Elastic Job 从单点到高可用、同城主备、同城双活

爱被打了一巴掌 2023-01-23 08:57 48阅读 0赞

点击上方蓝色“石杉的架构笔记”，选择“设为星标”
    
    回复“PDF”获取独家整理的学习资料！

![5abcc5e17962ff1aeffc5c2ca51f0bc2.png][]

**![db60845a00645b931dfcbcfeda10d8c5.png][]**

![d2b9947254fab708d0e57470684e8e48.png][]

长按扫描上方一元购买

![40794e8e96e3989f6972777d1dbb3961.png][]

![af6cc0373f61f45fca3a28ee7d23bb27.png][]

前言

![7e26f9ae7ce69694617122d1851e9174.png][]

在使用Elastic Job Lite做定时任务的时候，我发现很多开发的团队都是直接部署单点，这对于一些离线的非核心业务（如对账、监控等）或许无关紧要，但对于一些高可用补偿、核心数据定时修改（如金融场景的利息更新等），单点部署则“非常危险”。

实际上，Elastic Job Lite是支持高可用的。网上关于Elastic Job的较高级的博文甚少，本文试图结合自身实践的一些经验，大致讲解其方案原理，并延伸至同城双机房的架构实践。

注：本文所有讨论均基于开源版本的Elastic Job Lite， 不涉及Elastic Job Cloud部分。

![bb62f88e558e0205467adb64da770e32.png][]

单点部署到高可用

![88419175e2f5ee8ddf5b4f971dc10e8d.png][]

如本文开头所说，很多系统的部署是采取以下部署架构：

![8f9f55e1a6706652cf2bc30ab5a7db51.png][]

原因是开发者担心定时任务在同一时刻被触发多次，导致业务有问题。实际上这是对于框架最基本的原理不了解。在官方文档的功能列表里http://elasticjob.io/docs/elastic-job-lite/00-overview/ 就已说明其最基本的功能之一就是：

> 作业分片一致性，保证同一分片在分布式环境中仅一个执行实例

Elastic Job会依赖zookeeper选举出对应的实例做sharding，从而保证只有一个实例在执行同一个分片（如果任务没有采取分片（即分片数是0），就意味着这个任务只有一个实例在执行）。

![b684b72241a05c743223d4cc8e14ac75.png][]

所以如下图所示的部署架构是完全没问题的——一来，服务只会被一个实例调用，二来，如果某个服务挂了，其他实例也能接管继续提供服务从而实现高可用。

![6e191758f166db556a1eb6ca74352ba9.png][]

![c2c8eb22a11c17f6bda492e3a1375b63.png][]

双机房高可用

![43dd217c0eaa116b21bfc3c9613e59f9.png][]

随着互联网业务的发展，慢慢地，对架构的高可用会有更高的要求。下一步可能就是需要同城两机房部署，那这时候为了保证定时服务在两个机房的高可用，我们架构上可能会变成这样的：

![19848d88b18d257a7c5091e120a2fa98.png][]

这样如果A机房的定时任务全部不可用了，B机房的确也能接手提供服务。而且由于集群是一个，Elastic Job能保证同一个分片在两个机房也只有一个实例运行。看似挺完美的。

注：本文不讨论zookeeper如何实现双机房的高可用，实际上从zookeeper的原理来看，仅仅两个机房组成一个大集群并不可以实现双机房高可用。

![99114d158d7db5f3602f0c1c74410326.png][]

优先级调度

![80f9e2f3a249f9fbbfba3e32628d2cc5.png][]

以上的架构解决了定时任务在两个机房都可用的问题，但是实际的生产中，定时任务很可能是依赖存储的数据源的。而这个数据源，通常是有主备之分（这里不考虑单元化的架构的情况）：例如主在A机房，备在B机房做实时同步。

如果这个定时任务只有读操作，可能没问题，因为只要配置数据源连接同机房的数据源即可。但是如果是要写入的，就有一个问题——如果所有任务都在B机房被调度了，那么这些数据的写入都会跨机房地往A机房写入，这样延迟就大大提升了，如下图所示。

![a7a5e57f56e384941833347dbfd747cb.png][]

