xxl-job 路由策略源码分析 (三)

源码回顾

调度中心触发任务之后，他的调用链如下

RemoteHttpJobBean> executeInternal > XxlJobTrigger > trigger , 

通过之前的分析xxl-job 源码解读 （二） ， 我们可以了解到，xxl-job他的路由策略主要发生在trigger这个方法中

public static void trigger(int jobId) {        // 通过JobId从数据库中查询该任务的具体信息     XxlJobInfo jobInfo = XxlJobDynamicScheduler.xxlJobInfoDao.loadById(jobId);              // job info     if (jobInfo == null) {         logger.warn(">>>>>>>>>>>> trigger fail, jobId invalid，jobId={}", jobId);         return;     }     // 获取该类型的执行器信息     XxlJobGroup group = XxlJobDynamicScheduler.xxlJobGroupDao.load(jobInfo.getJobGroup());  // group info        // 匹配运行模式     ExecutorBlockStrategyEnum blockStrategy = ExecutorBlockStrategyEnum.match(jobInfo.getExecutorBlockStrategy(), ExecutorBlockStrategyEnum.SERIAL_EXECUTION);  // block strategy     // 匹配失败后的处理模式     ExecutorFailStrategyEnum failStrategy = ExecutorFailStrategyEnum.match(jobInfo.getExecutorFailStrategy(), ExecutorFailStrategyEnum.FAIL_ALARM);    // fail strategy     //  获取路由策略     ExecutorRouteStrategyEnum executorRouteStrategyEnum = ExecutorRouteStrategyEnum.match(jobInfo.getExecutorRouteStrategy(), null);    // route strategy     // 获取该执行器的集群机器列表     ArrayList addressList = (ArrayList) group.getRegistryList();        // 判断路由策略  是否为  分片广播模式     if (ExecutorRouteStrategyEnum.SHARDING_BROADCAST == executorRouteStrategyEnum && CollectionUtils.isNotEmpty(addressList)) {         for (int i = 0; i < addressList.size(); i++) {             String address = addressList.get(i);             //定义日志信息             XxlJobLog jobLog = new XxlJobLog();             // .....省略             ReturnT triggerResult = new ReturnT(null);                if (triggerResult.getCode() == ReturnT.SUCCESS_CODE) {                 // 4.1、trigger-param                 TriggerParam triggerParam = new TriggerParam();                 triggerParam.setJobId(jobInfo.getId());                 triggerParam.setBroadcastIndex(i); // 设置分片标记                 triggerParam.setBroadcastIndex(addressList.size());// 设置分片总数                 // ......省略组装参数的过程                    // 根据参数以及 机器地址，向执行器发送执行信息 ， 此处将会详细讲解runExecutor 这个方法                 triggerResult = runExecutor(triggerParam, address);             }             // 将日志ID，放入队列，便于日志监控线程来监控任务的执行状态             JobFailMonitorHelper.monitor(jobLog.getId());             logger.debug(">>>>>>>>>>> xxl-job trigger end, jobId:{}", jobLog.getId());            }     } else {         // 出分片模式外，其他的路由策略均走这里         //定义日志信息         XxlJobLog jobLog = new XxlJobLog();         jobLog.setJobGroup(jobInfo.getJobGroup());         // .....省略         ReturnT triggerResult = new ReturnT(null);         if (triggerResult.getCode() == ReturnT.SUCCESS_CODE) {             // 4.1、trigger-param             TriggerParam triggerParam = new TriggerParam();             triggerParam.setJobId(jobInfo.getId());             triggerParam.setExecutorHandler(jobInfo.getExecutorHandler());             triggerParam.setBroadcastIndex(0); // 默认分片标记为0             triggerParam.setBroadcastTotal(1);  // 默认分片总数为1             // .... 省略组装参数的过程             // 此处使用了策略模式， 根据不同的策略 使用不同的实现类，下面将会详细讲解             triggerResult = executorRouteStrategyEnum.getRouter().routeRun(triggerParam, addressList);         }         JobFailMonitorHelper.monitor(jobLog.getId());         logger.debug(">>>>>>>>>>> xxl-job trigger end, jobId:{}", jobLog.getId());     } }

