -DskipTests -Prelease
安装服务器(antares-server)
-
解压安装包：
tar zxf antares-server-{version}.tar.gz ll antares-server-{version} bin # 执行脚本 conf # 配置目录 lib # 依赖包 -
编辑配置文件
antares.conf：# 服务器绑定的IP BIND_ADDR=127.0.0.1 # 服务器的监听端口 LISTEN_PORT=22122 # Redis主机地址 REDIS_HOST=127.0.0.1 # Redis主机端口 REDIS_PORT=6379 # Redis的数据键前缀 REDIS_NAMESPACE=ats # 日志目录，相对或绝对路径 LOG_PATH=./logs # Zookeeper地址 ZK_SERVERS=127.0.0.1:2181 # Zookeeper命名空间 ZK_NAMESPACE=ats # 服务器宕机后，启动Failover前的等待时间(单位为秒，通常大于服务器正常重启的时间，避免因为重启服务器，导致不必要的Failover) SERVER_FAILOVER_WAIT_TIME=30 # 调度器的线程数 SCHEDULE_THREAD_COUNT=32 # JVM堆参数 JAVA_HEAP_OPTS="-Xms512m -Xmx512m -XX:MaxNewSize=256m"
-
启动/关闭/重启服务器：
./bin/antares.sh start ./bin/antares.sh stop ./bin/antares.sh restart
安装控制台(antares-tower)
-
解压安装包：
tar zxf antares-tower-{version}.tar.gz ll antares-tower-{version} bin # 执行脚本 conf # 配置目录 lib # 依赖包 -
编辑配置文件
antares.conf：# 控制台绑定的IP BIND_ADDR=127.0.0.1 # 控制台的监听端口 LISTEN_PORT=22111 # Redis的主机地址 REDIS_HOST=127.0.0.1 # Redis的端口 REDIS_PORT=6379 # Redis的数据键前缀 REDIS_NAMESPACE=ats # 日志目录，相对或绝对路径 LOG_PATH=./logs # Zookeeper地址127.0.0.1 ZK_SERVERS=127.0.0.1:2181 # Zookeeper命名空间 ZK_NAMESPACE=ats # 控制台用户名 TOWER_USER=admin # 控制台密码 TOWER_PASS=admin # JVM堆参数配置 JAVA_HEAP_OPTS="-Xms512m -Xmx512m -XX:MaxNewSize=256m" # 是否开启报警 ALARM_ENABLE=false ## 若ALARM_ENABLE=false，下面的配置可以忽略 # 通知类型(暂仅支持邮件) # 1：邮件 ALARM_NOTIFY_TYPE=1 # 报警标题 ALARM_SUBJECT=Antares任务报警 # 任务超时报警模版，以下四个变量可用，使用{}开头结尾 ALARM_TEMPLATE_JOB_TIMEOUT=应用【{appName}】的任务【{jobClass}】执行超时，调度服务器为【{scheduler}】：{detail}. # 任务失败报警模版，以下四个变量可用，使用{}开头结尾 ALARM_TEMPLATE_JOB_FAILED=应用【{appName}】的任务【{jobClass}】执行失败，调度服务器为【{scheduler}】：{detail}. ### 邮件配置 # 邮箱主机 MAIL_HOST=192.168.0.1 # 发件人邮箱 MAIL_FROM_ADDR=haolin.h0@gmail.com # 发件人用户名 MAIL_FROM_USER=haolin.h0 # 发件人密码 MAIL_FROM_PASS=123456 # 收件人列表，逗号隔开 MAIL_TO=haolin.h0@gmail.com
-
启动/关闭/重启控制台：
./bin/antares.sh start ./bin/antares.sh stop ./bin/antares.sh restart
-
这样便可以进入控制台(如http://127.0.0.1:22111)，在控制台事先添加应用及任务：
-
编辑应用：
-
编辑任务：
-
-
Job类型：antares支持两种Job类型，DefaultJob和ScriptJob:
-
DefaultJob为最常用的Job类型，开发人员只需要实现该接口即可，如：
public class DemoJob implements DefaultJob { @Override public JobResult execute(JobContext context) { // 可以获取到当前应用实例被分配的分片信息 // 分片号，从0开始 context.getShardItem(); // 分片号对应的分片参数 context.getShardParam(); // 执行任务逻辑... // 如有需要，可通过分片信息处理不同的数据集 // 注意catch异常 return JobResult; } }
-
实现DefaultJob的任务类的返回结果有三种类型：
-
JobResult.SUCCESS：分片执行成功；
-
JobResult.FAIL：分片执行失败，可以通过
JobResult.failed(error)返回，可记录对应的错误信息，便于排查问题； -
JobResult.LATER：重新分配，这将使得当前分片会重新被分配执行。
-
-
ScriptJob为脚本任务，开发人员只需要继承该类，不需要具体的实现代码，然后配置Job的自定义参数，即为需要执行的命令，如：
/** * 只需继承ScriptJob即可 */ public class MyScriptJob extends ScriptJob { }
-
-
Job分片配置：Job分片配置，主要用于将业务数据进行逻辑分片，需要开发人员自行实现分片逻辑，分片配置只是协助开发人员进行分片，这些配置通常比较有规律，同一应用实例同一时刻只会分配到其中一片，执行完，再拉取其他剩余的任务分片，直到任务执行完成，如：
