详解应对平台高并发的分布式调度框架TBSchedule

一、TBSchedule初识

　　时下互联网和电商领域，各个平台都存在大数据、高并发的特点，对数据处理的要求越来越高，既要保证高效性，又要保证安全性、准确性。TBSchedule的使命就是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。其实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。

　　在深入了解TBSchedule之前我们先从内部和外部形态对它有个初步认识，如图1.1、图1.2。

　　从TBSchedule的内部形态来说，与他有关的关键词包括批量任务、动态扩展、多主机、多线程、并发、分片……，这些词看起来非常的高大上，都是时下互联网技术比较流行的词汇。从TBSchedule的外部架构来看，一目了然，宿主在调度应用中与ZooKeeper进行通信。一个框架结构是否是优秀的，从美感的角度就可以看出来，一个好的架构一定是隐藏了内部复杂的原理，外部视觉上美好的，让用户使用起来简单易懂。

二、TBSchedule原理

　　为什么TBSchedule值得推广呢？

1. 传统的调度框架spring task、quartz也是可以进行集群调度作业的，一个节点挂了可以将任务漂移给其他节点执行从而避免单点故障，但是不支持分布式作业，一旦达到单机处理极限也会存在问题。

2. elastic-job支持分布式，是一个很好的调度框架，但是开源时间较短，还没有经历大范围市场考验。

3. Beanstalkd基于C语言开发，使用范围较小，无法引入到php、java系统平台。

TBSchedule到底有多强大呢？我对TBSchedule的优势特点进行了如下总结：

• · 支持集群、分布式

• · 灵活的任务分片

• · 动态的服务扩容和资源回收

• · 任务监控支持

• · 经历了多年市场考验，阿里强大技术团队支持

　　TBSchedule支持Cluster，可以宿主在多台服务器多个线程组并行进行任务调度，或者说可以将一个大的任务拆成多个小任务分配到不同的服务器。

　　TBSchedule的分布式机制是通过灵活的Sharding方式实现的，比如可以按所有数据的ID按10取模分片（分片规则如图2.1）、按月份分片等等，根据不同的需求，不同的场景由客户端配置分片规则。然后就是TBSchedule的宿主服务器可以进行动态扩容和资源回收，这个特点主要是因为它后端依赖的ZooKeeper，这里的ZooKeeper对于TBSchedule来说是一个NoSQL，用于存储策略、任务、心跳信息数据，它的数据结构类似文件系统的目录结构，它的节点有临时节点、持久节点之分。调度引擎上线后，随着业务量数据量的增多，当前Cluster可能不能满足目前的处理需求，那么就需要增加服务器数量，一个新的服务器上线后会在ZooKeeper中创建一个代表当前服务器的一个唯一性路径（临时节点），并且新上线的服务器会和ZooKeeper保持长连接，当通信断开后，节点会自动摘除。

　　TBSchedule会定时扫描当前服务器的数量，重新进行任务分配。TBSchedule不仅提供了服务端的高性能调度服务，还提供了一个scheduleConsole war随着宿主应用的部署直接部署到服务器，可以通过web的方式对调度的任务、策略进行监控管理，以及实时更新调整。

　　是不是已经对TBSchedule稍微了有些好感呢？我们接着往下看。

　　TBSchedule提供了两个核心组件ScheduleServer、TBScheduleManagerFactory和两类核心接口IScheduleTaskDeal、IScheduleTaskDealSingle、IScheduleTaskDealMuti，这两部分是客户端研发的关键部分，是使用TBSchedule必须要了解的。

　　ScheduleServer即任务处理器，的主要作用是任务和策略的管理、任务采集和执行，由一组工作线程组成，这组工作线程是基于队列实现的，进行任务抓取和任务处理（有两种处理模式，下面会讲）。每个任务处理器和ZooKeeper有一个心跳通信连接，用于检测Server的状态和进行任务动态分配。举个例子，比如3台服务器的worker集群执行出票消息生成任务，对于这个任务类型每台服务器可以配置一个ScheduleSever（即一个线程组），也可以配置两个线程组，那么就相当于6台服务器在并行执行此任务类型。当某台服务器宕机或者其他原因与ZooKeeper通信断开时，它的任务将被其他服务器接管。ScheduleServer参数定义如图2.2

