From 1a7a6f4fa8e1e73bdcd5392bdbf1a65b58433d5e Mon Sep 17 00:00:00 2001 From: tjq Date: Thu, 21 May 2020 20:36:05 +0800 Subject: [PATCH] [doc] release oms guidance --- others/guidance/content/docs/FAQ.md | 31 ++ others/guidance/content/docs/todo.md | 25 ++ .../guidance/content/docs/version/migrate.md | 10 + .../guidance/content/docs/version/update.md | 53 +++ others/guidance/public/404.html | 2 +- others/guidance/public/categories/index.html | 44 +- others/guidance/public/docs/faq/index.html | 390 +++++++++++++++++ others/guidance/public/docs/index.html | 44 +- others/guidance/public/docs/index.xml | 27 ++ .../docs/startup/1-server-startup/index.html | 48 +- .../docs/startup/2-worker-startup/index.html | 57 ++- .../startup/3-processor-develop/index.html | 44 +- .../docs/startup/4-console-guide/index.html | 44 +- .../guidance/public/docs/startup/index.html | 44 +- .../public/docs/super/container/index.html | 44 +- others/guidance/public/docs/super/index.html | 44 +- .../public/docs/super/openapi/index.html | 44 +- others/guidance/public/docs/todo/index.html | 370 ++++++++++++++++ .../guidance/public/docs/version/index.html | 50 ++- others/guidance/public/docs/version/index.xml | 25 +- .../public/docs/version/migrate/index.html | 346 +++++++++++++++ .../public/docs/version/update/index.html | 411 ++++++++++++++++++ ...d161bfe46403b0c38923ed7353fe2eb834fd9b7.js | 1 - ...38460e719dee5a90e78d64caca7ec38766fc6f5.js | 1 + ...129e832618f93ba193658e88e4cfeb51a71475.js} | 2 +- others/guidance/public/index.html | 56 ++- others/guidance/public/index.xml | 48 ++ others/guidance/public/sitemap.xml | 18 +- others/guidance/public/tags/index.html | 44 +- 29 files changed, 2323 insertions(+), 44 deletions(-) create mode 100644 others/guidance/content/docs/FAQ.md create mode 100644 others/guidance/content/docs/todo.md create mode 100644 others/guidance/content/docs/version/migrate.md create mode 100644 others/guidance/content/docs/version/update.md create mode 100644 others/guidance/public/docs/faq/index.html create mode 100644 others/guidance/public/docs/todo/index.html create mode 100644 others/guidance/public/docs/version/migrate/index.html create mode 100644 others/guidance/public/docs/version/update/index.html delete mode 100644 others/guidance/public/en.search-data.min.415b9efb332dc463bc8ad5e36d161bfe46403b0c38923ed7353fe2eb834fd9b7.js create mode 100644 others/guidance/public/en.search-data.min.d511b35de2f0b83562f51f0bf38460e719dee5a90e78d64caca7ec38766fc6f5.js rename others/guidance/public/{en.search.min.e2f9b2f3cf3fad006da31fc1558075ea0493c82e60c3b707d1745af9a528b273.js => en.search.min.8c0739389d262fcac555a16288129e832618f93ba193658e88e4cfeb51a71475.js} (91%) diff --git a/others/guidance/content/docs/FAQ.md b/others/guidance/content/docs/FAQ.md new file mode 100644 index 00000000..832fe4ff --- /dev/null +++ b/others/guidance/content/docs/FAQ.md @@ -0,0 +1,31 @@ +--- +title: FAQ +weight: 1000 +--- + +{{< hint info >}} +这里记录一些好问题和高频问题。 +{{< /hint >}} + +### Q：生成环境能用吗？ + +A：可以。框架从发布到现在已经趋于稳定，且开发者[@KFCFans](https://github.com/KFCFans)当前有充足的时间维护框架，一旦发现bug，可以联系我，保证第一时间修复！ + +### Q：请问，有没有通过API增删改查执行的操作？ + +A：OpenAPI就是为此而生的。OpenAPI在Http的基础上进行了封装，提供规范的接口完成任务的管理与运维。 + +### Q：Ignite也支持分布式计算，请问这个项目有什么优势？ + +A：从本质上讲，OhMyScheduler是一个具有分布式计算能力的调度平台，而Ignite是一个分布式计算平台，前者立足于调度（虽然本项目的亮点是分布式计算没错啦…），后者立足于大数据计算，两者立足点不同。 + +从分布式计算的角度来讲，Ignite确实具备全部OhMyScheduler的功能（毕竟人家是Apache顶级项目...），OhMyScheduler-Worker集群可以看成嵌入式的Ignite集群，整体对外提供服务。两者虽然表面上功能有所重合，但背后的设计理念是截然不同的。 + +Ignite本质上是由分布式内存SQL数据库发展而来的分布式计算平台，它解决的问题更偏向于大数据处理（Spark、Hadoop之类），因此对于传统的Java项目并不是非常友好，比如官方推荐的部署模式是建立独立的Ignite集群负责计算，业务应用只负责提交代码。再比如获取各种资源（Spring Bean）都需要先注入Ignite中，这对于依赖繁杂的业务来说是非常痛苦的。 + +而OhMyScheduler就是面向业务应用设计的，从示例代码中也能看出，开发OhMyScheduler的处理器是没有任何额外的成本的，想要某个SpringBean，直接注入即可。想要分发任务，调用map方法即可，开发者的学习和使用成本会低很多。 + +一句话总结就是：Ignite的分布式计算偏向于数据侧，适用于大数据处理。而OhMyScheduler的分布式计算偏向于业务侧，适用于传统Java应用的业务处理。 + +此外，高效开发一直是OhMyScheduler的设计理念，像在线查看任务运行情况、在线查看任务运行日志等功能，在实际开发中将会非常实用。 + diff --git a/others/guidance/content/docs/todo.md b/others/guidance/content/docs/todo.md new file mode 100644 index 00000000..c1228bee --- /dev/null +++ b/others/guidance/content/docs/todo.md @@ -0,0 +1,25 @@ +--- +title: 开发计划 +weight: 4 + +--- + +{{< hint info >}} +截止目前（v1.2.0），框架的基本功能（调度和分布式计算）已经趋于稳定，大家可以放心接入使用。不过为了使框架更为成熟易用，仍有需要不断改进和开发的地方。 +{{< /hint >}} + +## 下阶段规划 + +* 支持DAG工作流 +* 任务的优先级系统，需要可抢占式实现，~~~而不是SchedulerX那种傻等式~~~ +* 在线日志的限流 & 本地数据库分表提升在线日志最大吞吐量 +* 保护性判断（优先级较低，太繁琐了且意义不大，毕竟面向开发者，大家不会乱填参数对不对～） + +## 共同建设邀请 (❁´◡`❁)*✲ﾟ* + +都看到这里了，相比您对本项目产生了**浓厚**的兴趣，欢迎加入开源社区，为框架贡献自己的力量～ + +（PR、Issue求求了～） + +如果有什么想法、建议或意见，都欢迎联系作者：tengjiqi@gmail.com。 + diff --git a/others/guidance/content/docs/version/migrate.md b/others/guidance/content/docs/version/migrate.md new file mode 100644 index 00000000..9eefdce4 --- /dev/null +++ b/others/guidance/content/docs/version/migrate.md @@ -0,0 +1,10 @@ +--- +title: 迁移指南 +weight: 2 +--- + +{{< hint info >}} +记录当发生不兼容的版本变更时，开发者需要做出的升级和迁移。 +{{< /hint >}} + +暂无 \ No newline at end of file diff --git a/others/guidance/content/docs/version/update.md b/others/guidance/content/docs/version/update.md new file mode 100644 index 00000000..9cf732d7 --- /dev/null +++ b/others/guidance/content/docs/version/update.md @@ -0,0 +1,53 @@ +--- +title: 更新日志 +weight: 1 +--- + +## 规范：语义化版本 + +{{< hint info >}} +为了避免后期维护困难，本框架需要时刻遵守如下准则： +{{< /hint >}} + +**版本格式**：主版本号.次版本号.修订号 + +**递增规则**： + +1. 主版本号：当做了不兼容的 API 修改 +2. 次版本号：当你做了向下兼容的功能性新增 +3. 修订号：当你做了向下兼容的问题修正 + +## 更新记录 + +### v1.2.0 [2020.5.21] + +* 新增容器扩展能力，极大提升系统的灵活性和扩展性。 +* 新增**OhMyAgent**代理worker，与容器技术相结合可提供巨大的灵活可定制性。 +* 新增“垃圾回收机制”，定期清理工作区产生的垃圾，降低磁盘占用。 +* 新增**OhMyClient**高可用特性，允许开发者填入多个IP进行容错。 +* 切换Web容器，为了获得更好的websocket支持，OhMyScheduler当前使用**undertow**取代Tomcat作为Web容器。 +* 移除Worker自动寻找可用端口功能，目前仅使用配置文件制定的端口。 +* 更改了worker序列化框架复用技术，从对象池切换到了ThreadLocal（为了容器技术而作出的微小性能牺牲）。 +* 美化了前端页面（再次感谢[某知名上市电商公司前端工程师](https://github.com/fengnan0929)对本项目的大力支持）！ +* 修复在线日志在部分情况下无法正确显示的BUG。 +* 修复了若干（我想不起来了但是确实修复了的）BUG～ + +### v1.1.0 [2020.5.11] + +* 新增在线日志功能，可在控制台直接查看任务运行时日志，高效便捷！ +* 美化了部分前端页面（T_T） +* 修复若干BUG～ + +### v1.0.0 [2020.4.20] + +**第一个正式版本**，发布了以下特性： + +- 支持CRON、固定频率、固定延迟和API四种调度策略。 +- 支持单机、广播、**MapReduce**三种执行模式。 +- 支持任意的水平扩展，性能强劲无上限。 +- 具有强大的故障转移与恢复能力，只要保证集群可用节点数足够，任务就能顺利完成。 +- 仅依赖数据库，部署简单，上手容易，开发高效，仅需几行代码即可获得整个集群的分布式计算能力。 +- 支持SpringBean、普通Java类（内置/外置）、Shell、Python等处理器。 + + + diff --git a/others/guidance/public/404.html b/others/guidance/public/404.html index 38f61ceb..4a29c95e 100644 --- a/others/guidance/public/404.html +++ b/others/guidance/public/404.html @@ -14,7 +14,7 @@ - + + + + + + + +
+ + +
+
+ +
+ + + FAQ + + +
+ + + + + + + +
+ + + +
+ 这里记录一些好问题和高频问题。 +
+ +

Q：生成环境能用吗？

+

A：可以。框架从发布到现在已经趋于稳定，且开发者@KFCFans当前有充足的时间维护框架，一旦发现bug，可以联系我，保证第一时间修复！

+

Q：请问，有没有通过API增删改查执行的操作？

+

A：OpenAPI就是为此而生的。OpenAPI在Http的基础上进行了封装，提供规范的接口完成任务的管理与运维。

+

Q：Ignite也支持分布式计算，请问这个项目有什么优势？

+

A：从本质上讲，OhMyScheduler是一个具有分布式计算能力的调度平台，而Ignite是一个分布式计算平台，前者立足于调度（虽然本项目的亮点是分布式计算没错啦…），后者立足于大数据计算，两者立足点不同。

+

从分布式计算的角度来讲，Ignite确实具备全部OhMyScheduler的功能（毕竟人家是Apache顶级项目…），OhMyScheduler-Worker集群可以看成嵌入式的Ignite集群，整体对外提供服务。两者虽然表面上功能有所重合，但背后的设计理念是截然不同的。

+

Ignite本质上是由分布式内存SQL数据库发展而来的分布式计算平台，它解决的问题更偏向于大数据处理（Spark、Hadoop之类），因此对于传统的Java项目并不是非常友好，比如官方推荐的部署模式是建立独立的Ignite集群负责计算，业务应用只负责提交代码。再比如获取各种资源（Spring Bean）都需要先注入Ignite中，这对于依赖繁杂的业务来说是非常痛苦的。

+

而OhMyScheduler就是面向业务应用设计的，从示例代码中也能看出，开发OhMyScheduler的处理器是没有任何额外的成本的，想要某个SpringBean，直接注入即可。想要分发任务，调用map方法即可，开发者的学习和使用成本会低很多。

+

一句话总结就是：Ignite的分布式计算偏向于数据侧，适用于大数据处理。而OhMyScheduler的分布式计算偏向于业务侧，适用于传统Java应用的业务处理。

+

此外，高效开发一直是OhMyScheduler的设计理念，像在线查看任务运行情况、在线查看任务运行日志等功能，在实际开发中将会非常实用。

+
+ + + +
+ +
+ + + + + +
+ + + +
+ + + +
+ +
+ + + + +
+ + + + +
+ + + + + + + + + + + + + + + + + diff --git a/others/guidance/public/docs/index.html b/others/guidance/public/docs/index.html index 0b9ab3dd..8cb15853 100644 --- a/others/guidance/public/docs/index.html +++ b/others/guidance/public/docs/index.html @@ -14,7 +14,7 @@ - + + + + + + + +
+ + +
+
+ +
+ + + 开发计划 + + +
+ + + + + + + +
+ + + +
+ 截止目前（v1.2.0），框架的基本功能（调度和分布式计算）已经趋于稳定，大家可以放心接入使用。不过为了使框架更为成熟易用，仍有需要不断改进和开发的地方。 +
+ +

下阶段规划

+
    +
  • 支持DAG工作流
    • +
  • 任务的优先级系统，需要可抢占式实现，而不是SchedulerX那种傻等式
    • +
  • 在线日志的限流 & 本地数据库分表提升在线日志最大吞吐量
    • +
  • 保护性判断（优先级较低，太繁琐了且意义不大，毕竟面向开发者，大家不会乱填参数对不对～）
    • +
+

共同建设邀请 (❁´◡`❁)✲ﾟ

+

都看到这里了，相比您对本项目产生了浓厚的兴趣，欢迎加入开源社区，为框架贡献自己的力量～

+

（PR、Issue求求了～）

+

如果有什么想法、建议或意见，都欢迎联系作者：tengjiqi@gmail.com。

+
+ + + +
+ +
+ + + + + +
+ + + +
+ + + +
+ +
+ + + + +
+ + + + +
+ + + + + + + + + + + + + + + + + diff --git a/others/guidance/public/docs/version/index.html b/others/guidance/public/docs/version/index.html index dab6f4ce..a7535bdc 100644 --- a/others/guidance/public/docs/version/index.html +++ b/others/guidance/public/docs/version/index.html @@ -5,16 +5,16 @@ - + -更新日志 | OhMyScheduler +版本与升级 | OhMyScheduler - + + + + + + + +
+ + +
+
+ +
+ + + 迁移指南 + + +
+ + + + + + + +
+ + + +
+ 记录当发生不兼容的版本变更时，开发者需要做出的升级和迁移。 +
+ +

