前言
Elastic-Job是当当基于Zookepper，Quartz开发并且开源的Java分布式定时任务，解决Quartz不支持分布式的弊端。它由两个相互独立的子项目Elastic-Job-Lite和Elastic-Job-Cloud组成。
题外话，当当的Sharding-JDBC已经加入Apache管理了，而这个Elastic-Job没有。
还有一句题外话，私下和好友交流，当初要使用elastic 后来也被换了，具体原因也没说，咱也不知道，咱也不敢问。我贴个图大家应该会明白，这是Elastic-Job 在github的地址：https://github.com/elasticjob/elastic-job-lite
来个图更能说明问题。我什么也没说啊。。。。
采用的公司还是蛮多的，像 36氪、国美、唯品会……链接：http://elasticjob.io/docs/elastic-job-lite/00-overview/company/
网上也是对Elastic-Job众多好评，目前国内使用定时作业中间件也就xxl-job能跟他竞争。
再不更新代码都落灰了……
正文
正文我就不扯没用的了，好多人也是冲着标题写着 ‘源码解析’ 来的吧，好，请看下面就是我们老艿艿总结的源码解析专栏
我也是老艿艿的不锈钢粉丝哦！！！
微信公众号Elastic-Job源码解析地址：https://mp.weixin.qq.com/s/m1VRIzeFfa_6Ly_gEDNK-w
老艿艿微信公众号：芋道源码
一定有你想看的
不是有意打广告，而是老艿艿文章确实不错，也从不搞一些吸粉的商业活动，不做盗版。文章怎么样，看一下你就懂了。
友情提醒：看源码前要会使用并理解简单的原理，这样吸收比较好，上来就看源码直接就从入门到放弃。
Elastic-Job作为分布式作业中间件有一个重要的概念就是-分片。
分片概念： 这里的分片是指将一个任务拆分成多个任务执行，有点类似 java里的Fork-Join 框架思想。
举个例子：我现在要对一些数据进行处理，首先把数据筛选出来，为了快速的执行作业，我们用2台服务器，想让每台服务器应执行作业的50%。 为满足此需求，可将作业分成2片，每台服务器执行1片。
作业遍历数据的逻辑应为：服务器A遍历ID以奇数结尾的数据；服务器B遍历ID以偶数结尾的数据。 如果分成10片，则作业遍历数据的逻辑应为：每片分到的分片项应为ID，而服务器A被分配到分片项0,1,2,3,4；服务器B被分配到分片项5,6,7,8,9，直结果就是服务器A遍历ID以0-4结尾的数据，服务器B遍历ID以5-9结尾的数据。
如何使用Elastic-Job
Elastic-Job 提供了3种作业类型
- Simple类型作业
- DataFlow类型作业
- Script类型作业
Elastic-Job 提供了2种配置方式
- JavaCode配置
- Spring命名空间配置
这里我只用代码讲解 用JavaCode配置方式实现Simple作业类型。
首先提供一下官网详细的配置手册：http://elasticjob.io/docs/elastic-job-lite/02-guide/config-manual/
准备工作
本机安装一个 Zookepper ，不搞集群，下载，安装 ，启动 so easy，我的版本是 3.4.14
引入Maven依赖
代码语言：javascript复制<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.1.5.RELEASE</version>
<relativePath/>
</parent>
<name>springboot-elastic-job</name>
<description>基于 Spring Boot 2.1.5 使用elastic-job</description>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>com.dangdang</groupId>
<artifactId>elastic-job-lite-core</artifactId>
<version>2.0.0</version>
</dependency>
</dependencies>Simple作业
代码语言：javascript复制public class JavaSimpleJob implements SimpleJob {
@Override
public void execute(ShardingContext shardingContext) {
System.out.println(new SimpleDateFormat("HH:mm:ss").format(new Date())
" 分片项 : " shardingContext.getShardingItem()
" 总片数 : " shardingContext.getShardingTotalCount());
switch (shardingContext.getShardingItem()) {
case 0:
System.out.println("do something by sharding item 0");
break;
case 1:
System.out.println("do something by sharding item 1");
break;
case 2:
System.out.println("do something by sharding item 2");
break;
// case n: ...
