elastic-job在2.x之后,，出了兩個產(chǎn)品線：Elastic-Job-Lite和Elastic-Job-Cloud。我們一般使用Elastic-Job-Lite就能夠滿足需求,，本文也是以Elastic-Job-Lite為主,。1.x系列對應的就只有Elastic-Job-Lite，并且在2.x里修改了一些核心類名,，差別雖大,，原理類似，建議使用2.x系列,。寫此博文,，最新release版本為2.0.5。

舉個典型的job場景,，比如余額寶里的昨日收益,，系統(tǒng)需要job在每天某個時間點開始，給所有余額寶用戶計算收益,。如果用戶數(shù)量不多,，我們可以輕易使用quartz來完成，我們讓計息job在某個時間點開始執(zhí)行,，循環(huán)遍歷所有用戶計算利息,，這沒問題?？墒?，如果用戶體量特別大，我們可能會面臨著在第二天之前處理不完這么多用戶,。另外,，我們部署job的時候也得注意，我們可能會把job直接放在我們的webapp里,，webapp通常是多節(jié)點部署的,，這樣，我們的job也就是多節(jié)點,，多個job同時執(zhí)行,，很容易造成重復執(zhí)行，比如用戶重復計息，為了避免這種情況,，我們可能會對job的執(zhí)行加鎖,，保證始終只有一個節(jié)點能執(zhí)行，或者干脆讓job從webapp里剝離出來,，獨自部署一個節(jié)點,。
elastic-job就可以幫助我們解決上面的問題,，elastic底層的任務調(diào)度還是使用的quartz,，通過zookeeper來動態(tài)給job節(jié)點分片。
我們來看：
很大體量的用戶需要在特定的時間段內(nèi)計息完成
我們肯定是希望我們的任務可以通過集群達到水平擴展,，集群里的每個節(jié)點都處理部分用戶,，不管用戶數(shù)量有多龐大，我們只要增加機器就可以了,，比如單臺機器特定時間能處理n個用戶,，2臺機器處理2n個用戶，3臺3n,，4臺4n...,，再多的用戶也不怕了。
使用elastic-job開發(fā)的作業(yè)都是zookeeper的客戶端,，比如我希望3臺機器跑job,，我們將任務分成3片，框架通過zk的協(xié)調(diào),，最終會讓3臺機器分別分配到0,1,2的任務片,，比如server0-->0，server1-->1,，server2-->2,，當server0執(zhí)行時，可以只查詢id%3==0的用戶,，server1執(zhí)行時,，只查詢id%3==1的用戶，server2執(zhí)行時,，只查詢id%3==2的用戶,。
任務部署多節(jié)點引發(fā)重復執(zhí)行
在上面的基礎(chǔ)上，我們再增加server3,，此時,，server3分不到任務分片，因為只有3片,，已經(jīng)分完了,。沒有分到任務分片的作業(yè)程序?qū)⒉粓?zhí)行。
如果此時server2掛了，那么server2的分片項會分配給server3,，server3有了分片,，就會替代server2執(zhí)行。
如果此時server3也掛了,，只剩下server0和server1了,，框架也會自動把server3的分片隨機分配給server0或者server1，可能會這樣,，server0-->0,，server1-->1,2。
這種特性稱之為彈性擴容,，即elastic-job名稱的由來,。

我們搭建環(huán)境通過示例代碼來演示上面的例子，elastic-job是不支持單機多實例的,，通過zk的協(xié)調(diào)分片是以ip為單元的,。很多同學上來可能就是通過單機多實例來學習，結(jié)果導致分片和預期不一致,。這里沒辦法,，只能通過多機器或者虛擬機，我們這里使用虛擬機,，另外,，由于資源有限，我們這里僅僅只模擬兩臺機器,。

節(jié)點說明：
本地宿主機器
zookeeper,、job
192.168.241.1

虛擬機
job
192.168.241.128

環(huán)境說明：
Java
請使用JDK1.7及其以上版本。
Zookeeper
請使用Zookeeper3.4.6及其以上版本
Elastic-Job-Lite
2.0.5（2.x系列即可,，最好是2.0.4及其以上,，因為2.0.4版本有本人提交的少許代碼，(*^__^*) 嘻嘻……）

需求說明：
通過兩臺機器演示動態(tài)分片

step1. 引入框架的jar包

<!-- 引入elastic-job-lite核心模塊 -->
<dependency>
    <groupId>com.dangdang</groupId>
    <artifactId>elastic-job-lite-core</artifactId>
    <version>2.0.5</version>
</dependency>
<!-- 使用springframework自定義命名空間時引入 -->
<dependency>
    <groupId>com.dangdang</groupId>
    <artifactId>elastic-job-lite-spring</artifactId>
    <version>2.0.5</version>
</dependency>

step2. 編寫job

package com.fanfan.sample001;
import com.dangdang.ddframe.job.api.ShardingContext;
import com.dangdang.ddframe.job.api.simple.SimpleJob;
import java.util.Date;
/**
 * Created by fanfan on 2016/12/20.
 */
public class MySimpleJob implements SimpleJob {
    @Override
    public void execute(ShardingContext shardingContext) {
        System.out.println(String.format("------Thread ID: %s, 任務總片數(shù): %s, 當前分片項: %s",
                Thread.currentThread().getId(), shardingContext.getShardingTotalCount(), shardingContext.getShardingItem()));
        /**
         * 實際開發(fā)中,，有了任務總片數(shù)和當前分片項,，就可以對任務進行分片執(zhí)行了
         * 比如 SELECT * FROM user WHERE status = 0 AND MOD(id, shardingTotalCount) = shardingItem
         */
    }
}