如图所示，如果Elastic Job把任务都调度到了B机房，那么流量就一直跨机房写了，这样对于性能来说是不好的事情。

那么有没有办法达到如下效果了：

1.  保证两个机房都随时可用，也就是一个机房的服务如果全部不可用了，另外一个机房能提供对等的服务；
2.  但一个任务可以优先指定A机房执行。

![399fe2b8c471123b2ab326030fba78c1.png][]

Elastic Job 分片策略

![3a05be8ab99efd0c40437d43e7b6c483.png][]

在回答这个问题之前，我们需要了解下Elastic Job的分片策略，根据官网的说明（http://elasticjob.io/docs/elastic-job-lite/02-guide/job-sharding-strategy/ ） ，Elastic Job是内置了一些分片策略可选的，其中有平均分配算法，作业名的哈希值奇偶数决定IP升降序算法和作业名的哈希值对服务器列表进行轮转；同时也是支持自定义的策略，实现实现JobShardingStrategy接口并实现sharding方法即可。

public Map<JobInstance, List<Integer>> sharding(List<JobInstance> jobInstances, String jobName, int shardingTotalCount)

假设我们可以实现这一的自定义策略：让做分片的时候知道哪些实例是A机房的，哪些是B机房的，然后我们知道A机房是优先的，在做分片策略的时候先把B机房的实例踢走，再复用原来的策略做分配。这不就解决我们的就近接入问题（接近数据源）了吗？

以下是利用装饰器模式自定义的一个装饰器类（抽象类，由子类判断哪些实例属于standby的实例），读者可以结合自身业务场景配合使用。

public abstract class JobShardingStrategyActiveStandbyDecorator implements JobShardingStrategy {
    
    
        //内置的分配策略采用原来的默认策略：平均
        private JobShardingStrategy inner = new AverageAllocationJobShardingStrategy();
    
    
    
    
        /**
         * 判断一个实例是否是备用的实例，在每次触发sharding方法之前会遍历所有实例调用此方法。
         * 如果主备实例同时存在于列表中，那么备实例将会被剔除后才进行sharding
         * @param jobInstance
         * @return
         */
        protected abstract boolean isStandby(JobInstance jobInstance, String jobName);
    
    
        @Override
        public Map<JobInstance, List<Integer>> sharding(List<JobInstance> jobInstances, String jobName, int shardingTotalCount) {
    
    
            List<JobInstance> jobInstancesCandidates = new ArrayList<>(jobInstances);
            List<JobInstance> removeInstance = new ArrayList<>();
    
    
            boolean removeSelf = false;
            for (JobInstance jobInstance : jobInstances) {
                boolean isStandbyInstance = false;
                try {
                    isStandbyInstance = isStandby(jobInstance, jobName);
                } catch (Exception e) {
                    log.warn("isStandBy throws error, consider as not standby",e);
                }
    
    
                if (isStandbyInstance) {
                    if (IpUtils.getIp().equals(jobInstance.getIp())) {
                        removeSelf = true;
                    }
                    jobInstancesCandidates.remove(jobInstance);
                    removeInstance.add(jobInstance);
                }
            }
    
    
            if (jobInstancesCandidates.isEmpty()) {//移除后发现没有实例了，就不移除了，用原来的列表（后备）的顶上
                jobInstancesCandidates = jobInstances;
                log.info("[{}] ATTENTION!! Only backup job instances exist, but do sharding with them anyway {}", jobName, JSON.toJSONString(jobInstancesCandidates));
            }
    
    
            if (!jobInstancesCandidates.equals(jobInstances)) {
                log.info("[{}] remove backup before really do sharding, removeSelf :{} , remove instances: {}", jobName, removeSelf, JSON.toJSONString(removeInstance));
                log.info("[{}] after remove backups :{}", jobName, JSON.toJSONString(jobInstancesCandidates));
            } else {//全部都是master或者全部都是slave
                log.info("[{}] job instances just remain the same {}", jobName, JSON.toJSONString(jobInstancesCandidates));
            }
    
    
            //保险一点，排序一下，保证每个实例拿到的列表肯定是一样的
            jobInstancesCandidates.sort((o1, o2) -> o1.getJobInstanceId().compareTo(o2.getJobInstanceId()));
    
    
            return inner.sharding(jobInstancesCandidates, jobName, shardingTotalCount);
    