上面的代码主要讲了分片广播这个策略的实现以及xxl-job的其他路由策略的调用位置在哪里。

ExecutorRouteStrategyEnum枚举类

这个是xxl-job路由策略非常重要的一个类， 该类通过枚举的方式，把路由key， 和策略实现类进行了一个聚合、 

ExecutorRouteStrategyEnum

public enum ExecutorRouteStrategyEnum {       FIRST("第一个", new ExecutorRouteFirst()),     LAST("最后一个", new ExecutorRouteLast()),     ROUND("轮循", new ExecutorRouteRound()),     RANDOM("随机", new ExecutorRouteRandom()),     CONSISTENT_HASH("一致性哈希", new ExecutorRouteConsistentHash()),     LEAST_FREQUENTLY_USED("最不经常使用", new ExecutorRouteLFU()),     LEAST_RECENTLY_USED("最近最久未使用", new ExecutorRouteLRU()),     FAILOVER("故障转移", new ExecutorRouteFailover()),     BUSYOVER("忙碌转移", new ExecutorRouteBusyover()),     SHARDING_BROADCAST("分片广播", null);       ExecutorRouteStrategyEnum(String title, ExecutorRouter router) {         this.title = title;         this.router = router;     }       private String title;     private ExecutorRouter router;       public String getTitle() {         return title;     }     public ExecutorRouter getRouter() {         return router;     }     // 数据库中存的是枚举的名称，此处通过名称的对比，找到路由策略对应的枚举信息     public static ExecutorRouteStrategyEnum match(String name, ExecutorRouteStrategyEnum defaultItem){         if (name != null) {             for (ExecutorRouteStrategyEnum item: ExecutorRouteStrategyEnum.values()) {                 if (item.name().equals(name)) {                     return item;                 }             }         }         return defaultItem;     }   }

 

分片广播

通过源码回顾，我们可以清晰的看到，当系统判断当前任务的路由策略是分片广播时， 就会遍历执行器的集群机器列表，

给每一台机器都发送执行消息，分片总数为集群机器数量，分片标记从0开始，上面的代码已经非常清楚了，此处不再赘述。

第一个

由上面对ExecutorRouteStrategyEnum的分析，我们可以看到，该策略对应的是 这个ExecutorRouteFirst执行策略类。 主要看

routeRun 这个方法

ExecutorRouteFirst

public String route(int jobId, ArrayList addressList) {     return addressList.get(0); } @Override public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {       // 直接取集群地址列表里面的第一台机器来进行执行     String address = route(triggerParam.getJobId(), addressList);       // run executor     ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);     // 将执行该任务的执行器地址，放入到结果里面返回，最后会记录到日志里面取     runResult.setContent(address);     return runResult; }

 

最后一个

直接 从执行机集群列表的list里面取最后一个，源码如下

ExecutorRouteLast

public String route(int jobId, ArrayList addressList) {     return addressList.get(addressList.size()-1); }   @Override public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {     // 通过看上面的route方法，可以看到直接取得是list最后一个数据     String address = route(triggerParam.getJobId(), addressList);       // run executor     ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);     runResult.setContent(address);     return runResult; }

 

轮循

主要看ExecutorRouteRound这个类里面的代码

ExecutorRouteRound

private static ConcurrentHashMap routeCountEachJob = new ConcurrentHashMap(); // 缓存过期时间戳 private static long CACHE_VALID_TIME = 0; private static int count(int jobId) {     // 如果当前的时间，大于缓存的时间，那么说明需要刷新了     if (System.currentTimeMillis() > CACHE_VALID_TIME) {         routeCountEachJob.clear();         // 设置缓存时间戳，默认缓存一天，一天之后会从新开始         CACHE_VALID_TIME = System.currentTimeMillis() + 1000*60*60*24;     }       // count++     Integer count = routeCountEachJob.get(jobId);     // 当第一次执行轮循这个策略的时候，routeCountEachJob这个Map里面肯定是没有这个地址的， count==null ,     // 当 count==null或者count大于100万的时候，系统会默认在100之间随机一个数字 ， 放入hashMap, 然后返回该数字     // 当系统第二次进来的时候，count!=null 并且小于100万， 那么把count加1 之后返回出去。      count = (count==null || count>1000000)?(new Random().nextInt(100)):++count;  // 初始化时主动Random一次，缓解首次压力     // 为啥首次需要随机一次，而不是指定第一台呢？     // 因为如果默认指定第一台的话，那么所有任务的首次加载全部会到第一台执行器上面去，这样会导致第一台机器刚开始的时候压力很大。     routeCountEachJob.put(jobId, count);     return count; }   public String route(int jobId, ArrayList addressList) {     // 在执行器地址列表，获取相应的地址，  通过count(jobid) 这个方法来实现，主要逻辑在这个方法     // 通过count（jobId）拿到数字之后， 通过求于的方式，拿到执行器地址     // 例： count=2 , addresslist.size = 3     // 2%3 = 2 ,  则拿list中下表为2的地址     return addressList.get(count(jobId)%addressList.size()); }     @Override public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {       // 通过route方法获取执行器地址     String address = route(triggerParam.getJobId(), addressList);       // run executor     ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);     runResult.setContent(address);     return runResult; }

