工具篇--分布式定时任务 Xxl-job 与 ElasticJob的对比-编程知识

工具篇--分布式定时任务 Xxl-job 与 ElasticJob的对比

文章目录

前言
一、架构：
二、作业：
三、日志记录：
总结

前言

本文对分布式调度任务 Xxl-job 与 ElasticJob的对比进行介绍。

一、架构：

Xxl-job ： cs 架构，分为客户端和服务端，是有中心的架构，客户端为执行job 任务的执行器实例；服务端可以进行单独的集群部署，服务端控制任务的触发，以及任务的分配，故障转移，日志记录等；服务端承接了大部分的工作；

在这里插入图片描述

ElasticJob： cs 架构，分为客户端和服务端，是无中心的架构；客户端为执行job 任务的执行器实例；服务端为集群的zookeeper ，其中zookeeper 保存注册任务的实例，任务的配置项，以及负责leader 的选举；任务具体有哪个实例去执行，是由leader （也是一个job 执行的实例）进行的分配；任务的触发，以及任务的分配，故障转移，日志记录等都是由 elasticjob-lite-core 进行管理，客户端承接了大部分的工作；
在这里插入图片描述

二、作业：

Xxl-job ：作业分为广播作业和某个实例单独作业；其中广播作业在任务达到时间被触发时，会被发送到所有有效的实例；某个实例单独作业只会被发送到某个实例中；

xxl-job 任务路由策略：
在这里插入图片描述

ElasticJob：作业分为简单作业和流式的作业，其中简单作业同xxl-job 相同，当任务达到时间被触发时，leader 会选择某个节点进行作业；与简单作业不同流式作业提供了两个方法当每一次任务触发，只要fetchData 能返回数据，则当前这次任务就会一直调用 processData 进行作业，直到 fetchData 返回为null 或者集合为空；

ElasticJob 注册到zookeeper 的任务实例：
在这里插入图片描述

ElasticJob 中有分片的概念，来弥补某个实例单独作业其它实例空闲，可以将任务定义分片数量，分片数量可以大于job 实例数，从而提高并发性能；当某个分片接收到任务是，可以根据当前分片得到对应的参数，从而执行不同的业务逻辑处理；

import lombok.extern.slf4j.Slf4j;
import org.apache.shardingsphere.elasticjob.api.ShardingContext;
import org.apache.shardingsphere.elasticjob.simple.job.SimpleJob;
import org.springframework.stereotype.Component;@Slf4j
@Component
public class MyJob implements SimpleJob {@Overridepublic void execute(ShardingContext shardingContext) {// 分片参数 0=text,1=image,2=radio,3=vedioString  shardingParameter= shardingContext.getShardingParameter();String  jobParameter= shardingContext.getJobParameter();log.debug("job 执行 error,job名称：{},分片数量:{},分片：{},分片参数:{},jobParamer:{}", shardingContext.getJobName(), shardingContext.getShardingTotalCount(),shardingContext.getShardingItem(), shardingParameter,jobParameter);if ("text".equals(jobParameter)) {// do something by sharding}switch (shardingContext.getShardingItem()) {case 0:// do something by sharding item 0break;case 1:// do something by sharding item 1break;case 2:// do something by sharding item 2break;// case n: ...}}
}