任务调度顾名思义，就是对任务的调度，它是指系统为了完成特定业务，基于给定时间点，给定时间间隔或者给定执行次数自动执行任务。通常任务调度的程序是集成在应用中的，比如：优惠卷服务中包括了定时发放优惠卷的的调度程序，结算服务中包括了定期生成报表的任务调度程序，由于采用分布式架构，一个服务往往会部署多个冗余实例来运行我们的业务，在这种分布式系统环境下运行任务调度，我们称之为分布式任务调度，如下图：
1、并行任务调度
并行任务调度实现靠多线程，如果有大量任务需要调度，此时光靠多线程就会有瓶颈了，因为一台计算机CPU的处理能力是有限的。
如果将任务调度程序分布式部署，每个结点还可以部署为集群，这样就可以让多台计算机共同去完成任务调度，我们可以将任务分割为若干个分片，由不同的实例并行执行，来提高任务调度的处理效率。
2、高可用
若某一个实例宕机，不影响其他实例来执行任务。
3、弹性扩容
当集群中增加实例就可以提高并执行任务的处理效率。
4、任务管理与监测
对系统中存在的所有定时任务进行统一的管理及监测。让开发人员及运维人员能够时刻了解任务执行情况，从而做出快速的应急处理响应。
5、避免任务重复执行
当任务调度以集群方式部署，同一个任务调度可能会执行多次，比如在上面提到的电商系统中到点发优惠券的例子，就会发放多次优惠券，对公司造成很多损失，所以我们需要控制相同的任务在多个运行实例上只执行一次。
主要有调度中心、执行器、任务
调度中心：
负责管理调度信息，按照调度配置发出调度请求，自身不承担业务代码；
主要职责为执行器管理、任务管理、监控运维、日志管理等
任务执行器：
负责接收调度请求并执行任务逻辑；
只要职责是注册服务、任务执行服务（接收到任务后会放入线程池中的任务队列）、执行结果上报、日志服务等
任务：负责执行具体的业务处理。
执行流程：
1.任务执行器根据配置的调度中心的地址，自动注册到调度中心
2.达到任务触发条件，调度中心下发任务
3.执行器基于线程池执行任务，并把执行结果放入内存队列中、把执行日志写入日志文件中
4.执行器消费内存队列中的执行结果，主动上报给调度中心
5.当用户在调度中心查看任务日志，调度中心请求任务执行器，任务执行器读取任务日志文件并返回日志详情
GitHub：https://github.com/xuxueli/xxl-job
https://github.com/xuxueli/xxl-job
码云：https://gitee.com/xuxueli0323/xxl-jobhttps://gitee.com/xuxueli0323/xxl-job
在本机已经安装完毕xxljob
F:\javaSoftWare\xxl-job-2.3.1
1.使用idea已maven项目的方式，打开解压后的zip文件
xxl-job-admin：调度中心
xxl-job-core：公共依赖
xxl-job-executor-samples：执行器Sample示例（选择合适的版本执行器，可直接使用）
：xxl-job-executor-sample-springboot：Springboot版本，通过Springboot管理执行器，推荐这种方式；
：xxl-job-executor-sample-frameless：无框架版本；
doc :文档资料，包含数据库脚本
2.创建数据库：xxl_job_2.3.1
首先修改doc下的tables_xxl_job.sql脚本内容：
| Java |
将tables_xxl_job.sql脚本导入xxl_job_2.3.1数据库，导入成功，刷新表，如下图：
修改xxl-job-admin任务调度中心下application.properties的配置文件内容，修改数据库链接地址：
| Java |
3.然后启动xxl-job-admin任务调度中心，
运行com.xxl.job.admin.XxlJobAdminApplication
启动成功访问 http://localhost:8080/xxl-job-admin
账号和密码：admin/ 123456
虚拟机中已经创建的xxl-job调度中心的容器，后边调用使用docker容器运行xxl-job。
启动docker容器：docker start xxl-job-admin
访问：http://192.168.101.65:8088/xxl-job-admin/
账号和密码：admin/123456
4.执行器
4.1在对应模块添加依赖（在父工程中已经指定了版本号）
<dependency>
<groupId>com.xuxueli</groupId>
<artifactId>xxl-job-core</artifactId>
</dependency>
4.2在nacos中配置xxl-job
xxl:
job:
admin:
addresses: http://localhost:8080/xxl-job-admin
executor:
appname: media-process-service
address:
ip:
port: 9999
logpath: /data/applogs/xxl-job/jobhandler
logretentiondays: 30
accessToken: default_token
完整nacos如下：
spring:
datasource:
driver-class-name: com.mysql.cj.jdbc.Driver
url: jdbc:mysql://192.168.101.65:3306/xc148_media?serverTimezone=UTC&userUnicode=true&useSSL=false&
username: root
password: mysql
cloud:
config:
override-none: true
minio:
endpoint: http://192.168.101.65:9000
accessKey: minioadmin
secretKey: minioadmin
bucket:
files: mediafiles
videofiles: video
xxl:
job:
admin:
addresses: http://192.168.101.65:8088/xxl-job-admin
executor:
appname: media-process-service
address:
ip:
port: 9999
logpath: /data/applogs/xxl-job/jobhandler
logretentiondays: 30
accessToken: default_token
videoprocess:
ffmpegpath: D:/soft/ffmpeg/ffmpeg.exe
appname这是执行器的应用名，稍后在调度中心配置执行器时要使用
4.3将示例文件拷贝到要使用的模块的配置文件目录中
4.4进入调度中心添加执行器
到此完成工程配置xxl-job执行器，在xxl-job调度中心添加执行器，下边准备测试执行器与调度中心是否正常通信，因为接口工程依赖了service工程，所以启动媒资管理模块的接口工程。