暂无

+
+ + + +
+ +
+ + + + + +
+ + + +
+ + + +
+ +
+ + + + +
+ + + + +
+ + + + + + + + + + + + + + + + + diff --git a/others/guidance/public/docs/version/update/index.html b/others/guidance/public/docs/version/update/index.html new file mode 100644 index 00000000..49a887c2 --- /dev/null +++ b/others/guidance/public/docs/version/update/index.html @@ -0,0 +1,411 @@ + + + + + + + + + + + + +更新日志 | OhMyScheduler + + + + + + + + + + + +
+ + +
+
+ +
+ + + 更新日志 + + +
+ + + + + + + +
+ + + +

规范：语义化版本

+
+ 为了避免后期维护困难，本框架需要时刻遵守如下准则： +
+ +

版本格式：主版本号.次版本号.修订号

+

递增规则：

+
    +
  1. 主版本号：当做了不兼容的 API 修改
    2. +
  2. 次版本号：当你做了向下兼容的功能性新增
    3. +
  3. 修订号：当你做了向下兼容的问题修正
    4. +
+

更新记录

+

v1.2.0 [2020.5.21]

+
    +
  • 新增容器扩展能力，极大提升系统的灵活性和扩展性。
    • +
  • 新增OhMyAgent代理worker，与容器技术相结合可提供巨大的灵活可定制性。
    • +
  • 新增“垃圾回收机制”，定期清理工作区产生的垃圾，降低磁盘占用。
    • +
  • 新增OhMyClient高可用特性，允许开发者填入多个IP进行容错。
    • +
  • 切换Web容器，为了获得更好的websocket支持，OhMyScheduler当前使用undertow取代Tomcat作为Web容器。
    • +
  • 移除Worker自动寻找可用端口功能，目前仅使用配置文件制定的端口。
    • +
  • 更改了worker序列化框架复用技术，从对象池切换到了ThreadLocal（为了容器技术而作出的微小性能牺牲）。
    • +
  • 美化了前端页面（再次感谢某知名上市电商公司前端工程师对本项目的大力支持）！
    • +
  • 修复在线日志在部分情况下无法正确显示的BUG。
    • +
  • 修复了若干（我想不起来了但是确实修复了的）BUG～
    • +
+

v1.1.0 [2020.5.11]

+
    +
  • 新增在线日志功能，可在控制台直接查看任务运行时日志，高效便捷！
    • +
  • 美化了部分前端页面（T_T）
    • +
  • 修复若干BUG～
    • +
+

v1.0.0 [2020.4.20]

+

第一个正式版本，发布了以下特性：

+
    +
  • 支持CRON、固定频率、固定延迟和API四种调度策略。
    • +
  • 支持单机、广播、MapReduce三种执行模式。
    • +
  • 支持任意的水平扩展，性能强劲无上限。
    • +
  • 具有强大的故障转移与恢复能力，只要保证集群可用节点数足够，任务就能顺利完成。
    • +
  • 仅依赖数据库，部署简单，上手容易，开发高效，仅需几行代码即可获得整个集群的分布式计算能力。
    • +
  • 支持SpringBean、普通Java类（内置/外置）、Shell、Python等处理器。
    • +
+
+ + + +
+ +
+ + + + + +
+ + + +
+ + + +
+ +
+ + + + +
+ + + + +
+ + + + + + + + + + + + + + + + + diff --git a/others/guidance/public/en.search-data.min.415b9efb332dc463bc8ad5e36d161bfe46403b0c38923ed7353fe2eb834fd9b7.js b/others/guidance/public/en.search-data.min.415b9efb332dc463bc8ad5e36d161bfe46403b0c38923ed7353fe2eb834fd9b7.js deleted file mode 100644 index e8353934..00000000 --- a/others/guidance/public/en.search-data.min.415b9efb332dc463bc8ad5e36d161bfe46403b0c38923ed7353fe2eb834fd9b7.js +++ /dev/null @@ -1 +0,0 @@ -'use strict';(function(){const indexCfg={cache:true};indexCfg.doc={id:'id',field:['title','content'],store:['title','href'],};const index=FlexSearch.create('balance',indexCfg);window.bookSearchIndex=index;index.add({'id':0,'href':'/ohmyscheduler/docs/super/container/','title':"容器",'content':"什么是容器？ 介绍 OhMyScheduler的容器技术允许开发者开发独立于Worker项目之外Java处理器，简单来说，就是以Maven工程项目的维度去组织一堆Java文件（开发者开发的众多脚本处理器），进而兼具开发效率和可维护性。\n用途举例 比如，突然出现了某个数据库数据清理任务，与主业务无关，写进原本的项目工程中不太优雅，这时候就可以单独创建一个用于数据操作的容器，在里面完成处理器的开发，通过OhMyScheduler的容器部署技术在Worker集群上被加载执行。 比如，常见的日志清理啊，机器状态上报啊，对于广大Java程序员来说，也许并不是很会写shell脚本，此时也可以借用agent+容器技术，利用Java完成各项原本需要通过脚本进行的操作。 （感觉例子举的都不是很好\u0026hellip;这个东西嘛，只可意会不可言传，大家努力理解一下吧～超好用哦～）\n生成容器模版 为了方便开发者使用，最新版本的前端页面已经支持容器工程模版的自动生成，开发者仅需要填入相关信息即可下载容器模版开始开发。 Group：对应Maven的\u0026lt;groupId\u0026gt;标签，一般填入倒写的公司域名。 Artifact：对于Maven的\u0026lt;artifactId\u0026gt;标签，填入代表该容器的唯一标示。 Name：对应Maven的\u0026lt;name\u0026gt;标签，填入该容器名称。 Package Name：包名，代表了的容器工程内部所使用的包名，警告：包名一旦生成后，请勿更改！否则会导致运行时容器加载错误（当然，如有必须修改包名的需求，可以尝试替换/resource下以oms-worker-container开头的所有文件相关的值）。 Java Version：容器工程的Java版本，请务必与容器目标部署Worker平台的Java版本保持一致。 开发容器工程 完成容器模版创建后，下载，解压，会得到如下结构的Java工程：\noms-template-origin // 工程名称，可以自由更改 ├── pom.xml └── src ├── main │ ├── java │ │ └── cn │ │ └── edu │ │ └── zju │ │ └── tjq │ │ └── container │ │ └── samples // 所有处理器代码必须位于该目录下，其余类随意 │ └── resources // 严禁随意更改以下两个配置文件（允许添加，不允许更改现有内容） │ ├── oms-worker-container-spring-context.xml │ └── oms-worker-container.properties └── test └── java 之后便可以愉快地在packageName下编写处理器代码啦～\n需要示例代码？客官这边请～\n创建容器 目前，OhMyScheduler支持使用Git代码库和FatJar来创建容器。创建路径：容器运维 -\u0026gt; 容器管理 -\u0026gt; 新建容器。\n当使用Git代码库创建容器时，OhMyScheduler-Server需要完成代码库的下载、编译、构建和上传，因此需要server运行环境包含可用的Git和Maven环境（包括私服的访问权限）。 下图为使用Git代码库创建容器的示例，需要填入容器名称和代码库信息等参数：\n下图为使用FatJar创建容器的示例，需要上传可用的FatJar（注：FatJar值包含了所有依赖的Jar文件）：\n部署容器 完成容器创建后，便可在容器管理界面查看已创建的容器，点击部署，可以看到详细的部署信息。 部署完成后，可以点击机器列表查看已部署该容器的机器信息。 "});index.add({'id':1,'href':'/ohmyscheduler/docs/startup/','title':"快速开始",'content':""});index.add({'id':2,'href':'/ohmyscheduler/docs/startup/1-server-startup/','title':"调度中心（Server）部署",'content':"环境要求 Open JDK 8+\n Apache Maven 3+\n 任意 Spring Data Jpa 支持的关系型数据库（MySQL/Oracle/MS SQLServer\u0026hellip;）\n MongoDB（可选），任意支持GridFS的mongoDB版本（4.2.6测试通过，其余未经测试，仅从理论角度分析可用），缺失该组件的情况下将无法使用在线日志、容器部署等扩展功能\n 初始化关系数据库 调度服务器（oh-my-scheduler-server）的持久化层基于Spring Boot Jpa实现，对于能够直连数据库的应用，开发者仅需完成数据库的创建，即运行SQL：CREATE database if NOT EXISTS oms-product default character set utf8mb4 collate utf8mb4_unicode_ci;`\n OhMyScheduler支持环境隔离，提供日常（daily）、预发（pre）和线上（product）三套环境，请根据使用的环境分别部署对应的数据库：oms-daily、oms-pre和oms-product。 调度服务器属于时间敏感应用，强烈建议检查当前数据库所使用的时区信息（show variables like \u0026quot;%time_zone%\u0026quot;;），务必确保time_zone代表的时区与JDBC URL中serverTimezone字段代表的时区一致！ 手动建表表SQL文件：下载地址 部署调度服务器—源码编译 调度服务器（oh-my-scheduler-server）支持任意的水平扩展，即多实例集群部署仅需要在同一个局域网内启动新的服务器实例，性能强劲无上限！\n 调度服务器（oh-my-scheduler-server）为了支持环境隔离，分别采用了日常（application-daily.properties）、预发（application-pre.properties）和线上（application-product.properties）三套配置文件，请根据实际需求进行修改，以下为配置文件详解。\n 配置项 含义 可选 server.port SpringBoot配置，HTTP端口号，默认7700 否 oms.akka.port OhMyScheduler配置，Akka端口号，默认10086 否 oms.alarm.bean.names OhMyScheduler报警服务Bean名称，多值逗号分隔 是 spring.datasource.core.xxx 关系型数据库连接配置 否 spring.mail.xxx 邮件配置 是，未配置情况下将无法使用邮件报警功能 spring.data.mongodb.xxx MongoDB连接配置 是，未配置情况下将无法使用在线日志功能 oms.log.retention.local 本地日志保留天数，负数代表永久保留 否 oms.log.retention.remote 远程日志保留天数，负数代表永久保留 否 oms.container.retention.local 扩展的报警服务Bean，多值逗号分割，默认为邮件报警 否 oms.container.retention.remote 远程容器保留天数，负数代表永久保留 否 完成配置文件修改后，即可正式开始部署：\n 打包：运行mvn clean package -U -Pdev -DskipTests，构建调度中心Jar文件。 运行：运行java -jar oms-server.jar --spring.profiles.active=product，指定生效的配置文件。 验证：访问http://ip:port查看是否出现OhMyScheduler的欢迎页面。 部署调度服务器—Docker 建议自己根据项目中的Dockerfile稍作修改，制作自己的Docker镜像，而不是直接使用官方镜像！原因在于：容器功能需要用到Git和Maven来编译代码库，而公司内部往往都会搭建自己的私有仓库，所以Git容器功能没办法正常运行（即，官方镜像中的调度服务器不支持Git容器的部署）。 