定时任务上云改造方案
优质博文：IT-BLOG-CN
一、Job单元化
什么Job需要单元化：所有会往单元化DB更新/删除/插入数据的Job都需要进行单元化改造。
什么是单元化DB
【1】指配置为DRC双向复制的DB；
【2】单元化的DB部署在多个Zone，每个Zone内的实例都会被读写，以便达到：1）Zone故障时无需等待DB切换；2）请求的处理链路完全封闭在Zone内，低延迟；不同Zone负责不同的数据，例如按照OrderId%100进行Shard流量，Shard和Zone是多对一关系，以保证多个Zone间数据的双向复制不会产生冲突。
上云改造方案
【1】Job部署在所有Zone，调用所有Zone中的实例，每个Zone的Job实例只处理属于本Zone的数据，不处理其他Zone的数据。
【2】当流量切分规则发生变化时，终止当前调度，重新获取当前Job所在Zone应该处理哪些Shard并用这些Shard的进度最小值作为新的进度开始调度。同时需要保证Job逻辑的幂等性，防止跳跃性数据修改规则后重复执行。
为什么当规则发生变化时，取最小值和保证Job数据的幂等性：
举例：SH处理Shard S1和S2，SIN处理S0，当需要把S1从SH切换至SIN时，此时SH的进度是3，SIN的进度是7。在SIN响应流量切换规则变化时，发现自己此时可以处理Shard S0和S1的数据，如果按照之前的进度7来进行，就会漏掉SH未处理的5。同时，JOB逻辑需要幂等。
Job为什么要Sharding分Zone执行部署数据：
因为DB进行了单元化改造，读写操作都在Zone的Master上进行，上云前的框架都是依赖一个全局唯一的DB Master进行一些互斥和可见性的操作，所以DB单元化后JOB执行的数据也需要分Zone执行。
改造后的Job
确定数据是否归属当前Zone处理： 将处理的数据orderId传给单元化组件UCS客户端API判断。
流量切分规则变化： 当Zone故障或者Zone之间流量比例调整时，Shard->Zone的映射关系会发生变化，每个Zone内的Job实例处理的数据也会发生变化。
【1】QSchedule Job：QSchedule会通知每个Zone的Job实例终止当前调度并发起一次新的调度，Job实例通过QSchedule传递过来的上下文获取当前Job实例应该处理哪些Shard并重新开始业务处理逻辑。
【2】非QSchedule Job：Job实例需要自行监听UCS客户端的策略变化，收到通知后终止当前业务处理逻辑，然后通过UCS客户端重新获取当前Job实例应该处理哪些Shard并重新开始业务处理逻辑。
代码逻辑改动
每次调度执行一次批量计算的Job
改造前
public void startQSchedule(QScheduleContext ctx) {// 从 Offset 存储中获取上次扫描过的 OffsetOffset startOffset = offsetDao.queryStartOffset();// 根据 Offset 获取本地调度需要处理的数据List<SourceItem> sourceItems = sourceDao.selectBatch(startOffset, maxItemCount);// 业务逻辑处理process(sourceItems);// 计算并保存最新 OffsetoffsetDao.save(calcucateLatestOffset(startOffset, sourceItems));
}
改造后
public void startQSchedule(QScheduleContext ctx) {// #改造点# 通过 ctx 中本次调度负责的 Shards, 计算本次调度的起始 Offset (负责的Shards中最小的Offset)Offset startOffset = offsetDao.queryStartOffset();// 根据 Offset 获取本地调度需要处理的数据List<SourceItem> sourceItems = sourceDao.selectBatch(startOffset, maxItemCount);// #改造点# 使用 RouteContextBuilders 作为 UCS 路由 过滤本次调度处理的数据List<SourceItem> filteredItems = UCSHelper.filterCurrentZoneItems(ctx, sourceItems, RouteContextBuilders.Builder()...build());// 业务逻辑处理process(filteredItems);// #改造点# 计算并保本次调度完成后的最新 Offset，并映射到本次调度时单元化策略涉及到的 ShardUCSHelper.saveOffset(ctx, calcucateLatestOffset(startOffset, sourceItems));
}
Long-Running Job：指Job启动函数里存在无限循环，触发调度后，除非循环条件不满足，否则会一直持续运行，每次循环需要做的事情由业务逻辑自行控制，典型的Long-Running Job。
改造前
public void startJob(QScheduleContext ctx) {// 从 Offset 存储中获取上次扫描过的 OffsetOffset startOffset = offsetDao.queryStartOffset();// 这里是无限循环的条件，使用QSchedule提供的API来判断是否本次调度已被终止while (!ctx.isStopped()) {// 根据 Offset 获取本地调度需要处理的数据List<SourceItem> sourceItems = sourceDao.selectBatch(startOffset, maxItemCount);// 业务逻辑处理process(sourceItems, latestScanedOffset);// 等待一段时间TimeUnit.SECONDS.sleep(1);}
}
改造后
public void startJob(QScheduleContext ctx) {// #改造点# 通过ctx中本次调度应该负责的Shard，计算本次调度的起始 Offset，一般是用多个 Shard 的最小 OffsetOffset startOffset = UCSHelper.calculateMinimumOffsetOfShards(ctx);// 这里是无限循环的条件，使用QSchedule提供的API来判断是否本次调度已被终止// 当单元化策略发生变化时，调度将会停止，等待 QSchedule Server 再次启动调度，此时会更新 ctx 中的 Shards 信息while (!ctx.isStopped()) {// 根据 Offset 获取本地调度需要处理的数据List<SourceItem> sourceItems = sourceDao.selectBatch(startOffset, maxItemCount);// #改造点# 使用 RouteContextBuilders 作为 UCS 路由 过滤本次调度处理的数据List<SourceItem> filteredItems = UCSHelper.filterCurrentZoneItems(ctx, sourceItems, RouteContextBuilders.Builder()...build());// 业务逻辑处理 process(filteredItems);// #改造点# 计算并更新本次调度完成后的最新 OffsetstartOffset = calcucateLatestOffset(startOffset, filteredItems);// #改造点#UCSHelper.saveOffset(ctx, startOffset);// 等待一段时间TimeUnit.SECONDS.sleep(1);}
}
正确性保证
【1】QSchedule调度上下文会封装本次调度涉及到的Shard信息。多次调度过程看到的Shard信息会随单元化策略变化而变化。一次完整的调度过程内部使用的Shard信息是一致的，不会因为单元化策略变化而变化。
【2】调度过程中，下面三个步骤使用到的Shard信息是完全相同的，保证Shard信息的原子性：一下三个步骤如果检测到单元化策略发生变化，会及时终止本次调度，等待QSchedule服务端再次调度。
● 根据Shard获取对应的StartOffset；
● 根据Shard过滤扫描到的数据；
● 保存处理的最新Offset和上述Shard的对应变化；
二、PaaS基础组件多IDC接入
根据RegionCode确定数据所在Region，使得常用的数据查询或业务处理操作可以在单个节点上执行，以达到数据单元化处理和数据合规策略动态调整的效果，从而避免跨节点带来额外性能消耗和数据跨境合规问题。
分布式调度中心： 因为业务中大部分JOB都是通过扫表来对数据进行批量处理，所以多IDC场景下则基于存储的RegionCode将任务分散到多个IDC，数据经过单元化过滤后，进行分片处理。