　　在这些参数中taskItems是一个非常重要的属性，是客户单可以自由发挥的地方，是任务分片的基础，比如我们处理一个任务可以根据ID按10取模，那么任务项就是0-9，3台服务器分别拿到4、 3、 3个任务项，服务器的上下线都会对任务项进行重新分配。任务项是进行任务分配的最小单位。一个任务项只能由一个ScheduleServer来进行处理，但一个Server可以处理任意数量的任务项。这就是刚才我们说的分片特性。

　　调度服务器TBScheduleManagerFactory的主要工作ZooKeeper连接参数配置和ZooKeeper的初始化、调度管理。

　　两类核心接口是需要被我们定义的目标任务实现的，根据自己的需要进行任务采集（重写selectTasks方法）和任务执行（重写execute方法），这两类接口也是客户端研发根据需求自由发挥的地方。

　　接下来我们深入了解下TBSchedule，看看它的内部是如何实现的。图2.3流程图是我花了很多心血通过一周时间画出来的，基本是清晰的展现了TBSchedule内部的执行流程以及每个步骤ZooKeeper节点路径和数据的变化。因为图中的注释已经描述的很详细了，每个节点右侧是ZooKeeper的信息（数据结构见图2.4），这里就不再做过多的文字描述了，有任何建议或者不明白的地方可以找我交流。

　　TBSchedule还有个强大之处是它提供了两种处理器模式模式：

1、SLEEP模式
　　当某一个线程任务处理完毕，从任务池中取不到任务的时候，检查其它线程是否处于活动状态。如果是，则自己休眠；如果其它线程都已经因为没有任务进入休眠，当前线程是最后一个活动线程的时候，就调用业务接口，获取需要处理的任务，放入任务池中，同时唤醒其它休眠线程开始工作。
2、 NOTSLEEP模式
　　当一个线程任务处理完毕，从任务池中取不到任务的时候，立即调用业务接口获取需要处理的任务，放入任务池中。

　　SLEEP模式内部逻辑相对较简单，如果遇到大任务需要处理较长时间，可能会造成其他线程被动阻塞的情况。但其实生产环境一般都是小而快的任务，即使出现阻塞的情况ScheduleConsole也会及时的监控到。NOTSLEEP模式减少了线程休眠的时间，避免了因大任务造成阻塞的情况，但为了避免数据被重复处理，增加了CPU在数据比较上的开销。TBSchedule默认是SLEEP模式。

　　到目前为止我相信大家对TBSchedule有了一个深刻的了解，心中的疑雾逐渐散开了。理论是实践的基础，实践才是最终的目的，下一节我们将结合理论知识进行TBSchedule实战。

三、TBSchedule实战　

　　在项目中使用TBSchedule需要依赖ZooKeeper、TBSchedule。

ZooKeeper依赖：   

        org.apache.ZooKeeper

        ZooKeeper

        3.4.6

TBSchedule依赖：   

        com.taobao.pamirs.schedule

        TBSchedule

        3.3.3.2

TBSchedule有三种引入方式：

1、通过ScheduleConsole引入

　随着宿主调度应用部署到服务器后，可以通过Web浏览器的方式访问其提供监控平台。

第一步，初始化ZooKeeper

第二步，创建调度策略

第三步，创建调度任务

第四步，监控调度任务

2、通过原生Java引入

        // 初始化Spring

        ApplicationContext ctx = new FileSystemXmlApplicationContext(

                "spring-config.xml");

        // 初始化调度工厂

        TBScheduleManagerFactory scheduleManagerFactory = new TBScheduleManagerFactory();

        Properties p = new Properties();

        p.put("zkConnectString", "127.0.0.1:2181");

        p.put("rootPath", "/taobao-schedule/train_worker");

        p.put("zkSessionTimeout", "60000"); 

        p.put("userName", "train_dev");

        p.put("password", " train_dev ");

        p.put("isCheckParentPath", "true");

        scheduleManagerFactory.setApplicationContext(ctx);

        scheduleManagerFactory.init(p); 

                // 创建任务调度任务的基本信息

String baseTaskTypeName = "DemoTask";