Docker Hub地址\n部署流程：\n 下载镜像：docker pull tjqq/oms-server 创建容器并运行（所有SpringBoot的启动参数都可通过-e Params=\u0026quot;\u0026quot;传入） docker run -d -e PARAMS=\u0026#34;--spring.profiles.active=product\u0026#34; -p 7700:7700 -p 10086:10086 -p 27777:27777 --name oms-server -v ~/docker/oms-server:/root/oms-server tjqq/oms-server:$version 单独部署前端页面（可选） 每一个oh-my-scheduler-server都自带了前端页面，不过Tomcat（为了完善的WebSocket支持，现已切换到Undertow）做Web服务器的性能就呵呵了（看评测好像还行，不过有追求的用户还是建议单独使用源码部署）～\n 源码克隆：OhMyScheduler-Console 替换地址：修改main.js中的axios.defaults.baseURL为服务器地址 npm run build -\u0026gt; nginx config 特别鸣谢：感谢某知名上市电商公司前端开发者对本项目的大力支持！\n初始化应用分组 每一个业务系统初次接入OhMyScheduler时，都需要先完成应用注册。\n 应用注册，用于进行业务分组： 应用名称：关键参数，一般填入接入的业务应用名称即可，需要保证唯一。同一个应用名称的所有worker视为一个集群被调度中心调度。 应用描述：可选参数，便于记忆，无实际用处。 用户注册，用于收集报警信息，用户注册录入个人信息后，即可通过报警配置进行通知。 "});index.add({'id':3,'href':'/ohmyscheduler/docs/super/openapi/','title':"OpenAPI",'content':"OpenAPI允许开发者通过接口来完成手工的操作，让系统整体变得更加灵活。开发者可以基于API便捷地扩展OhMyScheduler原有的功能。 依赖 最新依赖版本请参考Maven中央仓库：推荐地址\u0026amp;备用地址。\n\u0026lt;dependency\u0026gt; \u0026lt;groupId\u0026gt;com.github.kfcfans\u0026lt;/groupId\u0026gt; \u0026lt;artifactId\u0026gt;oh-my-scheduler-client\u0026lt;/artifactId\u0026gt; \u0026lt;version\u0026gt;1.2.0\u0026lt;/version\u0026gt; \u0026lt;/dependency\u0026gt; 简单示例 // 初始化 client，需要server地址和应用名称作为参数 OhMyClient ohMyClient = new OhMyClient(\u0026#34;127.0.0.1:7700\u0026#34;, \u0026#34;oms-test\u0026#34;); // 调用相关的API ohMyClient.stopInstance(1586855173043L) API列表 创建/修改任务 接口签名：ResultDTO\u0026lt;Long\u0026gt; saveJob(ClientJobInfo newJobInfo)\n入参：任务信息（详细说明见下表，也可以参考前端任务创建各参数的正确填法）\n返回值：ResultDTO，根据success判断操作是否成功。若操作成功，data字段返回任务ID\n 属性 说明 jobId 任务ID，可选，null代表创建任务，否则填写需要修改的任务ID jobName 任务名称 jobDescription 任务描述 jobParams 任务参数，Processor#process方法入参TaskContext对象的jobParams字段 timeExpressionType 时间表达式类型，枚举值 timeExpression 时间表达式，填写类型由timeExpressionType决定，比如CRON需要填写CRON表达式 executeType 执行类型，枚举值 processorType 处理器类型，枚举值 processorInfo 处理器参数，填写类型由processorType决定，如Java处理器需要填写全限定类名，如：com.github.kfcfans.oms.processors.demo.MapReduceProcessorDemo maxInstanceNum 最大实例数，该任务同时执行的数量（任务和实例就像是类和对象的关系，任务被调度执行后被称为实例） concurrency 单机线程并发数，表示该实例执行过程中每个Worker使用的线程数量 instanceTimeLimit 任务实例运行时间限制，0代表无任何限制，超时会被打断并判定为执行失败 instanceRetryNum 任务实例重试次数，整个任务失败时重试，代价大，不推荐使用 taskRetryNum Task重试次数，每个子Task失败后单独重试，代价小，推荐使用 minCpuCores 最小可用CPU核心数，CPU可用核心数小于该值的Worker将不会执行该任务，0代表无任何限制 minMemorySpace 最小内存大小（GB），可用内存小于该值的Worker将不会执行该任务，0代表无任何限制 minDiskSpace 最小磁盘大小（GB），可用磁盘空间小于该值的Worker将不会执行该任务，0代表无任何限制 designatedWorkers 指定机器执行，设置该参数后只有列表中的机器允许执行该任务，0代表无任何限制 maxWorkerCount 最大执行机器数量，限定调动执行的机器数量，空代表无限制 notifyUserIds 接收报警的用户ID列表 enable 是否启用该任务，未启用的任务不会被调度 查找任务 接口签名：ResultDTO\u0026lt;JobInfoDTO\u0026gt; fetchJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功，若请求成功则返回任务的详细信息\n禁用某个任务 接口签名：ResultDTO\u0026lt;Void\u0026gt; disableJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功\n启用某个任务 接口签名：ResultDTO\u0026lt;Void\u0026gt; enableJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功\n删除某个任务 接口签名：ResultDTO\u0026lt;Void\u0026gt; deleteJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功\n立即运行某个任务 接口签名：ResultDTO\u0026lt;Long\u0026gt; runJob(Long jobId, String instanceParams)\n入参：任务ID + 任务实例参数（Processor#process方法入参TaskContext对象的instanceParams字段）\n返回值：根据success判断操作是否成功，操作成功返回对应的任务实例ID(instanceId)\n停止某个任务实例 接口签名：ResultDTO\u0026lt;Void\u0026gt; stopInstance(Long instanceId)\n入参：任务实例ID\n返回值：根据success判断操作是否成功\n查询某个任务实例 接口签名：ResultDTO\u0026lt;InstanceInfoDTO\u0026gt; fetchInstanceInfo(Long instanceId)\n入参：任务实例ID\n返回值：根据success判断操作是否成功，操作成功返回任务实例的详细信息\n查询某个任务实例的状态 接口签名：ResultDTO\u0026lt;Integer\u0026gt; fetchInstanceStatus(Long instanceId)\n入参：任务实例ID\n返回值：根据success判断操作是否成功，操作成功返回任务实例的状态码，对应的枚举为：InstanceStatus\n"});index.add({'id':4,'href':'/ohmyscheduler/docs/startup/2-worker-startup/','title':"执行器（Worker）初始化",'content':"基于宿主应用的执行器初始化 宿主应用即原有的业务应用，假如需要调度执行的任务与当前业务有较为紧密的联系，建议采取该方式。\n 首先，添加相关的jar包依赖，最新依赖版本请参考maven中央仓库：推荐地址\u0026amp;备用地址\n\u0026lt;dependency\u0026gt; \u0026lt;groupId\u0026gt;com.github.kfcfans\u0026lt;/groupId\u0026gt; \u0026lt;artifactId\u0026gt;oh-my-scheduler-worker\u0026lt;/artifactId\u0026gt; \u0026lt;version\u0026gt;1.2.0\u0026lt;/version\u0026gt; \u0026lt;/dependency\u0026gt; 其次，填写执行器客户端配置文件OhMyConfig，各参数说明如下表所示：\n 属性名称 含义 默认值 appName 宿主应用名称，需要提前在控制台完成注册 无，必填项，否则启动报错 port Worker工作端口 27777 serverAddress 调度中心（oh-my-scheduler-server）地址列表 无，必填项，否则启动报错 storeStrategy 本地存储策略，枚举值磁盘/内存，大型MapReduce等会产生大量Task的任务推荐使用磁盘降低内存压力，否则建议使用内存加速计算 StoreStrategy.DISK（磁盘） maxResultLength 每个Task返回结果的默认长度，超长将被截断。过长可能导致网络拥塞 8096 enableTestMode 是否启用测试模式，启用后无需Server也能顺利启动OhMyScheduler-Worker，用于处理器本地的单元测试 false 最后，初始化客户端，完成执行器的启动，代码示例如下：\n@Configuration public class OhMySchedulerConfig { @Bean public OhMyWorker initOMS() throws Exception { // 服务器HTTP地址（端口号为 server.port，而不是 ActorSystem port） List\u0026lt;String\u0026gt; serverAddress = Lists.newArrayList(\u0026#34;127.0.0.1:7700\u0026#34;, \u0026#34;127.0.0.1:7701\u0026#34;); // 1. 创建配置文件 OhMyConfig config = new OhMyConfig(); config.setPort(27777); config.setAppName(\u0026#34;oms-test\u0026#34;); config.setServerAddress(serverAddress); // 如果没有大型 Map/MapReduce 的需求，建议使用内存来加速计算 // 为了本地模拟多个实例，只能使用 MEMORY 启动（文件只能由一个应用占有） config.setStoreStrategy(StoreStrategy.MEMORY); // 2. 