全部产品
云市场

版本说明

更新时间:2019-08-06 21:05:22

版本说明

1.0.8, 2019-08-06

  • 新特性
    • 【重要】重构JobProcessor.postProcess接口,增加ProcessResult返回值,之前用到postProcess接口需要改代码。
    • 广播执行增强,BroadcastJobProcessor支持preProcess和postProcess。preProcess会在所有机器执行process之前执行一次,postProcess会在所有机器执行完process执行一次。
    • JobContext.getTaskAttempt可以获取当前子任务重试次数。
    • 客户端支持自定义监听端口,比如SchedulerxWorker.setPort
    • Java任务可以实现JobProcessor,不必须继承JavaProcessor。
  • 问题修复
    • 修复taskId=1的子任务不支持子任务自动重试的bug。
    • 分布式任务,根任务失败,无法看到失败原因。
    • 并行任务子任务列表不能重试子任务。

1.0.6-compatible, 2019-07-02

兼容schedulerx1.0(DTS)接口的兼容版本。不支持同时依赖schedulerx-client和schedulerx-worker两个包,只能依赖schedulerx-worker一个包,即需要把dts所有任务迁移到schedulerx2.0。


1.0.6, 2019-07-02

  • 新特性
    • 新增部分包的shade: aliyun-log, commons-validator, gson, fastjson, guava, commons-collections。
    • 通过ProcessResult(false, errorMsg)返回,前端日志也能看到errorMsg。
  • 优化
    • 优化at-least-once-delivery性能。
    • 高负载场景下,消息重复发送会造成秒级任务卡主或应用线程被Interrupt。
  • 问题修复
    • 广播任务卡主问题。
    • 秒级任务卡主问题。
    • at-least-once-delivery可能会导致子任务状态无限重试。
    • logcollector初始化失败,异常抛出来,启动失败。
    • DB清理工作流任务实例,导致工作流无法恢复调度问题。
    • spring方式启动,不支持kill。

1.0.3, 2019-06-06

  • 新特性
    • MapReduce模型支持返回所有子任务的结果,由reduce处理。
    • 分布式模型支持拉模型,解决因为单机性能引起的木桶效应,支持动态扩容拉子任务。
    • 拉模型支持全局子任务并发度,可以进行限流。
    • JobContext增加wfInstanceId。
    • 客户端启动失败抛异常,堵塞JVM启动,尽早发现问题。
    • 客户端启动打印mvn依赖jar的版本和路径,帮助排查jar包冲突。
    • 分布式模型子任务详情,增加队列维度,可以看到每台机器缓存的子任务队列。
  • 优化
    • worker因为server负载高被误guarantined,可以自动恢复,不同重启客户端。
    • 分布式模型子任务详情,运行中可以真实显示每台机器正在运行的子任务数。
    • master节点挂了,server会负责清理slave节点的资源,防止内存泄漏。

1.0.0, 2019-04-30

  • 新特性
    • 支持crontab和fixed_rate表达式进行周期性定时调度
    • 支持工作流调度,进行流程编排
    • 支持second_delay表达式进行秒级别调度
    • 支持java、shell、python、go任务类型
    • 支持单机执行、广播执行、并行计算、内存网格、网格计算
    • 支持Map和MapReduce分布式编程模型
    • 支持任务实例级别和子任务级别的失败自动重试(默认不重试)
    • 支持数据时间和重刷数据