                ScheduleTaskType baseTaskType = new ScheduleTaskType();

                baseTaskType.setBaseTaskType(baseTaskTypeName);

                baseTaskType.setDealBeanName("demoTaskBean");

                baseTaskType.setHeartBeatRate(10000);

                baseTaskType.setJudgeDeadInterval(100000);

                baseTaskType.setTaskParameter("AREA=BJ,YEAR>30");

                baseTaskType.setTaskItems(ScheduleTaskType.splitTaskItem(

                "0:{TYPE=A,KIND=1},1:{TYPE=A,KIND=2},2:{TYPE=A,KIND=3},3:{TYPE=A,KIND=4}," +

                "4:{TYPE=A,KIND=5},5:{TYPE=A,KIND=6},6:{TYPE=A,KIND=7},7:{TYPE=A,KIND=8}," +

                "8:{TYPE=A,KIND=9},9:{TYPE=A,KIND=10}"));

        baseTaskType.setFetchDataNumber(500);

        baseTaskType.setThreadNumber(5);

        this.scheduleManagerFactory.getScheduleDataManager()

                .createBaseTaskType(baseTaskType);

        log.info("创建调度任务成功:" + baseTaskType.toString());

        // 创建任务的调度策略

        String taskName = baseTaskTypeName;

        String strategyName =taskName +"-Strategy";

        try {

            this.scheduleManagerFactory.getScheduleStrategyManager()

                    .deleteMachineStrategy(strategyName,true);

        } catch (Exception e) {

            e.printStackTrace();

        }

        ScheduleStrategy strategy = new ScheduleStrategy();

        strategy.setStrategyName(strategyName);

        strategy.setKind(ScheduleStrategy.Kind.Schedule);

        strategy.setTaskName(taskName);

        strategy.setTaskParameter("china");

        strategy.setNumOfSingleServer(1);

        strategy.setAssignNum(10);

        strategy.setIPList("127.0.0.1".split(","));

        this.scheduleManagerFactory.getScheduleStrategyManager()

                .createScheduleStrategy(strategy);

        log.info("创建调度策略成功:" + strategy.toString());

3、通过Spring容器引入

            class="xx.xx.TBScheduleManagerFactory" 

        0:{TYPE=A,KIND=1}

        1:{TYPE=A,KIND=2}

        2:{TYPE=A,KIND=3}

        3:{TYPE=A,KIND=4}

        4:{TYPE=A,KIND=5}

        5:{TYPE=A,KIND=6}

        6:{TYPE=A,KIND=7}

        7:{TYPE=A,KIND=8}

        8:{TYPE=A,KIND=9}

        9:{TYPE=A,KIND=10｝        

            127.0.0.1             

            调度任务具体实现 DemoTask.java

 /**

 * DemoTask任务类

 */

public class DemoTask  mplements

        IScheduleTaskDealSingle,TScheduleTaskDeal {

 /**

  * 数据采集

  * @param taskItemNum--分配的任务项 taskItemList--总任务项 

  *        eachFetchDataNum--采集任务数量

  */

    @Override

    public List selectTasks(String taskParameter,

            String ownSign, int taskItemNum, List taskItemList,

            int eachFetchDataNum) throws Exception {

        List taskList = new LinkedList();

       //客户端根据条件进行数据采集start

        //客户端根据条件进行数据采集end

        return rt;

    }

/**

  * 数据处理

  */

    @Override

    public boolean execute(DemoTask task, String ownSign)

            throws Exception {

        //客户端pop任务进行处理start

        //客户端pop任务进行处理end

        return true;

    }

}

　　其实我们看对于TBSchedule客户端的使用非常简单，初始化ZooKeeper、配置调度策略、配置调度任务，对调度任务进行具体实现，就这几个步骤。现在可以庆祝下了，你又掌握了一个优秀开源框架的设计思想和使用方式。

四、TBSchedule挑战

　　任何事物都是没有最好只有更好，TBSchedule也一样，虽然它现在已经很完美了，我们不能放弃对更完美的追求。阿里团队可以在下面几个方面进行优化。

· 目前ScheduleConsole监控页面过于简单，需完善UI设计，提高用户体验。