创建 Worker 对象，设置配置文件 OhMyWorker ohMyWorker = new OhMyWorker(); ohMyWorker.setConfig(config); return ohMyWorker; } } 非Spring应用程序在创建OhMyWorker对象后手动调用ohMyWorker.init()方法完成初始化即可。\n OhMyScheduler日志单独配置\n目前，OhMyScheduler-Worker并没有实现自己的LogFactory（如果有需求的话请提ISSUE，可以考虑实现），原因如下：\n OhMyScheduler-Worker的日志基于Slf4J输出，即采用了基于门面设计模式的日志框架，宿主应用无论如何都可以搭起Slf4J与实际的日志框架这座桥梁。 减轻了部分开发工作量，不再需要实现自己的LogFactory（虽然不怎么难就是了\u0026hellip;）。 为此，为了顺利且友好地输出日志，请在日志配置文件（logback.xml/log4j2.xml/\u0026hellip;）中为OhMyScheduler-Worker单独进行日志配置，比如（logback示例）：\n\u0026lt;appender name=\u0026#34;OMS_WORKER_APPENDER\u0026#34; class=\u0026#34;ch.qos.logback.core.rolling.RollingFileAppender\u0026#34;\u0026gt; \u0026lt;file\u0026gt;${LOG_PATH}/oms-worker.log\u0026lt;/file\u0026gt; \u0026lt;rollingPolicy class=\u0026#34;ch.qos.logback.core.rolling.TimeBasedRollingPolicy\u0026#34;\u0026gt; \u0026lt;FileNamePattern\u0026gt;${LOG_PATH}/oms-worker.%d{yyyy-MM-dd}.log\u0026lt;/FileNamePattern\u0026gt; \u0026lt;MaxHistory\u0026gt;7\u0026lt;/MaxHistory\u0026gt; \u0026lt;/rollingPolicy\u0026gt; \u0026lt;encoder class=\u0026#34;ch.qos.logback.classic.encoder.PatternLayoutEncoder\u0026#34;\u0026gt; \u0026lt;pattern\u0026gt;%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{50} - %msg%n\u0026lt;/pattern\u0026gt; \u0026lt;charset\u0026gt;UTF-8\u0026lt;/charset\u0026gt; \u0026lt;/encoder\u0026gt; \u0026lt;append\u0026gt;true\u0026lt;/append\u0026gt; \u0026lt;/appender\u0026gt; \u0026lt;logger name=\u0026#34;com.github.kfcfans.oms.worker\u0026#34; level=\u0026#34;INFO\u0026#34; additivity=\u0026#34;false\u0026#34;\u0026gt; \u0026lt;appender-ref ref=\u0026#34;OMS_WORKER_APPENDER\u0026#34; /\u0026gt; \u0026lt;/logger\u0026gt; 无论如何，OhMyScheduler-Worker启动时都会打印Banner（如下所示），您可以通过Banner来判断日志配置是否成功（emmm\u0026hellip;Markdown显示似乎有点丑，实际上超帅的呢～）：\n███████ ██ ████ ████ ████████ ██ ██ ██ ██░░░░░██ ░██ ░██░██ ██░██ ██ ██ ██░░░░░░ ░██ ░██ ░██ ██ ░░██░██ ░██░░██ ██ ░██ ░░██ ██ ░██ █████ ░██ █████ ░██ ██ ██ ░██ █████ ██████ ░██ ░██░██████ ░██ ░░███ ░██ ░░███ ░█████████ ██░░░██░██████ ██░░░██ ██████░██ ░██ ░██ ██░░░██░░██░░█ ░██ ░██░██░░░██░██ ░░█ ░██ ░██ ░░░░░░░░██░██ ░░ ░██░░░██░███████ ██░░░██░██ ░██ ░██░███████ ░██ ░ ░░██ ██ ░██ ░██░██ ░ ░██ ██ ░██░██ ██░██ ░██░██░░░░ ░██ ░██░██ ░██ ░██░██░░░░ ░██ ░░███████ ░██ ░██░██ ░██ ██ ████████ ░░█████ ░██ ░██░░██████░░██████░░██████ ███░░██████░███ ░░░░░░░ ░░ ░░ ░░ ░░ ░░ ░░░░░░░░ ░░░░░ ░░ ░░ ░░░░░░ ░░░░░░ ░░░░░░ ░░░ ░░░░░░ ░░░ 基于agent的执行器初始化 agent是一个没有任何业务逻辑的执行器（其实就是为worker加了一个main方法）。\n 代码编译方式启动示例：java -jar oh-my-scheduler-worker-agent-1.2.0.jar -a my-agent：\nUsage: OhMyAgent [-hV] -a=\u0026lt;appName\u0026gt; [-e=\u0026lt;storeStrategy\u0026gt;] [-l=\u0026lt;length\u0026gt;] [-p=\u0026lt;port\u0026gt;] [-s=\u0026lt;server\u0026gt;] OhMyScheduler-Worker代理 -a, --app=\u0026lt;appName\u0026gt; worker-agent名称，可通过调度中心控制台创建 -e, --persistence=\u0026lt;storeStrategy\u0026gt; 存储策略，枚举值，DISK 或 MEMORY -h, --help Show this help message and exit. -l, --length=\u0026lt;length\u0026gt; 返回值最大长度 -p, --port=\u0026lt;port\u0026gt; worker-agent的ActorSystem监听端口，不建议更改 -s, --server=\u0026lt;server\u0026gt; 调度中心地址，多值英文逗号分隔，格式 IP:Port OR domain -V, --version Print version information and exit. Docker镜像：Docker Hub\n"});index.add({'id':5,'href':'/ohmyscheduler/docs/super/','title':"高级特性",'content':""});index.add({'id':6,'href':'/ohmyscheduler/docs/startup/3-processor-develop/','title':"处理器开发",'content':"处理器概述 OhMyScheduler当前支持Shell、Python等脚本处理器和Java处理器。脚本处理器只需要开发者完成脚本的编写（xxx.sh / xxx.py），在控制台填入脚本内容即可，本章不再赘述。本章将重点阐述Java处理器开发方法与使用技巧。\n Java处理器可根据代码所处位置划分为内置Java处理器和容器Java处理器，前者直接集成在宿主应用（也就是接入本系统的业务应用）中，一般用来处理业务需求；后者可以在一个独立的轻量级的Java工程中开发，通过容器技术（详见容器章节）被worker集群热加载，提供Java的“脚本能力”，一般用于处理灵活多变的需求。 Java处理器可根据对象创建者划分为SpringBean处理器和普通Java对象处理器，前者由Spring IOC容器完成处理器的创建和初始化，后者则有OhMyScheduler维护其状态。如果宿主应用支持Spring，强烈建议使用SpringBean处理器，开发者仅需要将Processor注册进Spring IOC容器（一个@Component注解或一句bean配置）。 Java处理器可根据功能划分为单机处理器、广播处理器、Map处理器和MapReduce处理器。 单机处理器（BasicProcessor）对应了单机任务，即某个任务的某次运行只会有某一台机器的某一个线程参与运算。 广播处理器（BroadcastProcessor）对应了广播任务，即某个任务的某次运行会调动集群内所有机器参与运算。 Map处理器（MapProcessor）对应了Map任务，即某个任务在运行过程中，允许产生子任务并分发到其他机器进行运算。 MapReduce处理器（MapReduceProcessor）对应了MapReduce任务，在Map任务的基础上，增加了所有任务结束后的汇总统计。 核心方法：process 任意Java处理器都需要实现处理的核心方法，其接口签名如下：\nProcessResult process(TaskContext context) throws Exception; 方法入参TaskContext，包含了本次处理的上下文信息，具体属性如下：\n 属性名称 意义/用法 jobId 任务ID，开发者一般无需关心此参数 instanceId 任务实例ID，全局唯一，开发者一般无需关心此参数 subInstanceId 子任务实例ID，秒级任务使用，开发者一般无需关心此参数 taskId 采用链式命名法的ID，在某个任务实例内唯一，开发者一般无需关心此参数 taskName task名称，Map/MapReduce任务的子任务的值为开发者指定，否则为系统默认值，开发者一般无需关心此参数 jobParams 任务参数，其值等同于控制台录入的任务参数，常用！ instanceParams 任务实例参数，其值等同于使用OpenAPI运行任务实例时传递的参数，常用！ maxRetryTimes Task的最大重试次数 currentRetryTimes Task的当前重试次数，和maxRetryTimes联合起来可以判断当前是否为该Task的最后一次运行机会 subTask 子Task，Map/MapReduce处理器专属，开发者调用map方法时传递的子任务列表中的某一个 omsLogger 在线日志，用法同Slf4J，记录的日志可以直接通过控制台查看，非常便捷和强大！