    
        }

![6df0606ec7c55e6889936024637348c7.png][]

调优

![b7c284cd4e83c1764bf3cb5e4ee3395d.png][]

**利用自定义策略实现同城双机房下的优先级调度**

以下是一个很简单的就近接入的例子：指定在ip白名单的，就是优先执行的，不在的都认为是备用的。我们看如何实现。

### 一、继承此装饰器策略，指定哪些实例是standby实例 ###

public class ActiveStandbyESJobStrategy extends JobShardingStrategyActiveStandbyDecorator{
    
    
        @Override
        protected boolean isStandby(JobInstance jobInstance, String jobName) {
            String activeIps = "10.10.10.1,10.10.10.2";//只有这两个ip的实例才是优先执行的，其他都是备用的
            String ss[] = activeIps.split(",");
            return !Arrays.asList(ss).contains(jobInstance.getIp());//不在active名单的就是后备
        }
    
    
    }

很简单吧！这样实现之后，就能达到以下类似的效果。

![cca8bb2896300ee60e3c0c12894eea4c.png][]

### **二、 在任务启动前，指定使用这个策略** ###

以下以Java的方式示意：

JobCoreConfiguration simpleCoreConfig = JobCoreConfiguration.newBuilder(jobClass.getName(), cron, shardingTotalCount).shardingItemParameters(shardingItemParameters).build();SimpleJobConfiguration simpleJobConfiguration = new SimpleJobConfiguration(simpleCoreConfig, jobClass.getCanonicalName());return LiteJobConfiguration.newBuilder(simpleJobConfiguration)        .jobShardingStrategyClass("com.xxx.yyy.job.ActiveStandbyESJobStrategy")//使用主备的分配策略，分主备实例（输入你的实现类类名）        .build();

这样就大功告成了。

![170ad5d85cc34745c183de532b9d2bb8.png][]

同城双活模式

![7def2e2351e9f3ffddb2d818b58af85d.png][]** **

以上这样改造后，针对定时任务就已经解决了两个问题：

1、定时任务能实现在两个机房下的高可用；

2、任务能优先调度到指定机房。

这种模式下，对于定时任务来说，B机房其实只是个备机房——因为A机房永远都是优先调度的。

对于B机房是否有一些实际问题其实我们可能是不知道的（常见的例如数据库权限没申请），由于没有流量的验证，这时候真的出现容灾问题，B机房是否能安全接受其实并不是100%稳妥的。

我们能否再进一步做到同城双活呢？也就是，B机房也会承担一部分的流量？例如10%？

回到自定义策略的sharding接口：

public Map<JobInstance, List<Integer>> sharding(List<JobInstance> jobInstances, String jobName, int shardingTotalCount)

在做分配的时候，是能拿到一个任务实例的全景图（所有实例列表），当前的任务名，和分片数。

基于此其实是可以做一些事情把流量引流到B机房实例的，例如：

1.  指定任务的主机房让其是B机房优先调度（例如挑选部分只读任务，占10%的任务数）；
2.  对于分片的分配，把末尾（如1/10）的分片优先分配给B机房。

以上两种方案都能实现让A、B两个机房都有流量（有任务在被调度），从而实现所谓的双活。

以下针对上面抛出来的方案一，给出一个双活的示意代码和架构。

假设我们定时任务有两个任务，TASK\_A\_FIRST，TASK\_B\_FIRST，其中TASK\_B\_FIRST是一个只读的任务，那么我们可以让他配置读B机房的备库让他优先运行在B机房，而TASK\_A\_FIRST是一个更为频繁的任务，而且带有写操作，我们则优先运行在A机房，从而实现双机房均有流量。

注：这里任意一个机房不可用了，任务均能在另外一个机房调度，这里增强的只是对于不同任务做针对性的优先调度实现双活：

public class ActiveStandbyESJobStrategy extends JobShardingStrategyActiveStandbyDecorator{    @Override    protected boolean isStandby(JobInstance jobInstance, String jobName) {         String activeIps = "10.10.10.1,10.10.10.2";//默认只有这两个ip的实例才是优先执行的，其他都是备用的        if ("TASK_B_FIRST".equals(jobName)){//选择这个任务优先调度到B机房           activeIps = "10.11.10.1,10.11.10.2";        }        String ss[] = activeIps.split(",");        return !Arrays.asList(ss).contains(jobInstance.getIp());//不在active名单的就是后备    }}