Step3. Spring配置

<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www./schema/beans"
       xmlns:xsi="http://www./2001/XMLSchema-instance"
       xmlns:reg="http://www.dangdang.com/schema/ddframe/reg"
       xmlns:job="http://www.dangdang.com/schema/ddframe/job"
       xsi:schemaLocation="http://www./schema/beans
                        http://www./schema/beans/spring-beans.xsd
                        http://www.dangdang.com/schema/ddframe/reg
                        http://www.dangdang.com/schema/ddframe/reg/reg.xsd
                        http://www.dangdang.com/schema/ddframe/job
                        http://www.dangdang.com/schema/ddframe/job/job.xsd">
    <!--配置作業(yè)注冊中心 -->
    <reg:zookeeper id="regCenter" server-lists="192.168.241.1:2181" namespace="dd-job"
                   base-sleep-time-milliseconds="1000" max-sleep-time-milliseconds="3000" max-retries="3" />
    <!-- 配置作業(yè)-->
    <job:simple id="mySimpleJob" class="com.fanfan.sample001.MySimpleJob" registry-center-ref="regCenter"
                sharding-total-count="2" cron="0/2 * * * * ?" overwrite="true" />
</beans>

Case1. 單節(jié)點

Case2. 增加一個節(jié)點

Case3. 斷開一個節(jié)點

elastic-job提供了三種類型的作業(yè)：Simple類型作業(yè)、Dataflow類型作業(yè),、Script類型作業(yè),。這里主要講解前兩者。Script類型作業(yè)意為腳本類型作業(yè),，支持shell,，python，perl等所有類型腳本,，使用不多,，可以參見github文檔,。

SimpleJob需要實現(xiàn)SimpleJob接口，意為簡單實現(xiàn),，未經(jīng)過任何封裝,，與quartz原生接口相似，比如示例代碼中所使用的job,。

Dataflow類型用于處理數(shù)據(jù)流,，需實現(xiàn)DataflowJob接口。該接口提供2個方法可供覆蓋,，分別用于抓取(fetchData)和處理(processData)數(shù)據(jù),。
可通過DataflowJobConfiguration配置是否流式處理。
流式處理數(shù)據(jù)只有fetchData方法的返回值為null或集合長度為空時,，作業(yè)才停止抓取,，否則作業(yè)將一直運行下去,； 非流式處理數(shù)據(jù)則只會在每次作業(yè)執(zhí)行過程中執(zhí)行一次fetchData方法和processData方法,，隨即完成本次作業(yè)。
實際開發(fā)中,，Dataflow類型的job還是很有好用的,。

比如拿余額寶計息來說：

package com.fanfan.sample001;
import com.dangdang.ddframe.job.api.ShardingContext;
import com.dangdang.ddframe.job.api.dataflow.DataflowJob;
import java.util.ArrayList;
import java.util.List;
/**
 * Created by fanfan on 2016/12/23.
 */
public class MyDataFlowJob implements DataflowJob<User> {
    /*
        status
        0：待處理
        1：已處理
     */
    @Override
    public List<User> fetchData(ShardingContext shardingContext) {
        List<User> users = null;
        /**
         * users = SELECT * FROM user WHERE status = 0 AND MOD(id, shardingTotalCount) = shardingItem Limit 0, 30
         */
        return users;
    }
    @Override
    public void processData(ShardingContext shardingContext, List<User> data) {
        for (User user: data) {
            System.out.println(String.format("用戶 %s 開始計息", user.getUserId()));
            user.setStatus(1);
            /**
             * update user
             */
        }
    }
}

<job:dataflow id="myDataFlowJob" class="com.fanfan.sample001.MyDataFlowJob" registry-center-ref="regCenter"
              sharding-total-count="2" cron="0 0 02 * * ?" streaming-process="true" overwrite="true" />

其它功能

上述介紹的是最精簡常用的功能。elastic-job的功能集還不止這些,，比如像作業(yè)事件追蹤,、任務監(jiān)聽等，另外,，elastic-job-lite-console作為一個獨立的運維平臺還提供了用來查詢和操作任務的web頁面,。
這些增強的功能讀者可以在github/elastic-job上自行學習，相信有了本篇博文的基礎(chǔ),，再閱讀那些文檔就特別簡單了,。