不过使用过程中需要注意频率，可能对Server造成巨大的压力 方法的返回值为ProcessResult，代表了本次Task执行的结果，包含success和msg两个属性，分别用于传递Task是否执行成功和Task需要返回的信息。\n单机处理器：BasicProcessor 单机执行的策略下，server会在所有可用worker中选取健康度最佳的机器进行执行。单机执行任务需要实现接口：BasicProcessor，代码示例如下：\n// 支持 SpringBean 的形式 @Component public class BasicProcessorDemo implements BasicProcessor { @Resource private MysteryService mysteryService; @Override public ProcessResult process(TaskContext context) throws Exception { // 在线日志功能，可以直接在控制台查看任务日志，非常便捷 OmsLogger omsLogger = context.getOmsLogger(); omsLogger.info(\u0026#34;BasicProcessorDemo start to process, current JobParams is {}.\u0026#34;, context.getJobParams()); // TaskContext为任务的上下文信息，包含了在控制台录入的任务元数据，常用字段为 // jobParams（任务参数，在控制台录入），instanceParams（任务实例参数，通过 OpenAPI 触发的任务实例才可能存在该参数） // 进行实际处理... mysteryService.hasaki(); // 返回结果，该结果会被持久化到数据库，在前端页面直接查看，极为方便 return new ProcessResult(true, \u0026#34;result is xxx\u0026#34;); } } 广播处理器：BroadcastProcessor 广播执行的策略下，所有机器都会被调度执行该任务。为了便于资源的准备和释放，广播处理器在BasicProcessor的基础上额外增加了preProcess和postProcess方法，分别在整个集群开始之前/结束之后选一台机器执行相关方法。代码示例如下：\n@Component public class BroadcastProcessorDemo extends BroadcastProcessor { @Override public ProcessResult preProcess(TaskContext taskContext) throws Exception { // 预执行，会在所有 worker 执行 process 方法前调用 return new ProcessResult(true, \u0026#34;init success\u0026#34;); } @Override public ProcessResult process(TaskContext context) throws Exception { // 撰写整个worker集群都会执行的代码逻辑 return new ProcessResult(true, \u0026#34;release resource success\u0026#34;); } @Override public ProcessResult postProcess(TaskContext taskContext, List\u0026lt;TaskResult\u0026gt; taskResults) throws Exception { // taskResults 存储了所有worker执行的结果（包括preProcess） // 收尾，会在所有 worker 执行完毕 process 方法后调用，该结果将作为最终的执行结果 return new ProcessResult(true, \u0026#34;process success\u0026#34;); } } 并行处理器：MapReduceProcessor MapReduce是最复杂也是最强大的一种执行器，它允许开发者完成任务的拆分，将子任务派发到集群中其他Worker执行，是执行大批量处理任务的不二之选！实现MapReduce处理器需要继承MapReduceProcessor类，具体用法如下示例代码所示：\n@Component public class MapReduceProcessorDemo extends MapReduceProcessor { @Override public ProcessResult process(TaskContext context) throws Exception { // 判断是否为根任务 if (isRootTask()) { // 构造子任务 List\u0026lt;SubTask\u0026gt; subTaskList = Lists.newLinkedList(); /* * 子任务的构造由开发者自己定义 * eg. 现在需要从文件中读取100W个ID，并处理数据库中这些ID对应的数据，那么步骤如下： * 1. 根任务（RootTask）读取文件，流式拉取100W个ID，并按1000个一批的大小组装成子任务进行派发 * 2. 非根任务获取子任务，完成业务逻辑的处理 */ // 调用 map 方法，派发子任务 return map(subTaskList, \u0026#34;DATA_PROCESS_TASK\u0026#34;); } // 非子任务，可根据 subTask 的类型 或 TaskName 来判断分支 if (context.getSubTask() instanceof SubTask) { // 执行子任务，注：子任务人可以 map 产生新的子任务，可以构建任意级的 MapReduce 处理器 return new ProcessResult(true, \u0026#34;PROCESS_SUB_TASK_SUCCESS\u0026#34;); } return new ProcessResult(false, \u0026#34;UNKNOWN_BUG\u0026#34;); } @Override public ProcessResult reduce(TaskContext taskContext, List\u0026lt;TaskResult\u0026gt; taskResults) { // 所有 Task 执行结束后，reduce 将会被执行 // taskResults 保存了所有子任务的执行结果 // 用法举例，统计执行结果 AtomicLong successCnt = new AtomicLong(0); taskResults.forEach(tr -\u0026gt; { if (tr.isSuccess()) { successCnt.incrementAndGet(); } }); // 该结果将作为任务最终的执行结果 return new ProcessResult(true, \u0026#34;success task num:\u0026#34; + successCnt.get()); } // 自定义的子任务 private static class SubTask { private Long siteId; private List\u0026lt;Long\u0026gt; idList; } } 注：Map处理器相当于MapReduce处理器的阉割版本（阉割了reduce方法），此处不再单独举例。\n最佳实践：MapReduce实现静态分片 虽然说这有点傻鸡焉用牛刀的感觉，不过既然目前市场上同类产品都处于静态分片的阶段，我也就在这里给大家举个例子吧～\n@Component public class StaticSliceProcessor extends MapReduceProcessor { @Override public ProcessResult process(TaskContext context) throws Exception { OmsLogger omsLogger = context.getOmsLogger(); // root task 负责分发任务 if (isRootTask()) { // 从控制台传递分片参数，架设格式为KV：1=a\u0026amp;2=b\u0026amp;3=c String jobParams = context.getJobParams(); Map\u0026lt;String, String\u0026gt; paramsMap = Splitter.on(\u0026#34;\u0026amp;\u0026#34;).withKeyValueSeparator(\u0026#34;=\u0026#34;).split(jobParams); List\u0026lt;SubTask\u0026gt; subTasks = Lists.newLinkedList(); paramsMap.forEach((k, v) -\u0026gt; subTasks.add(new SubTask(Integer.parseInt(k), v))); return map(subTasks, \u0026#34;SLICE_TASK\u0026#34;); } Object subTask = context.getSubTask(); if (subTask instanceof SubTask) { // 实际处理 // 当然，如果觉得 subTask 还是很大，也可以继续分发哦 return new ProcessResult(true, \u0026#34;subTask:\u0026#34; + ((SubTask) subTask).getIndex() + \u0026#34; process successfully\u0026#34;); } return new ProcessResult(false, \u0026#34;UNKNOWN BUG\u0026#34;); } @Override public ProcessResult reduce(TaskContext context, List\u0026lt;TaskResult\u0026gt; taskResults) { // 按需求做一些统计工作... 不需要的话，直接使用 Map 处理器即可 return new ProcessResult(true, \u0026#34;xxxx\u0026#34;); } @Getter @NoArgsConstructor @AllArgsConstructor private static class SubTask { private int index; private String params; } } 最佳实践：MapReduce多级分发处理 利用MapReduce实现 Root -\u0026gt; A -\u0026gt; B/C -\u0026gt; Reduce）的DAG 工作流。