启动后观察日志，出现下边的日志表示执行器在调度中心注册成功
同时观察调度中心中的执行器界面
/**
* @description 测试执行器
* @author Mr.M
* @date 2022/9/13 20:32
* @version 1.0
*/
@Component
@Slf4j
public class SampleJob {
/**
* 1、简单任务示例（Bean模式）
*/
@XxlJob("testJob")
public void testJob() throws Exception {
log.info("开始执行.....");
}
}
下边在调度中心添加任务，进入任务管理
点击新增，填写任务信息
注意红色标记处：
调度类型选择Cron，并配置Cron表达式设置定时策略。
运行模式有BEAN和GLUE，bean模式较常用就是在项目工程中编写执行器的任务代码，GLUE是将任务代码编写在调度中心。
JobHandler任务方法名填写@XxlJob注解中的名称。
添加成功，启动任务
通过调度日志查看任务执行情况
下边启动媒资管理的service工程，启动执行器。
观察执行器方法的执行。
如果要停止任务需要在调度中心操作
任务跑一段时间注意清理日志
掌握了xxl-job的基本使用，下边思考如何进行分布式任务处理呢？如下图，我们会启动多个执行器组成一个集群，去执行任务。
执行器在集群部署下调度中心有哪些调度策略呢？
查看xxl-job官方文档，阅读高级配置相关的内容：
| SQL |
第一个：每次调度选择集群中第一台执行器。
最后一个：每次调度选择集群中最后一台执行器。
轮询：按照顺序每次调度选择一台执行器去调度。
随机：每次调度随机选择一台执行器去调度。
CONSISTENT_HASH：按任务的hash值选择一台执行器去调度。
其它策略请自行阅读文档。
下边要重点说的是分片广播策略，分片是指是调度中心将集群中的执行器标上序号：0，1，2，3...，广播是指每次调度会向集群中所有执行器发送调度请求，请求中携带分片参数。
如下图：
每个执行器收到调度请求根据分片参数自行决定是否执行任务。
另外xxl-job还支持动态分片，当执行器数量有变更时，调度中心会动态修改分片的数量。
作业分片适用哪些场景呢？
所以，广播分片方式不仅可以充分发挥每个执行器的能力，并且根据分片参数可以控制任务是否执行，最终灵活控制了执行器集群分布式处理任务。
使用说明：
"分片广播" 和普通任务开发流程一致，不同之处在于可以获取分片参数进行分片业务处理。
Java语言任务获取分片参数方式：
BEAN、GLUE模式(Java)，可参考Sample示例执行器中的示例任务"ShardingJobHandler"：
ShardingUtil.ShardingVO shardingVO = ShardingUtil.getShardingVo();
分片参数属性说明：
index：当前分片序号(从0开始)，执行器集群列表中当前执行器的序号；
total：总分片数，执行器集群的总机器数量；
下边测试作业分片：
1、定义作业分片的任务方法
| Java |
2、在调度中心添加任务
高级配置说明：
| Plain Text |
添加成功：
启动任务，观察日志
在任务中通是开启两个节点，复制两份模块的具体方法如下：
在idea中的上方run处点击，然后进入到Edit Configuration，注意想要复制的是MediaApplication这个module，点击上方第三个按钮复制后，点击modify options，然后输入配置的文件，此时应该去nacos中找，在nacos中对应的api的配置文件是module运行的端口，但是此处要注意，我们要先将nacos配置为本地文件优先的模式，不然本地文件是不会生效的，具体的配置方式如下：
#配置本地优先
spring:
cloud:
config:
override-none: true然后我们要注意，根据nacos的配置文件来写要更爱的端口号的形式，在api的nacos配置文件中，port如下所示：可以看到，port的路径是server下的port，所以port在modify options中配置为以D开头的-Dserver.port=63051 （等号中间不要加空格）
同时我们要避免执行器的端口冲突，执行器是mediaService所以要去对应的service的nacos的配置文件去配置。下图就是service的nacos配置文件，此处注意到，执行器的端口配置在xxl：executor：port下，所以modify options中在前面的Dserver.port=63051 后添加一个空格，然后加上
-Dxxl.job.executor.port=9998
spring:
datasource:
driver-class-name: com.mysql.cj.jdbc.Driver
url: jdbc:mysql://192.168.101.65:3306/xc148_media?serverTimezone=UTC&userUnicode=true&useSSL=false&
username: root
password: mysql
cloud:
config:
override-none: true
minio:
endpoint: http://192.168.101.65:9000
accessKey: minioadmin
secretKey: minioadmin
bucket:
files: mediafiles
videofiles: video
xxl:
job:
admin:
addresses: http://192.168.101.65:8088/xxl-job-admin
executor:
appname: media-process-service
address:
ip:
port: 9999
logpath: /data/applogs/xxl-job/jobhandler
logretentiondays: 30
accessToken: default_token
videoprocess:
ffmpegpath: D:/soft/ffmpeg/ffmpeg.exe
下边启动两个执行器实例，观察每个实例的执行情况
首先在nacos中配置media-service的本地优先配置：
| YAML |
将media-service启动两个实例
两个实例的在启动时注意端口不能冲突：
实例1 在VM options处添加：-Dserver.port=63051 -Dxxl.job.executor.port=9998
实例2 在VM options处添加：-Dserver.port=63050 -Dxxl.job.executor.port=9999
例如：
启动两个实例
观察任务调度中心，稍等片刻执行器有两个
观察两个执行实例的日志：
另一实例的日志如下：
从日志可以看每个实例的分片序号不同。
到此作业分片任务调试完成，此时我们可以思考：
当一次分片广播到来，各执行器如何根据分片参数去分布式执行任务，保证执行器之间执行的任务不重复呢？
