郑昀 最后更新于2014/11/11
关键词：定时任务、调度、监控报警、Job、crontab、Java
本文档适用人员：研发员工
没有JobCenter时我们要面对的：
电商业务链条很长，业务逻辑也较为复杂，需要成百上千种定时任务。窝窝的大多数定时任务其实调用的是本地或远端 Java/PHP/Python Web Service。如果没有一个统一的调度和报警，在集群环境下，我们会：
- 不知道哪一个定时任务执行失败或超时，不见得能第一时间知道——直到最终用户投诉反馈过来；
- 要求每一个定时任务输出统一格式的日志供监控系统解析？
- 对每一位定时任务维护者提出高要求？这不是我们的解题思路。
- 不知道哪一个定时任务没配好瞎跑；
- 比如忘记配成开机自启动；
- 比如曾经线上环境B与环境A并存导致定时任务互相争抢；
- 不知道现在线上跑了多少个定时任务，都是干什么的，负责人都是谁；
- 有些定时任务非常重要，不能单点，但又不能同时起多个 crontab，只能采取 master/slave 模式跑——比如退款处理。
什么是JobCenter？
窝窝的定时任务管理和调度平台，一个实用工具，它是一个由 任务管理、任务调度、任务监控报警以及宿主任务执行（注意不再是 crontab了） 这四部分组成的，分布式多任务协调系统。
2012年时，我看到暴风影音的马晨开源了一个 CronHub（时间调度系统）项目（github 地址），也可以看一下百度文库上的PPT。马晨描述的需求与我们相似，他对 CronHub 的功能设计给我们很大启发：
|
1 、大量的crontab管理起来好烦人
任务老是没按时执行，各种原因失败，真让人抓狂。
2、多台服务器环境下，管理crontab更是烦上加烦，登录每台机器查看crontab结果不是折磨一贯偷懒的程序员吗？
3、要是能有个自动化管理，可供的GUI界面管理就好了。
|
|
所以暴风影音做一个“真正通用”，“真正解决日常需求”的时间调度系统。
|
由于前面说过大多数定时任务其实调用的是 Web 接口，所以我们的做法与 CronHub 有所不同，说是定时任务，其实我只是登记了要调用的远端接口、通讯协议、Crontab 时间格式表达式、执行机器组、超时时间、报警接收人等而已。已经没有 crontab 了，全都是远端 WebService。由 JobCenter 按时通知对端的接口，并接收任务执行者的进度反馈和最终执行结果，这些响应均为 JSON 格式。还可以为同一个定时任务添加多个执行机器，JobCenter 保证通知成功。
JobCenter 是2013年初聂兰彬构建的，那个历史时期同时有多个研发内部项目启动，如 NotifyServer、Tracing、Recsys、ConfigServer。经过几个月的线上试用和功能完善，我们便开始督促各个研发组织把 Java/PHP 定时任务迁移到这个平台里。
JobCenter 目前也纳入在我们的 idcenter 体系下，这样可以共用一套帐号体系（LDAP），共用一套权限分配体系：
图1 jobcenter 在 idcenter 的入口
它的主界面如下：
图2 jobcenter 主界面
JobCenter的优点：
- 管理直观
- 可以指定定时任务的 Worker 集群，并指定执行策略，如随机选取一台机器执行，如第一台执行；
- 可以指定通知策略：保证执行成功，只通知一次；
- 可以设置超时警告时间；
- 并可以进一步设置警告接收人（短信和邮件），如下图所示：
- 任务失败会发邮件给警告接收人；
- 调度方便
- 集中查看所有定时任务的执行总况，如下图所示：
- 可以在“定时任务调度”界面上，暂停定时任务，或者立即执行定时任务；
- 观察方便
- 按定时任务查看它的上次执行时间、耗时、是否超时、执行结果和通知结果。如下图所示：
- 按定时任务查看它的执行趋势图，能直观地反映每一次执行是否成功、耗时、是否超时，如下图所示：
- 可以用鼠标在图表上拖动放大时间轴；
- 黄色叹号图标代表超时了，红色叉图代表执行失败，红色横线图标代表任务未执行；
总之，它借鉴了 CronHub 的界面设计和菜单，这是一款大幅提升实施和管理效率、方便易用的中间件。
JobCenter 的工作原理
下图是聂兰彬当年绘制的架构示意图，后续虽然结构有所调整，但下图还是能说明问题的：
图3 jobcenter 示意图
它如何调度宿主执行定时任务呢？如下图所示：
图4 jobcenter 任务执行的泳道图
JobCenter 的通知保证机制：
通知保证机制有以下3种：
- 只通知一次
- 保证成功
- 保证成功（任务不在执行中）
特别对 “保证成功(任务不在执行中)” 作以下说明：
当一个任务到了这一轮的通知时间，jobcenter 会去检查这个任务之前的执行，是否还在执行中（如正在执行，客户端未返回）。如果有，则本次执行直接失败，不通知。
窝窝的其他解决方案介绍列表：
#研发解决方案介绍#Recsys-Evaluate（推荐评测）
#数据技术选型#即席查询Shib+Presto，集群任务调度HUE+Oozie
-over-
欢迎订阅我的微信订阅号『老兵笔记』，请扫描二维码关注：