随机

随机这个策略比较简单，通过在集群列表的大小内随机拿出一台机器来执行，比较简单，此处不再赘述

ExecutorRouteRandom

private static Random localRandom = new Random();   public String route(int jobId, ArrayList addressList) {     // Collections.shuffle(addressList);     return addressList.get(localRandom.nextInt(addressList.size())); }   @Override public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {     // address     String address = route(triggerParam.getJobId(), addressList);       // run executor     ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);     runResult.setContent(address);     return runResult; }

一致性Hash

在讲这个策略之前，先说一下一致性Hash算法 ， 

先构造一个长度为2^32的整数环（这个环被称为一致性Hash环），根据节点名称的Hash值（其分布为[0, 2^32-1]）

将服务器节点放置在这个Hash环上，然后根据数据的Key值计算得到其Hash值（其分布也为[0, 2^32-1]），接着

在Hash环上顺时针查找距离这个Key值的Hash值最近的服务器节点，完成Key到服务器的映射查找。

详细介绍： http://blog.csdn.net/u010412301/article/details/52441400

 

分组下机器地址相同，不同JOB均匀散列在不同机器上，保证分组下机器分配JOB平均；且每个JOB固定调度其中一台机器；

这个地方使用的Hash方法是作者自己写的，因为String的hashCode可能重复，需要进一步扩大hashCode的取值范围

 

ExecutorRouteConsistentHash

private static int VIRTUAL_NODE_NUM = 5;   /**  * get hash code on 2^32 ring (md5散列的方式计算hash值)  * @param key  * @return  */ private static long hash(String key) {       // md5 byte     MessageDigest md5;     try {         md5 = MessageDigest.getInstance("MD5");     } catch (NoSuchAlgorithmException e) {         throw new RuntimeException("MD5 not supported", e);     }     md5.reset();     byte[] keyBytes = null;     try {         keyBytes = key.getBytes("UTF-8");     } catch (UnsupportedEncodingException e) {         throw new RuntimeException("Unknown string :" + key, e);     }       md5.update(keyBytes);     byte[] digest = md5.digest();       // hash code, Truncate to 32-bits     long hashCode = ((long) (digest[3] & 0xFF) << 24)             | ((long) (digest[2] & 0xFF) << 16)             | ((long) (digest[1] & 0xFF) << 8)             | (digest[0] & 0xFF);       long truncateHashCode = hashCode & 0xffffffffL;     return truncateHashCode; }   public String route(int jobId, ArrayList addressList) {       //     //     TreeMap addressRing = new TreeMap();     for (String address: addressList) {                   for (int i = 0; i < VIRTUAL_NODE_NUM; i++) {             // 通过自定义的Hash方法，得到服务节点的Hash值，同时放入treeMap             long addressHash = hash("SHARD-" + address + "-NODE-" + i);             addressRing.put(addressHash, address);         }     }     // 得到JobId的Hash值     long jobHash = hash(String.valueOf(jobId));     // 调用treeMap的tailMap方法，拿到map中键大于jobHash的值列表     SortedMap lastRing = addressRing.tailMap(jobHash);     // 如果addressRing中有比jobHash的那么直接取lastRing 的第一个     if (!lastRing.isEmpty()) {         return lastRing.get(lastRing.firstKey());     }     // 如果没有，则直接取addresRing的第一个     // 反正最终的效果是在Hash环上，顺时针拿离jobHash最近的一个值     return addressRing.firstEntry().getValue(); }   @Override public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {     // address     String address = route(triggerParam.getJobId(), addressList);       // run executor     ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);     runResult.setContent(address);     return runResult; }