//动态查询该分片下要执行的用户
//SELECT * FROM lfp_user WHERE mod(id,#{shardingTotalCount})=#{shardingItem};
}
}
}启动类和配置作业
代码语言：javascript复制public class Application {
public static void main(String[] args) throws UnknownHostException {
System.out.println("Start...");
System.out.println(InetAddress.getLocalHost());
new JobScheduler(createRegistryCenter(), createSimpleJobConfiguration()).init();
}
private static CoordinatorRegistryCenter createRegistryCenter() {
//ZookeeperConfiguration构造方法两个参数，serverLists(连接Zookeeper服务器的列表，包括IP地址和端口号，，多个地址用逗号分隔)和namespace(命名空间)
CoordinatorRegistryCenter regCenter = new ZookeeperRegistryCenter(
new ZookeeperConfiguration("127.0.0.1:2181", "new-elastic-job-demo"));
regCenter.init();
return regCenter;
}
private static LiteJobConfiguration createSimpleJobConfiguration() {
//创建简单作业配置构建器，三个参数为：jobName(作业名称)，cron（作业启动时间的cron表达式），shardingTotalCount(作业分片总数)
// 定义作业核心配置
JobCoreConfiguration simpleCoreConfig = JobCoreConfiguration.newBuilder("SimpleJobDemo", "0/15 * * * * ?", 2).build();
// 定义SIMPLE类型配置
SimpleJobConfiguration simpleJobConfig = new SimpleJobConfiguration(simpleCoreConfig, JavaSimpleJob.class.getCanonicalName());
// 定义Lite作业根配置
JobRootConfiguration simpleJobRootConfig = LiteJobConfiguration.newBuilder(simpleJobConfig).overwrite(true).build();
return (LiteJobConfiguration) simpleJobRootConfig;
}
//配置DataflowJob
private static void setUpDataflowJob(final CoordinatorRegistryCenter registryCenter) {
JobCoreConfiguration coreConfiguration = JobCoreConfiguration.newBuilder("JavaDataflowJob", "0/10 * * * * ?", 2).build();
//数据流作业配置，第三个参数为streamingProcess（是否为流式处理）
DataflowJobConfiguration dataflowJobConfiguration = new DataflowJobConfiguration(coreConfiguration, JavaDataflowJob.class.getCanonicalName(), true);
new JobScheduler(registryCenter, LiteJobConfiguration.newBuilder(dataflowJobConfiguration).overwrite(true).build()).init();
}
}启动测试
我截取了一段控制台日志
github 地址：https://github.com/362460453/springboot-elastic-job
现在搞什么配置如果非必须情况下最好不要用xml形式，好古老，真的，如果有想学Spring命名空间配置 请看下面的链接：
https://www.cnblogs.com/yushangzuiyue/p/9655847.html
现实场景怎么用？
我们假设一个场景是处理一批数据，这批数据，一台机器的话分多个片执行相当于多线程执行，实际情况我们都是多台服务器执行的，使用2台机器，那么就把压力平均分摊到两台服务器上去了，而且也能更快执行完成。 如果，以前只要两台机器在1个小时就能跑完的，现在5个小时也跑不完，怎么办呢？加机器？加机器肯定是必须的，但是我们发现代码里写死了，分2片，我们总不能去改成3、4、5，万一以后还有更多呢，所以我们可以对sql进一步优化。我们把分片数和当前分片项传到sql，这样sql可以动态去查询对应分片后的用户了
代码语言：javascript复制public class TestJob implements SimpleJob {
@Override
public void execute(ShardingContext shardingContext) {
int shardingTotalCount = shardingContext.getShardingTotalCount();
int shardingItem = shardingContext.getShardingItem();
//1 查询改分片下要执行的用户，带参数shardingTotalCount和shardingItem
//筛选出来的数据
//2 处理筛选的数据
}
}
sql改写
//动态查询该分片下要执行的用户
SELECT * FROM lfp_user WHERE mod(id,#{shardingTotalCount})=#{shardingItem};当shardingTotalCount 有5片，并且5台机器 机器0：查询用户id能整除5的，如：5、10、15、20…… 机器1：查询用户id除以5余1的，如：1、6、11、16…… 机器2：查询用户id除以5余2的，如：2、7、12、17…… 机器3：查询用户id除以5于余3的，如：3、8、13、18…… 机器4：查询用户id除以5余4的，如：4、9、14、19……
注意事项
这里要说一个我碰到的问题，LiteJobConfiguration里有一个属性是 boolean overwrite; 默认为false，如果为false的话，第一次启动的时候，会在zookeeper中保存了一份作业信息（调度时间、参数等），后面即使修改了作业信息，无论重新启动服务或者zookeeper，还是会使用第一次启动时候的作业信息（根据作业名字）。 因此需要设为true，这样每次启动，作业信息都会覆盖zookeeper中的保存的配置信息，这样可以保证修改了配置信息可以马上使用。
代码启动中，实现类的execute方法中不能使用spring注入的对象：elastic-job是封装的quartz框架，这个特性也存留下来，execute方法中只能用static对象。
如有其他问题请查看：
https://blog.csdn.net/name_z/article/details/81274029
https://blog.csdn.net/tanga842428/article/details/52398982