![7801e8c728ff7e0befdbae7ef5872cc3.png][]

> 作者：Jaskey Lam
> 
> 来源：
> 
> https://jaskey.github.io/blog/2020/05/25/elastic-job-timmer-active-standby/

![7abe7d77360be12213780360910ed266.png][]

[5abcc5e17962ff1aeffc5c2ca51f0bc2.png]: /images/20221004/1cddb09b863041c2a0784bb037ff780f.png
[db60845a00645b931dfcbcfeda10d8c5.png]: /images/20221004/ae973eaa19124735aa5af52c86e2954f.png
[d2b9947254fab708d0e57470684e8e48.png]: /images/20221004/a474b9c1efb7463eac3b9290651f442f.png
[40794e8e96e3989f6972777d1dbb3961.png]: /images/20221004/17a3d89e40134290a609283773c486fd.png
[af6cc0373f61f45fca3a28ee7d23bb27.png]: /images/20221004/3bf31418e64949078d18d6adbaae7099.png
[7e26f9ae7ce69694617122d1851e9174.png]: /images/20221004/e220437800754ef5863f5af56e0f3824.png
[bb62f88e558e0205467adb64da770e32.png]: /images/20221004/b24090c2d5cc41b3b0e2716cea5a4a6c.png
[88419175e2f5ee8ddf5b4f971dc10e8d.png]: /images/20221004/16aafb0ad1074dd8a5c24eba454f20a2.png
[8f9f55e1a6706652cf2bc30ab5a7db51.png]: /images/20221004/08bb56c84b4b4d74a5c786c4ae17ced5.png
[b684b72241a05c743223d4cc8e14ac75.png]: /images/20221004/51c9f2d0f58c49b799d0aeab4109f97c.png
[6e191758f166db556a1eb6ca74352ba9.png]: /images/20221004/3e8de993b3104d4490bd8174f85909ff.png
[c2c8eb22a11c17f6bda492e3a1375b63.png]: /images/20221004/6390ce7794464b9284ae189e4e4ab256.png
[43dd217c0eaa116b21bfc3c9613e59f9.png]: /images/20221004/7b94985150df40ed9ff7202245f59a49.png
[19848d88b18d257a7c5091e120a2fa98.png]: /images/20221004/3991be3fec8947839a0cf869f54e08a2.png
[99114d158d7db5f3602f0c1c74410326.png]: /images/20221004/b0a2b646ce8a4267b6419cd0c043c653.png
[80f9e2f3a249f9fbbfba3e32628d2cc5.png]: /images/20221004/2a92333b6ea145f4a75f79cc3fee3d1e.png
[a7a5e57f56e384941833347dbfd747cb.png]: /images/20221004/8d81e428b65744ef9c99bca942852901.png
[399fe2b8c471123b2ab326030fba78c1.png]: /images/20221004/802af9538b304315944a081a75136a19.png
[3a05be8ab99efd0c40437d43e7b6c483.png]: /images/20221004/547396b8a7a245ccb252b1cc6a104f33.png
[6df0606ec7c55e6889936024637348c7.png]: /images/20221004/e2792621882f4a96b250124d7edfd55f.png
[b7c284cd4e83c1764bf3cb5e4ee3395d.png]: /images/20221004/ef679310afa04eb7b6bf923f7f13387b.png
[cca8bb2896300ee60e3c0c12894eea4c.png]: /images/20221004/691176408e5746d8b1579e0a32d58bb8.png
[170ad5d85cc34745c183de532b9d2bb8.png]: /images/20221004/0ce427fc229841f5b5e56ef95787646b.png
[7def2e2351e9f3ffddb2d818b58af85d.png]: /images/20221004/9445f413ca244c4bbaa4a9c72aed7275.png
[7801e8c728ff7e0befdbae7ef5872cc3.png]: /images/20221004/fa3c80ee1453456c964a72b89d330812.png
[7abe7d77360be12213780360910ed266.png]: /images/20221004/083635ab658943af8d3fa5ac8abe580a.png