 

最不经常使用

单个JOB对应的每个执行器，使用频率最低的优先被选举

ExecutorRouteLFU

// 定义个静态的MAP， 用来存储任务ID对应的执行信息 private static ConcurrentHashMap> jobLfuMap = new ConcurrentHashMap>(); // 定义过期时间戳 private static long CACHE_VALID_TIME = 0;   public String route(int jobId, ArrayList addressList) {       // 如果当前系统时间大于过期时间     if (System.currentTimeMillis() > CACHE_VALID_TIME) {         jobLfuMap.clear(); //清空         //重新设置过期时间，默认为一天         CACHE_VALID_TIME = System.currentTimeMillis() + 1000*60*60*24;     }       // 从MAP中获取执行信息     //lfuItemMap中放的是执行器地址以及执行次数     HashMap lfuItemMap = jobLfuMap.get(jobId);     // Key排序可以用TreeMap+构造入参Compare；Value排序暂时只能通过ArrayList；     if (lfuItemMap == null) {         lfuItemMap = new HashMap();         jobLfuMap.put(jobId, lfuItemMap);     }     for (String address: addressList) {         // map中不包含，并且值大于一万的时候，需要重新初始化执行器地址对应的执行次数         // 初始化的规则是在机器地址列表size里面进行随机         // 当运行一段时间后，有新机器加入的时候，此时，新机器初始化的执行次数较小，所以一开始，新机器的压力会比较大，后期慢慢趋于平衡         if (!lfuItemMap.containsKey(address) || lfuItemMap.get(address) >1000000 ) {             lfuItemMap.put(address, new Random().nextInt(addressList.size()));  // 初始化时主动Random一次，缓解首次压力         }     }       // 将lfuItemMap中的key.value, 取出来，然后使用Comparator进行排序，value小的靠前。     List> lfuItemList = new ArrayList>(lfuItemMap.entrySet());     Collections.sort(lfuItemList, new Comparator>() {         @Override         public int compare(Map.Entry o1, Map.Entry o2) {             return o1.getValue().compareTo(o2.getValue());         }     });     //取第一个，也就是最小的一个，将address返回，同时对该address对应的值加1 。     Map.Entry addressItem = lfuItemList.get(0);     String minAddress = addressItem.getKey();     addressItem.setValue(addressItem.getValue() + 1);       return addressItem.getKey(); }   @Override public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {       // address     String address = route(triggerParam.getJobId(), addressList);       // run executor     ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);     runResult.setContent(address);     return runResult; }

 

最近最久未使用

单个JOB对应的每个执行器，最久为使用的优先被选举 ， 此处使用的是linkHashMap来实现LRU算法的。

通过linkHashMap的每次get/put的时候会进行排序，最新操作的数据会在最后面。 从而取第一个数据就

代表是最久没有被使用的

 

ExecutorRouteLRU

// 定义个静态的MAP， 用来存储任务ID对应的执行信息 private static ConcurrentHashMap> jobLRUMap = new ConcurrentHashMap>(); // 定义过期时间戳 private static long CACHE_VALID_TIME = 0;   public String route(int jobId, ArrayList addressList) {       // cache clear     if (System.currentTimeMillis() > CACHE_VALID_TIME) {         jobLRUMap.clear();         //重新设置过期时间，默认为一天         CACHE_VALID_TIME = System.currentTimeMillis() + 1000*60*60*24;     }       // init lru     LinkedHashMap lruItem = jobLRUMap.get(jobId);     if (lruItem == null) {         /**          * LinkedHashMap          *      a、accessOrder：ture=访问顺序排序（get/put时排序）；false=插入顺序排期；          *      b、removeEldestEntry：新增元素时将会调用，返回true时会删除最老元素；可封装LinkedHashMap并重写该方法，比如定义最大容量，超出是返回true即可实现固定长度的LRU算法；          */         lruItem = new LinkedHashMap<>(16, 0.75f, true);         jobLRUMap.put(jobId, lruItem);     }       // 如果地址列表里面有地址不在map中，此处是可以再次放入，防止添加机器的问题     for (String address: addressList) {         if (!lruItem.containsKey(address)) {             lruItem.put(address, address);         }     }       // 取头部的一个元素，也就是最久操作过的数据     String eldestKey = lruItem.entrySet().iterator().next().getKey();     String eldestValue = lruItem.get(eldestKey);     return eldestValue; }

