分布式作业系统 Elastic-Job-Cloud 源码分析 —— 本地运行模式

  • 2019 年 10 月 29 日
  • 笔记

摘要: 原创出处 http://www.iocoder.cn/Elastic-Job/cloud-local-executor/

本文基于 Elastic-Job V2.1.5 版本分享

  • 1. 概述
  • 2. 配置
  • 3. 运行
  • 666. 彩蛋

1. 概述

本文主要分享 Elastic-Job-Cloud 本地运行模式，对应《官方文档 —— 本地运行模式》。

有什么用呢？引用官方解答：

在开发 Elastic-Job-Cloud 作业时，开发人员可以脱离 Mesos 环境，在本地运行和调试作业。可以利用本地运行模式充分的调试业务功能以及单元测试，完成之后再部署至 Mesos 集群。 本地运行作业无需安装 Mesos 环境。

? 是不是很赞 + 1024？！

本文涉及到主体类的类图如下( 打开大图 )：

2. 配置

LocalCloudJobConfiguration，本地云作业配置，在《Elastic-Job-Cloud 源码分析 —— 作业配置》“3.2 本地云作业配置”有详细解析。

创建本地云作业配置示例代码如下（来自官方）：

LocalCloudJobConfiguration config = new LocalCloudJobConfiguration(      new SimpleJobConfiguration(      // 配置作业类型和作业基本信息      JobCoreConfiguration.newBuilder("FooJob", "*/2 * * * * ?", 3)          .shardingItemParameters("0=Beijing,1=Shanghai,2=Guangzhou")          .jobParameter("dbName=dangdang").build(), "com.dangdang.foo.FooJob"),          // 配置当前运行的作业是第几个分片          1,          // 配置Spring相关参数。如果不配置，代表不使用 Spring 配置。          "testSimpleJob" , "applicationContext.xml");

3. 运行

LocalTaskExecutor，本地作业执行器。

创建本地作业执行器示例代码如下（来自官方）：

new LocalTaskExecutor(localJobConfig).execute();

可以看到，调用 LocalTaskExecutor#execute() 方法，执行作业逻辑，实现代码如下：

// LocalTaskExecutor.java    public void execute() {     AbstractElasticJobExecutor jobExecutor;     CloudJobFacade jobFacade = new CloudJobFacade(getShardingContexts(), getJobConfigurationContext(), new JobEventBus());     // 创建执行器     switch (localCloudJobConfiguration.getTypeConfig().getJobType()) {         case SIMPLE:             jobExecutor = new SimpleJobExecutor(getJobInstance(SimpleJob.class), jobFacade);             break;         case DATAFLOW:             jobExecutor = new DataflowJobExecutor(getJobInstance(DataflowJob.class), jobFacade);             break;         case SCRIPT:             jobExecutor = new ScriptJobExecutor(jobFacade);             break;         default:             throw new UnsupportedOperationException(localCloudJobConfiguration.getTypeConfig().getJobType().name());     }     // 执行作业     jobExecutor.execute();  }
  • 调用 #getShardingContexts() 方法，创建分片上下文集合( ShardingContexts )，实现代码如下：
private ShardingContexts getShardingContexts() {     JobCoreConfiguration coreConfig = localCloudJobConfiguration.getTypeConfig().getCoreConfig();     Map<Integer, String> shardingItemMap = new HashMap<>(1, 1);     shardingItemMap.put(localCloudJobConfiguration.getShardingItem(),             new ShardingItemParameters(coreConfig.getShardingItemParameters()).getMap().get(localCloudJobConfiguration.getShardingItem()));     return new ShardingContexts(             // taskId ?             Joiner.on("@-@").join(localCloudJobConfiguration.getJobName(), localCloudJobConfiguration.getShardingItem(), "READY", "foo_slave_id", "foo_uuid"),             localCloudJobConfiguration.getJobName(), coreConfig.getShardingTotalCount(), coreConfig.getJobParameter(), shardingItemMap);  }
  • 调用 #getJobConfigurationContext() 方法，创建内部的作业配置上下文( JobConfigurationContext )，实现代码如下：
private <T extends ElasticJob> T getJobInstance(final Class<T> clazz) {     Object result;     if (Strings.isNullOrEmpty(localCloudJobConfiguration.getApplicationContext())) { // 直接创建 ElasticJob         String jobClass = localCloudJobConfiguration.getTypeConfig().getJobClass();         try {             result = Class.forName(jobClass).newInstance();         } catch (final ReflectiveOperationException ex) {             throw new JobSystemException("Elastic-Job: Class '%s' initialize failure, the error message is '%s'.", jobClass, ex.getMessage());         }     } else { // Spring 环境获得 ElasticJob         result = new ClassPathXmlApplicationContext(localCloudJobConfiguration.getApplicationContext()).getBean(localCloudJobConfiguration.getBeanName());     }     return clazz.cast(result);  }
  • 调用 #getJobInstance(...) 方法， 获得分布式作业( ElasticJob )实现实例，实现代码如下：
private JobConfigurationContext getJobConfigurationContext() {     Map<String, String> jobConfigurationMap = new HashMap<>();     jobConfigurationMap.put("jobClass", localCloudJobConfiguration.getTypeConfig().getJobClass());     jobConfigurationMap.put("jobType", localCloudJobConfiguration.getTypeConfig().getJobType().name());     jobConfigurationMap.put("jobName", localCloudJobConfiguration.getJobName());     jobConfigurationMap.put("beanName", localCloudJobConfiguration.getBeanName());     jobConfigurationMap.put("applicationContext", localCloudJobConfiguration.getApplicationContext());     if (JobType.DATAFLOW == localCloudJobConfiguration.getTypeConfig().getJobType()) { // 数据流作业         jobConfigurationMap.put("streamingProcess", Boolean.toString(((DataflowJobConfiguration) localCloudJobConfiguration.getTypeConfig()).isStreamingProcess()));     } else if (JobType.SCRIPT == localCloudJobConfiguration.getTypeConfig().getJobType()) { // 脚本作业         jobConfigurationMap.put("scriptCommandLine", ((ScriptJobConfiguration) localCloudJobConfiguration.getTypeConfig()).getScriptCommandLine());     }     return new JobConfigurationContext(jobConfigurationMap);  }
  • 调用 AbstractElasticJobExecutor#execute() 方法，执行作业逻辑。 Elastic-Job-Lite 和 Elastic-Job-Cloud 作业执行基本一致，在《Elastic-Job-Lite 源码分析 —— 作业执行》有详细解析。

VirMach 便宜 VPS

QNews

QNews