分片参数由分号隔开，从0开始，每个参数可以是数字，字母或是JSON字符串，比如上面将任务分为3片，这3片对应的参数为0，1，2，我们可以假定将业务数据分为三份，第1份表示记录id % 3 = 0的数据，第2份为记录id % 3 = 1的数据，第3份为记录id % 3 = 2的数据。更常见的场景可能是在分库分表时，同分片参数去划分不同的库或表，当然，如果数据量不大或任务执行的时间可接受，也不用分片。
-
引入maven包：
<dependency> <groupId>me.hao0</groupId> <artifactId>antares-client</artifactId> <version>1.4.0</version> </dependency>
-
antares-client日志处理使用的是slf4j-api，开发人员只需额外引入其实现即可，如log4j，log4j2，logback等，zookeeper操作主要依赖curator，若有版本冲突，注意解决。
-
启动SimpleAntaresClient：
SimpleAntaresClient client = new SimpleAntaresClient( "dev_app", // 应用名称 "123456", // 应用密钥 "127.0.0.1:2181", // zookeeper地址 "ats" // zookeeper命名空间 ); // 执行任务的线程数 client.setExecutorThreadCount(32); // 启动客户端 client.start(); // 创建job实例，需要实现DefaultJob或ScriptJob DemoJob demoJob = new DemoJob(); // 注册job client.registerJob(demoJob);
-
具体可见单元测试。
-
引入maven包：
<dependency> <groupId>me.hao0</groupId> <artifactId>antares-client-spring</artifactId> <version>1.4.0</version> </dependency>
-
在Spring上下文配置SpringAntaresClient，及其Job实例即可：
<!-- Spring Antares Client --> <bean class="me.hao0.antares.client.core.SpringAntaresClient"> <!-- 应用名称 --> <constructor-arg index="0" value="dev_app" /> <!-- 应用密钥 --> <constructor-arg index="1" value="123456" /> <!-- zookeeper地址 --> <constructor-arg index="2" value="127.0.0.1:2181" /> <!-- zookeeper命名空间 --> <constructor-arg index="3" value="ats" /> <!-- 执行job的线程数 --> <property name="executorThreadCount" value="32" /> </bean> <!-- Job实例 --> <bean class="me.hao0.antares.demo.jobs.DemoJob" /> <!-- ... -->
-
具体可见单元测试。
-
引入maven包：
<dependency> <groupId>me.hao0</groupId> <artifactId>antares-client-spring-starter</artifactId> <version>1.4.0</version><!-- 1.3.0+ --> </dependency>
-
在application.yml中引入antares相关配置即可：
antares: appName: myapp appSecret: 123456 zkServers: localhost:2181 zkNamespace: ats executorThreadCount: 32
-
具体参考可见antares-demo-spring-starter。
-
对于想做一些任务监听的操作，开发人员可选择实现JobListener或JobResultListner，如：
public class DemoJob implements DefaultJob, JobListener, JobResultListener { @Override public JobResult execute(JobContext context) { return ... } @Override public void onBefore(JobContext context) { // 任务执行前调用 } @Override public void onAfter(JobContext context, JobResult res) { // 任务执行后调用 } @Override public void onSuccess() { // 任务执行成功后调用 } @Override public void onFail() { // 任务执行失败后调用 } }
应用运行过程中，开发人员便可通过控制台作一些基本操作，如：
-
应用管理：
-
任务配置：
-
任务依赖：
-
任务管控：
-
任务历史：
-
集群管理：
-
应将任务应用与业务应用独立部署，这两类系统不应相互影响，无论从其属性还是运行环境(如GC)都是有区别的；
-
对任务配置合理的cron表达式，应保证任务执行的间隔时间大于任务执行的总时间，以免同一时刻同一任务发生多次触发执行(antares同一任务同一时刻，只会有一个实例在执行)，其余情况将取决于Quartz的misfire机制；
-
为了防止任务分片重复执行，应用应尽量保证幂等性；
-
合理划分应用，单个任务应用的任务数量不宜太多(如2 * executorThreadCount)，防止单个应用实例执行任务太多，影响任务执行效率。
- 有任何问题，请issue。
-
支付宝:
-
微信:
