SchedulerX可以对多重任务进行调度（定时、编排、重刷历史数据等），提供Java、Python、Shell和Go等多语言分片模型，帮助您处理大数据业务需求。

背景信息

分片模型主要包含静态分片和动态分片。

  • 静态分片：主要场景是处理固定的分片数，例如分库分表中固定1024张表，需要若干台机器分布式去处理。
  • 动态分片：主要场景是分布式处理未知数据量的数据，例如一张大表在不停变更，需要分布式跑批。主流的框架为SchedulerX提供的MapReduce模型，暂时还没有对外开源。

功能特性

多语言版本分片模型还具有以下特性。

  • 兼容elastic-job的静态分片模型。
  • 支持Java、Python、Shell、Go四种语言。
  • 高可用：分片模型基于Map模型开发，可以继承Map模型高可用特性，即某台worker执行过程中发生异常，master worker会把分片failover到其它slave节点执行。
  • 流量控制：分片模型基于Map模型开发，可以继承Map模型流量控制特性，即可以控制单机子任务并发度。例如有1000个分片，一共10台机器，可以控制最多5个分片并发跑，其它在队列中等待。
  • 分片自动失败重试：分片模型基于Map模型开发，可以继承Map模型子任务失败自动重试特性。

可用性和流量控制可以在创建任务时的高级配置中设置，详情请参见创建调度任务和任务管理高级配置参数说明。

说明 只有1.1.0及以上版本客户端才支持多语言版本的分片模型。

Java分片任务

  1. 登录EDAS控制台。
  2. 在顶部菜单栏选择地域。
  3. 在左侧导航栏选择组件中心 > 分布式任务调度（新），然后单击任务管理。
  4. 在任务管理页面，选择目标命名空间，在页面左上角单击创建任务。
  5. 在创建任务面板的基本配置配置向导页面的执行模式列表选择分片运行，并设置分片参数。

    分片参数之间以半角逗号（,）或换行分隔，例如分片号1=分片参数1,分片号2=分片参数2,...。

    创建任务-基本配置-分片
  6. 在应用程序代码中继承JavaProcessor，通过JobContext.getShardingId()获取分片号，通过JobContext.getShardingParameter()获取分片参数。
    示例： 
    @Component
public class HelloWorldProcessor extends JavaProcessor {
    @Override
    public ProcessResult process(JobContext context) throws Exception {
        System.out.println("分片id=" + context.getShardingId() + ", 分片参数=" + context.getShardingParameter());
        return new ProcessResult(true);
    }
}
  7. 在执行列表页面查看分片详情。
    分片任务实例详情

Python分片任务

Python应用想使用分布式跑批，只需要安装Agent。脚本可以由SchedulerX维护。

  1. 下载SchedulerX的Agent，并通过Agent部署脚本任务。
  2. 在SchedulerX中创建Python分片任务，更多信息，请参见创建调度任务。

    sys.argv[1]为分片号，sys.argv[2]为分片参数。

    分片参数之间以半角逗号（,）或换行分隔，例如分片号1=分片参数1,分片号2=分片参数2,...。

    Python 分片任务
  3. 在执行列表页面查看分片详情。
    分片任务实例详情

Shell和Go分片任务

Shell和Go版本的分片任务和Python类似，创建步骤，请参见Python分片任务。