 

 

故障转移

这个策略比较简单，遍历集群地址列表，如果失败，则继续调用下一台机器，成功则跳出循环，返回成功信息

ExecutorRouteFailover

public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {       StringBuffer beatResultSB = new StringBuffer();     //循环集群地址     for (String address : addressList) {         // beat         ReturnT beatResult = null;         try {             // 向执行器发送 执行beat信息  ， 试探该机器是否可以正常工作             ExecutorBiz executorBiz = XxlJobDynamicScheduler.getExecutorBiz(address);             beatResult = executorBiz.beat();         } catch (Exception e) {             logger.error(e.getMessage(), e);             beatResult = new ReturnT(ReturnT.FAIL_CODE, ""+e );         }         // 拼接日志 ， 收集日志信息，后期一起返回         beatResultSB.append( (beatResultSB.length()>0)?" ":"")                 .append(I18nUtil.getString("jobconf_beat") + "：")                 .append(" address：").append(address)                 .append(" code：").append(beatResult.getCode())                 .append(" msg：").append(beatResult.getMsg());           // 返回状态为成功         if (beatResult.getCode() == ReturnT.SUCCESS_CODE) {             // 执行任务             ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);             beatResultSB.append(" ").append(runResult.getMsg());               // result             runResult.setMsg(beatResultSB.toString());             runResult.setContent(address);             return runResult;         }     }     return new ReturnT(ReturnT.FAIL_CODE, beatResultSB.toString());   }

 

 

忙碌转移

 

这个策略更上面那个故障转移的原理一致，只不过不同的是，故障转移是判断机器是否存活， 二忙碌转移是想执行器发送消息判断该任务

对应的线程是否处于执行状态。

ExecutorRouteFailover

@Override public ReturnT routeRun(TriggerParam triggerParam, ArrayList addressList) {       StringBuffer idleBeatResultSB = new StringBuffer();     // 循环集群地址     for (String address : addressList) {         // beat         ReturnT idleBeatResult = null;         try {             // 向执行服务器发送消息，判断当前jobId对应的线程是否忙碌，接下来可以看一下idleBeat这个方法             ExecutorBiz executorBiz = XxlJobDynamicScheduler.getExecutorBiz(address);             idleBeatResult = executorBiz.idleBeat(triggerParam.getJobId());         } catch (Exception e) {             logger.error(e.getMessage(), e);             idleBeatResult = new ReturnT(ReturnT.FAIL_CODE, ""+e );         }         idleBeatResultSB.append( (idleBeatResultSB.length()>0)?" ":"")                 .append(I18nUtil.getString("jobconf_idleBeat") + "：")                 .append(" address：").append(address)                 .append(" code：").append(idleBeatResult.getCode())                 .append(" msg：").append(idleBeatResult.getMsg());           // 返回成功，代表这台执行服务器对应的线程处于空闲状态         if (idleBeatResult.getCode() == ReturnT.SUCCESS_CODE) {             // 执行人呢无             ReturnT runResult = XxlJobTrigger.runExecutor(triggerParam, address);             idleBeatResultSB.append(" ").append(runResult.getMsg());               // result             runResult.setMsg(idleBeatResultSB.toString());             runResult.setContent(address);             return runResult;         }     }       return new ReturnT(ReturnT.FAIL_CODE, idleBeatResultSB.toString()); }

看一下执行器那边的idleBeat代码实现

ExecutorBizImpl

@Override public ReturnT idleBeat(int jobId) {       // isRunningOrHasQueue     boolean isRunningOrHasQueue = false;     // 从线程池里面获取当前任务对应的线程     JobThread jobThread = XxlJobExecutor.loadJobThread(jobId);     if (jobThread != null && jobThread.isRunningOrHasQueue()) {         // 线程处于运行中         isRunningOrHasQueue = true;     }           if (isRunningOrHasQueue) {         // 线程运行中，则返回fasle         return new ReturnT(ReturnT.FAIL_CODE, "job thread is running or has trigger queue.");     }     // 线程空闲，返回success     return ReturnT.SUCCESS; }

sharedCode源码交流群，欢迎喜欢阅读源码的朋友加群，添加下面的微信， 备注”加群“ 。