test2

分布式定时任务

把分散的，可靠性差的计划任务纳入统一的平台，并实现集群管理调度和分布式部署的一种定时任务的管理方式。

常见开源方案

elastic-job , xxl-job ，quartz , saturn, opencron , antares

elastic-job

当当网基于quartz 二次开发之后的分布式调度解决方案 ， 由两个相对独立的子项目Elastic-Job-Lite和Elastic-Job-Cloud组成 ，是分布式任务调度框架的推荐选择。

Elastic-Job-Lite定位为轻量级无中心化解决方案，使用jar包的形式提供分布式任务的协调服务。

Elastic-Job-Cloud使用Mesos + Docker(TBD)的解决方案，额外提供资源治理、应用分发以及进程隔离等服务

优势

• 基于quartz 定时任务框架为基础的，因此具备quartz的大部分功能
• 使用zookeeper做协调，调度中心，更加轻量级
• 支持任务的分片
• 支持弹性扩容 ， 可以水平扩展 ， 当任务再次运行时，会检查当前的服务器数量，重新分片，分片结束之后才会继续执行任务
• 失效转移，容错处理，当一台调度服务器宕机或者跟zookeeper断开连接之后，会立即停止作业，然后再去寻找其他空闲的调度服务器，来运行剩余的任务
• 提供运维界面，可以管理作业和注册中心。
• elastic-job结合了quartz非常优秀的时间调度功能，并且利用ZooKeeper实现了灵活的分片策略。除此之外，还加入了大量实用的监控和管理功能
• 开源社区活跃、文档齐全、代码优雅。

xxl-job

由个人开源的一个轻量级分布式任务调度框架 ，一个轻量级分布式任务调度框架，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。

主要分为调度中心和执行器两部分 ，调度中心在启动初始化的时候，会默认生成执行器的RPC代理。执行器项目启动之后， 调度中心在触发定时器之后通过jobHandle 来调用执行器项目里面的代码，核心功能和elastic-job差不多，同时技术文档比较完善。

quartz

通过在数据库中配置定时器信息， 以数据库悲观锁的方式达到同一个任务始终只有一个节点在运行，

优势

• 保证节点高可用 （HA）， 如果某一个几点挂了， 其他节点可以顶上

劣势

• 同一个任务只能有一个节点运行，其他节点将不执行任务，性能低，资源浪费。
• 当碰到大量短任务时，各个节点频繁的竞争数据库锁，节点越多这种情况越严重，性能会很低下。
• quartz 的分布式仅解决了集群高可用的问题，并没有解决任务分片的问题，不能实现水平扩展。

比较

总结

elastic-job设计的初衷就是面对高并发复杂业务的，其核心功能在于分片和弹性扩容。在服务器数量多，业务量大的时候也能非常好的调度，压榨服务器的性能，使用zookeeper使他具有高可用和一致性的同时有很好的可扩展性。

elastic-job本身没有中心的概念，通过zookeeper的选举机制选举出主服务器，任何一台服务器都可以作为主服务器，即使主服务器挂了也可以重新选举。因此elastic-job的优势在于它具有更好的可扩展性和可用性，但是这也使得他的使用和配置上比起xxl-job更复杂一些。

xxl-job通过一个中心式集群"调度中心”来调度多个执行器执行任务的，调度中心集群可以通过增加机器来实现高可用（HA）实际会造成一定程度上的资源浪费，调度中心通过DB锁保证集群分布式调度的一致性，这样扩展执行器会增大DB的压力，但是如果实际上这里数据库只是负责任务的调度执行。

在没有那么多数量的执行器和任务的情况下是完全没问题的。执行器可以支持分布式部署，这实际上就足以满足大多数场景了。关键是原理简单实现也非常简洁，用起来也很轻便，与springboot也非常好集成。而且他的监控界面直接集成到调度中心里面，可以在监控界面直接新增任务。

在业务量没那么大的时候xxl-job是一个更好的选择。

 

   log.info("开始执行补偿逻辑...");
        //查询所有未同步，且创建时间大于一天的专题需求编号
        List<String> epicRequirementNos = epicEntityService.list(Wrappers.<EpicEntity>lambdaQuery().eq(EpicEntity::getStatus, "未同步")).stream()
                .filter(s -> LocalDateTimeUtil.between(s.getCreatedTime(), LocalDateTimeUtil.now()).toDays() > 1).map(EpicEntity::getRequirementNo).distinct()
                .collect(toList());
        //查询所有未同步或者同步失败，且创建时间大于一天的特性需求编号
        List<String> featureRequirementNos = featureEntityService.list(Wrappers.<FeatureEntity>lambdaQuery().eq(FeatureEntity::getStatus, "未同步")).stream()
                .filter(s -> LocalDateTimeUtil.between(s.getCreatedTime(), LocalDateTimeUtil.now()).toDays() > 1).map(FeatureEntity::getRequirementNo)
                .distinct().collect(toList());
        epicRequirementNos.addAll(featureRequirementNos);
        //去重
        List<String> requirementNos = epicRequirementNos.stream().distinct().collect(toList());
        log.info("共查询到{}条大于一天未同步的需求编号,编号详情:{}", requirementNos.size(), requirementNos);
        for (String requirementNo : requirementNos) {
            //获取流程id
            RequirementEntity requirementEntity = requirementEntityService
                    .getOne(Wrappers.<RequirementEntity>lambdaQuery().eq(RequirementEntity::getRequirementNo, requirementNo).last(ConstantConfig.LAST_SQL));
            if (ObjectUtil.isNull(requirementEntity)) {
                log.info("需求信息为空，需求编号{}", requirement