TBSchedule是什么
TBSchedule是一个支持分布式的调度框架，让批量任务或者不断变化的任务能够被动态的分配到多个主机的JVM中,在不同的线程组中并行执行,所有的任务能够被不重复,不遗漏的快速处理。基于ZooKeeper的纯Java实现，由Alibaba开源。
TBSchedule能干什么
TBSchedule可以将调度作业从业务系统中分离出来,降低或者是消除和业务系统的耦合度,进行高效异步任务处理。在互联网和电商领域TBSchedule的使用非常广泛,目前被应用于阿里巴巴、淘宝、支付宝、京东、聚美、汽车之家、国美等很多互联网企业的流程调度系统。
TBSchedule如何使用
1、下载TBSchdule源码
下载地址：TBSchedule源码
官网目前打不开了，可从本人的百度网盘下载。链接:TBSchedule源码 密码:vuzg
2、部署zookeeper
下载zookeeper并安装部署。ZK下载地址
3、部署管理控制台
把下载的源码的console文件夹中ScheduleConsole.war文件部署到tomcat容器中，并启动tomcat服务。
访问http://localhost:8080/ScheduleConsole/schedule/config.jsp地址进行链接ZK的基础信息配置，如下图：
4、编写客户端代码
引入jar包
配置zk连接信息
init-method="init">
实现IScheduleTaskDealSingle接口及selectTasks()方法和execute()方法。
package com.zhl.tbSchedule;
import com.alibaba.fastjson.JSONObject;
import com.taobao.pamirs.schedule.IScheduleTaskDealSingle;
import com.taobao.pamirs.schedule.TaskItemDefine;
import com.zhl.tbSchedule.business.dao.TBOrderMapper;
import com.zhl.tbSchedule.business.dao.TBOrderMapperCopy;
import com.zhl.tbSchedule.business.domain.TBOrder;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang.StringUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import java.util.ArrayList;
import java.util.Comparator;
import java.util.Date;
import java.util.List;
@Slf4j
@Component("iScheduleTaskDealSingleTest")
public class IScheduleTaskDealSingleTestimplements IScheduleTaskDealSingle {
@Autowired
public TBOrderMappertbOrderMapper;
@Autowired
public TBOrderMapperCopytbOrderMapperCopy;
@Override
public ComparatorgetComparator() {
return null;
}
@Override
public ListselectTasks(String taskParameter, String ownSign, int taskQueueNum,
List taskItemList, int eachFetchDataNum)throws Exception {
System.out.println(Thread.currentThread().getName() +" _IScheduleTaskDealSingleTest start to selectTasks..........");
if (taskItemList ==null || taskItemList.size() <0) {
return null;
}
System.out.println("IScheduleTaskDealSingleTest config params，taskParameter:{" + taskParameter +"}，ownSina:{"
+ ownSign +"}，taskQueueNum:{" + taskQueueNum +"},taskItemList:{" + JSONObject.toJSONString(taskItemList)
+"}, eachFetchDataNum:{" + eachFetchDataNum +"}");
List models =new ArrayList();
String billingNumber ="";
for (TaskItemDefine taskItemDefine : taskItemList) {
billingNumber += taskItemDefine.getTaskItemId() +"";
}
if (StringUtils.isNotBlank(billingNumber)) {
//billingNumber = billingNumber.substring(0,billingNumber.length() - 1);
models =tbOrderMapper.selectByBillNumber(billingNumber, eachFetchDataNum);
}
System.out.println("IScheduleTaskDealSingleTest selectTasks result..........models.size:" + models.size());
return models;
}
@Override
public boolean execute(TBOrder model, String ownSign)throws Exception {
System.out.println(Thread.currentThread().getName() +" _IScheduleTaskDealSingleTest执行开始啦.........." +new Date());
// System.out.println(model);
tbOrderMapperCopy.insertTBOrder(model);
tbOrderMapper.updateStatus(model.getBillNumber());
return true;
}
}
selectTasks方法参数说明：
taskParameter：对应控制台自定义参数，可自定义传入做逻辑上的操作
taskQueueNum：对应控制台任务项数量
taskItemList：集合中TaskItemDefine的id值对应任务项值，多线程处理时，根据任务项协调数据一致性和完整性
eachFetchDataNum：对应控制台每次获取数量，由于子计时单元开始后，会不断的去取数据进行处理，直到取不到数据子计时才停止，等待下一个子计时开始。可以限制每次取数，防止一次性数据记录过大，内存不足。
ownSign：环境参数，可用于区分生产、测试、开发环境
5、配置任务管理和调度策略
配置参数说明：
任务名称：策略调度的标示，一旦创建保存，不可更改
任务处理的SpringBean：注册到spring的任务bean，如iScheduleTaskDealSingleTest
心跳频率/假定服务死亡时间/处理模式/没有数据时休眠时长/执行结束时间：一般保持默认即可
线程数：处理该任务的线程数（一个线程组的线程数量），在没有划分多任务项的情况下，多线程是没有意义的，且线程数量大于任务项也是没有意义的（线程数小于等于任务项），注意如果开启多线程，必须对数据做任务项过滤
单线程组最大任务项：配置单JVM处理的最大任务项数量，多任务项情况下，可按需限制，一般默认，多执行机会均衡分配
每次获取数量：子计时单元开始，线程会不断的去获取数据（selectTasks方法每次获取的限制）并处理数据，直到获取不到数据子计时才结束（方法内不用就可以随意配置）
每次执行数量：每次execute方法执行的数据量，只在bean实现IScheduleTaskDealMulti才生效
每次处理完休眠时间：子计时单元开始，只要有数据，就会不停的获取不停的处理，这个时间设置后，子计时单元开始每次获取执行后，不管还有没有数据，都先歇会儿再获取处理
自定义参数：可自定义控制任务逻辑操作
任务项：这项很重要，在多线程情况下，划分任务项是有意义的，但是要注意必须通过任务项参数，协调待处理数据
配置参数说明：
策略名称：策略标示，可任意填写
任务类型：一般保持默认Schedule
任务名称：对应任务栏被调度任务名称
任务参数：一般不用，保持默认
单JVM最大线程组数量：单个JVM允许开启的线程组数
最大线程组数量：多处理机情况下的线程总数限制（总线程为2，任务项线程为4是没有意义的）
IP地址：127.0.0.1或者localhost会在所有机器上运行，注意多处理机若没有根据任务子项划分数据处理，会导致多处理机重复处理数据，谨慎配置
配置完成后启动客户端即可进行任务调度。
6、分布式高可用高效率保障
1）调度机的高可用有保障
多调度机向注册中心注册后，共享调度任务，且同一调度任务仅由一台调度机执行调度，当前调度机异常宕机后，其余的调度机会接上
2）执行机的高可用有保障
多执行机向注册中心注册后，配置执行机单线程（多机总线程为1）执行任务，调度机会随机启动一台执行机执行，当前执行异常机宕机后，调度机会会新调度一台执行机。
3）执行机的并行高效保障
配置执行机多线程且划分多任务子项后，各任务子项均衡分配到所有执行机，各执行机均执行，多线程数据一致性协调由任务项参数区分。
4）弹性扩展失效转移保障
运行中的执行机宕机，或新增执行机，调度机将在下次任务执行前重新分配任务项，不影响正常执行机任务（崩溃的执行机当前任务处理失效）；运行中的调度机宕机或动态新增调度机，不影响执行机当前任务，调度机宕机后动态切换。