本章节介绍了SchedulerX客户端的发布记录及相关的功能。

1.2.7,2021-04-28

  • 新特性

    新增开关，可以关闭MapTaskMaster的failover功能。

  • 问题修复
    • 修复心跳探活失败，可能会socket泄漏的bug。
    • 修复MapTaskMaster在子任务比较多的情况下，可能会频繁误failover的问题。

1.2.5.2,2021-04-08

  • 新特性

    秒级别任务间隔支持到毫秒级别。

  • 优化
    • MapReduce模型，root task固定在Master节点执行，方便排查问题。
    • 不强依赖log4j2，如果用户使用的是logback，可以把log4j和log4j2依赖移除。

1.2.4.3,2021-01-21

  • 新特性
    • 广播任务运行中支持进度汇报。
    • 心跳日志可以通过开关关闭。
  • 问题修复

    修复广播任务有可能卡住的严重问题。

  • 优化

    心跳间隔调整为10秒。

1.2.3.1,2020-12-16

问题修复：修复客户端高负载中断和服务端长连接，导致任务无法继续调度的问题。

1.2.2.2,2020-12-10

  • 新特性
    • 支持容器内采集容器真实CPU使用率，需要增加配置。
      以starter为例：
      spring.schedulerx2.enableCgroupMetrics=true，
spring.schedulerx2.cgroupPathPrefix=/sys/fs/cgroup/cpu/  //非必填，如果容器里有/sys/fs/cgroup/cpu/这个路径，可以不用配置，否则修改为真实的cgroup路径。
    • 支持标签。客户端启动可以自定义打标签，任务可以指定运行在某个标签的实例上。适用于场景灰度、单元化等场景。

      以starter为例：spring.schedulerx2.labels=xxx。

  • 优化

    客户端心跳线程和akka核心线程独立出来，保证业务繁忙不会影响心跳探活。

  • 问题修复

    把h2从shade中移除。shade h2可能会导致MySQL驱动加载失败。

1.2.1.2,2020-10-20

  • 新特性
    • 支持共享containerPool，客户端所有任务可以共享同一个线程池，大量任务高并发调度情况下大大提高客户端性能和稳定性。
    • 支持Shade Scala，解决scala冲突的问题。
    • 公有云支持appKey鉴权。
    • MapReduce模型增强，支持配置是否所有子任务成功才执行Reduce方法。
    • 客户端支持-Dschedulerx.appKey设置appKey。
  • 优化

    优化客户端Netty线程池。

  • 问题修复
    • 修复广播任务可能会卡住的问题。
    • 修复SLS AK/SK泄漏的问题。

1.2.0.2, 2020-08-19

  • 新特性
    • 支持一个应用10万+任务（仅公共云支持）。
    • 新增客户端日志开关，默认开启。
    • OpenAPI创建任务，支持设置状态。
    • 去除diamond-client、logger.api和log4j依赖。
  • 问题修复
    • 修复客户端断网演练会和服务端失联的bug。
    • 修复在EDAS中部署的应用读不到AccessKey的bug。

1.1.4.RELEASE, 2020-05-15

  • 新特性
    • 支持自建Namespace。
    • 支持初始化多个schedulerxWorker。
    • MapReduce模型增强
      • 子任务失败，也能执行reduce。
      • JobContext.getTaskStatuses可以判断每个Task的状态，Map<Long, TaskStatus>结构体key是taskId，value是task的状态。
  • 问题修复
    • ProcessResult，result为空，会导致空指针。
    • thread-dispatcher-delivery挂了会导致任务卡住。

1.1.2.RELEASE, 2020-02-10

  • 新特性

    shade protobuf and netty from akka，解决接入时90%以上的JAR包冲突。

  • 问题修复

    appKeys不支持多分组。

1.1.0, 2019-12-17

  • 新特性
    • 支持多语言版本的分片模型（类似于elastic-job）。
    • OpenApi创建分组，可以返回appKey。
    • 成功状态支持重跑，工作流中的任务实例重跑任务本身及下游任务。
  • 优化
    • Server端性能优化，和客户端通信方式由同步改为异步，并优化了AKKA默认Dispatcher的配置。
    • 使用1.1.0版本客户端，心跳性能优化提高3倍。
    • 前端任务管理列表重新设计，可以看到更多信息。
  • 问题修复
    • 分布式拉模型，全局子任务可能不起作用。
    • 隔离单元环境中“如果没有配置domain，可能还是会启动失败。

1.0.9, 2019-11-28

  • 新特性
    • 增加blockAppStart配置。表示SchedulerX启动失败是否block应用程序启动，默认true。
    • 新增查询工作流运行状态接口。接口为GetWorkflowInstanceRequest。
    • jobContext上下文新增jobName字段。这样用户可以运行期间获取到任务名称。
  • 问题修复
    • 通过Hessian反序列化BigDecimal为0；通过Hessian反序列化LocalDateTime报错。
    • 修复指定机器功能问题。任务运行超过一定时间子任务会下发到未指定机器上。
    • 客户端springContext.getBean报AnnotationConfigApplicationContext has not been refreshed yet异常。
    • 修复任务实现类配置错误的情况下会触发Spring Boot的 ServeletWebServer停止的逻辑，导致业务进程在，但是Web服务被shutdown问题。
    • 修复系统启动变量user.dir='/'，任务100%会卡住的问题。
    • 客户端springContext.getBean报AnnotationConfigApplicationContext has been closed already异常。
    • 客户端生成的workerId存在小概率重复冲突的问题，造成任务触发到非本应用的机器上。
    • Spring应用不能自定义class loader。
    • 秒级别任务广播执行计数器显示不对。
    • 秒级别任务，jobContext.getScheduleTime没有跟着循环更新。

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process后执行一次。
    • 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，例如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SchedulerX 2.0。

1.0.6, 2019-07-02

  • 新特性
    • 新增部分包的shade: aliyun-log、commons-validator、gson、fastjson、guava和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。