docker+spring boot集成xxl-job

下载xxl-job源码：点此下载

初始化xxl数据库
sql脚本位置：/xxl-job/doc/db/tables_xxl_job.sql

xxl注册中心(xxl-job-admin)
修改xxl-job-admin的配置文件application.properties的数据库信息：

spring.datasource.url=jdbc:mysql://127.0.0.1:3306/xxl_job?Unicode=true&characterEncoding=UTF-8&useSSL=false
spring.datasource.username=root
spring.datasource.password=mysql
spring.datasource.driver-class-name=com.mysql.jdbc.Driver

注意：如果mysql做主从配置,调度中心集群节点务必强制走主库

打包构建xxl-job-admin镜像：

1. 在服务器上新建一个文件夹，文件夹内放置xxl-job-admin的jar包和Dockerfile文件

2. Dockerfile文件内容

   # jdk镜像根据自身情况配置
   FROM openjdk:8-jre-alpine 
   MAINTAINER admin@test.com
   
   ENV PARAMS=""
   
   ENV TZ=PRC
   RUN ln -snf /usr/share/zoneinfo/$TZ /etc/localtime && echo $TZ > /etc/timezone
   
   # xxl-job-admin-*.jar为jar名称，根据自身情况配置
   ADD xxl-job-admin-*.jar /app.jar
   
   ENTRYPOINT ["sh","-c","java -jar /app.jar $PARAMS"]
   

3. 切换到该文件夹下，打包镜像：docker build -t 镜像名:版本 .

执行器(微服务模块)

1. 引用依赖

   <dependency>
       <groupId>com.xuxueli</groupId>
       <artifactId>xxl-job-core</artifactId>
       <version>版本号</version>
   </dependency>
   

2. 新建XxlJobConfig类

   @Configuration
   public class XxlJobConfig {
       @Value("${xxl.job.admin.addresses}")
       private String adminAddresses;
   
       @Value("${xxl.job.executor.appname}")
       private String appName;
   
       @Value("${xxl.job.executor.ip}")
       private String ip;
   
       @Value("${xxl.job.executor.port}")
       private int port;
   
       @Value("${xxl.job.accessToken}")
       private String accessToken;
   
       @Value("${xxl.job.executor.logpath}")
       private String logPath;
   
       @Value("${xxl.job.executor.logretentiondays}")
       private int logRetentionDays;
   
       @Bean(initMethod = "start", destroyMethod = "destroy")
       public XxlJobSpringExecutor xxlJobExecutor() {
           log.info(">>>>>>>>>>> xxl-job config init.");
           XxlJobSpringExecutor xxlJobExecutor = new XxlJobSpringExecutor();
           xxlJobExecutor.setAdminAddresses(adminAddresses);
           xxlJobExecutor.setAppName(appName);
           xxlJobExecutor.setIp(ip);
           xxlJobExecutor.setPort(port);
           xxlJobExecutor.setAccessToken(accessToken);
           xxlJobExecutor.setLogPath(logPath);
           xxlJobExecutor.setLogRetentionDays(-1);
           return xxlJobExecutor;
       }
   }
   

3. 修改yml配置文件

   xxl:
     job:
       admin:
         addresses: http://127.0.0.1:8090/xxl-job-admin
       executor:
      	  ### 当前微服务的spring.cloud.config.name
         appname: test
         ip: 127.0.0.1
         ### 从docker-compose配置的环境变量中获取端口号(如果没有获取到就使用默认的)
         port: ${XXL_JOB_EXECUTOR_PORT:0}
         logpath: /data/applogs/xxl-job/jobhandler
         logretentiondays: -1
       accessToken:
   

4. 新建JobHandler

@JobHandler(value = "demoJobHandler") //value只需要和下面新增任务中的JobHandler值一致
@Component
@Slf4j
public class HomePageJob extends IJobHandler {
    @Override
    public ReturnT<String> execute(String param) throws IOException, ParseException {
        //定时器业务逻辑
        return ReturnT.SUCCESS;
    }
}

注意
微服务集群部署或者有多个微服务时，建议执行器的ip和端口手动指定，以下方式为docker-compose通过添加系统变量的方式传入端口号

services:
  test-1:
    image: "test:V1"
    ports:
      - 9999:9999
    mem_limit: 2500m
    volumes:
      - /logs:/logs
    environment:
      - XXL_JOB_EXECUTOR_PORT=9999
  test-2:
    image: "test:V1"
    ports:
      - 10000:10000
    mem_limit: 2500m
    volumes:
      - /logs:/logs
    environment:
      - XXL_JOB_EXECUTOR_PORT=10000

使用xxl-job
地址：http://127.0.0.1:8090/xxl-job-admin/

1. 添加执行器
   
   注意：AppName需要和上面配置的appname一致

2. 新增任务
   

路由策略

1. 第一个：当选择该策略时，会选择执行器注册地址的第一台机器执行，如果第一台机器出现故障，则调度任务失败。

2. 第二个：当选择该策略时，会选择执行器注册地址的第二台机器执行，如果第二台机器出现故障，则调度任务失败。

3. 轮询：当选择该策略时，会按照执行器注册地址轮询分配任务，如果其中一台机器出现故障，调度任务失败，任务不会转移。

4. 随机:当选择该策略时，会按照执行器注册地址随机分配任务，如果其中一台机器出现故障，调度任务失败，任务不会转移。

5. 一致性HASH:当选择该策略时，每个任务按照Hash算法固定选择某一台机器。如果那台机器出现故障，调度任务失败，任务不会转移。

6. 最不经常使用：当选择该策略时，会优先选择使用频率最低的那台机器，如果其中一台机器出现故障，调度任务失败，任务不会转移。（实践表明效果和轮询策略一致）

7. 最近最久未使用：当选择该策略时，会优先选择最久未使用的机器，如果其中一台机器出现故障，调度任务失败，任务不会转移。（实践表明效果和轮询策略一致）

8. 故障转移：当选择该策略时，按照顺序依次进行心跳检测，如果其中一台机器出现故障，则会转移到下一个执行器，若心跳检测成功，会选定为目标执行器并发起调度（执行器集群时设置）。

9. 忙碌转移：当选择该策略时，按照顺序依次进行空闲检测，如果其中一台机器出现故障，则会转移到下一个执行器，若空闲检测成功，会选定为目标执行器并发起调度。

10. 分片广播：当选择该策略时，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。如果其中一台机器出现故障，则该执行器执行失败，不会影响其他执行器。

阻塞策略
调度过于密集执行器来不及处理时的处理策略；

1. 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队列并以串行方式运行；
2. 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；
3. 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；