\n@Component public class DAGSimulationProcessor extends MapReduceProcessor { @Override public ProcessResult process(TaskContext context) throws Exception { if (isRootTask()) { // L1. 执行根任务 // 执行完毕后产生子任务 A，需要传递的参数可以作为 TaskA 的属性进行传递 TaskA taskA = new TaskA(); return map(Lists.newArrayList(taskA), \u0026#34;LEVEL1_TASK_A\u0026#34;); } if (context.getSubTask() instanceof TaskA) { // L2. 执行A任务 // 执行完成后产生子任务 B，C（并行执行） TaskB taskB = new TaskB(); TaskC taskC = new TaskC(); return map(Lists.newArrayList(taskB, taskC), \u0026#34;LEVEL2_TASK_BC\u0026#34;); } if (context.getSubTask() instanceof TaskB) { // L3. 执行B任务 return new ProcessResult(true, \u0026#34;xxx\u0026#34;); } if (context.getSubTask() instanceof TaskC) { // L3. 执行C任务 return new ProcessResult(true, \u0026#34;xxx\u0026#34;); } return new ProcessResult(false, \u0026#34;UNKNOWN_TYPE_OF_SUB_TASK\u0026#34;); } @Override public ProcessResult reduce(TaskContext context, List\u0026lt;TaskResult\u0026gt; taskResults) { // L4. 执行最终 Reduce 任务，taskResults保存了之前所有任务的结果 taskResults.forEach(taskResult -\u0026gt; { // do something... }); return new ProcessResult(true, \u0026#34;reduce success\u0026#34;); } private static class TaskA { } private static class TaskB { } private static class TaskC { } } 更多示例 没看够？更多示例请见：oh-my-scheduler-worker-samples\n"});index.add({'id':7,'href':'/ohmyscheduler/docs/startup/4-console-guide/','title':"任务管理与在线运维",'content':"前端控制台允许开发者可视化地进行任务增、删、改、查等管理操作，同时也能直观地看到任务的运行数据，包括运行状态、详情和在线日志等。以下为对控制台的详细介绍： 主页 展示了系统整体的概览和集群Worker列表。\n任务创建 创建需要被调度执行的任务，入口为主页 -\u0026gt; 任务管理 -\u0026gt; 新建任务。\n 任务名称：名称，便于记忆与搜索，无特殊用途，请尽量简短（占用数据库字段空间）\n 任务描述：描述，无特殊作用，请尽量简短（占用数据库字段空间）\n 任务参数：任务处理时能够获取到的参数（即各个Processor的process方法入参TaskContext对象的jobParams字段）（进行一次处理器开发就能理解了）\n 定时信息：由下拉框和输入框组成\n API -\u0026gt; 不需要填写任何参数（填了也不起作用） CRON -\u0026gt; 填写 CRON 表达式（可以找个在线生成网站生成） 固定频率 -\u0026gt; 填写整数，单位毫秒 固定延迟 -\u0026gt; 填写整数，单位毫秒 执行配置：由执行类型（单机、广播和MapReduce）、处理器类型和处理器参数组成，后两项相互关联。\n 内置Java处理器 -\u0026gt; 填写该处理器的全限定类名（eg, com.github.kfcfans.oms.processors.demo.MapReduceProcessorDemo） Java容器 -\u0026gt; 填写容器ID#处理器全限定类名（eg，1#com.github.kfcfans.oms.container.DemoProcessor） SHELL -\u0026gt; 填写需要处理的脚本（直接复制文件内容）或脚本下载连接（http://xxx） PYTHON -\u0026gt; 填写完整的python脚本或下载连接（http://xxx） 运行配置\n 最大实例数：该任务同时执行的数量（任务和实例就像是类和对象的关系，任务被调度执行后被称为实例） 单机线程并发数：该实例执行过程中每个Worker使用的线程数量（MapReduce任务生效，其余无论填什么，都只会使用1个线程或3个线程\u0026hellip;） 运行时间限制：限定任务的最大运行时间，超时则视为失败，单位毫秒，0代表不限制超时时间。 重试配置：\n 任务重试次数：实例级别，失败了整个任务实例重试，会更换TaskTracker（本次任务实例的Master节点），代价较大，大型Map/MapReduce慎用。 子任务重试次数：Task级别，每个子Task失败后单独重试，会更换ProcessorTracker（本次任务实际执行的Worker节点），代价较小，推荐使用。 注：对于单机任务来说，假如任务重试次数和子任务重试次数都配置了1且都执行失败，实际执行次数会变成4次！推荐任务实例重试配置为0，子任务重试次数根据实际情况配置。 机器配置：用来标明允许执行任务的机器状态，避开那些摇摇欲坠的机器，0代表无任何限制。\n 最低CPU核心数：填写浮点数，CPU可用核心数小于该值的Worker将不会执行该任务。 最低内存（GB）：填写浮点数，可用内存小于该值的Worker将不会执行该任务。 最低磁盘（GB）：填写浮点数，可用磁盘空间小于该值的Worker将不会执行该任务。 集群配置\n 执行机器地址：指定集群中的某几台机器执行任务（debug的好帮手），多值英文逗号分割，如192.168.1.1:27777,192.168.1.2:27777 最大执行机器数量：限定调动执行的机器数量 报警配置：选择任务执行失败后报警通知的对象，需要事先录入。\n 任务管理 直观地展示当前系统所管理的所有任务信息，并提供相应的运维方法。\n运行状态 直观地展示当前系统中运行任务实例的状态，点击详情即可获取详细的信息，点击日志可以查看通过omsLogger上报的日志，点击停止则可以强制终止该任务。\n在线日志 在线查看Worker执行过程中上报的日志，极大降低debug成本，提升开发效率！\n"});index.add({'id':8,'href':'/ohmyscheduler/docs/version/','title':"更新日志",'content':""});index.add({'id':9,'href':'/ohmyscheduler/docs/','title':"Docs",'content':""});})(); \ No newline at end of file diff --git a/others/guidance/public/en.search-data.min.d511b35de2f0b83562f51f0bf38460e719dee5a90e78d64caca7ec38766fc6f5.js b/others/guidance/public/en.search-data.min.d511b35de2f0b83562f51f0bf38460e719dee5a90e78d64caca7ec38766fc6f5.js new file mode 100644 index 00000000..0a3f248a --- /dev/null +++ b/others/guidance/public/en.search-data.min.d511b35de2f0b83562f51f0bf38460e719dee5a90e78d64caca7ec38766fc6f5.js @@ -0,0 +1 @@ +'use strict';(function(){const indexCfg={cache:true};indexCfg.doc={id:'id',field:['title','content'],store:['title','href'],};const index=FlexSearch.create('balance',indexCfg);window.bookSearchIndex=index;index.add({'id':0,'href':'/ohmyscheduler/docs/super/container/','title':"容器",'content':"什么是容器？ 介绍 OhMyScheduler的容器技术允许开发者开发独立于Worker项目之外Java处理器，简单来说，就是以Maven工程项目的维度去组织一堆Java文件（开发者开发的众多脚本处理器），进而兼具开发效率和可维护性。\n用途举例 比如，突然出现了某个数据库数据清理任务，与主业务无关，写进原本的项目工程中不太优雅，这时候就可以单独创建一个用于数据操作的容器，在里面完成处理器的开发，通过OhMyScheduler的容器部署技术在Worker集群上被加载执行。 比如，常见的日志清理啊，机器状态上报啊，对于广大Java程序员来说，也许并不是很会写shell脚本，此时也可以借用agent+容器技术，利用Java完成各项原本需要通过脚本进行的操作。 （感觉例子举的都不是很好\u0026hellip;这个东西嘛，只可意会不可言传，大家努力理解一下吧～超好用哦～）\n生成容器模版 为了方便开发者使用，最新版本的前端页面已经支持容器工程模版的自动生成，开发者仅需要填入相关信息即可下载容器模版开始开发。 Group：对应Maven的\u0026lt;groupId\u0026gt;标签，一般填入倒写的公司域名。 Artifact：对于Maven的\u0026lt;artifactId\u0026gt;标签，填入代表该容器的唯一标示。 Name：对应Maven的\u0026lt;name\u0026gt;标签，填入该容器名称。 Package Name：包名，代表了的容器工程内部所使用的包名，警告：包名一旦生成后，请勿更改！否则会导致运行时容器加载错误（当然，如有必须修改包名的需求，可以尝试替换/resource下以oms-worker-container开头的所有文件相关的值）。 Java Version：容器工程的Java版本，请务必与容器目标部署Worker平台的Java版本保持一致。 开发容器工程 完成容器模版创建后，下载，解压，会得到如下结构的Java工程：\noms-template-origin // 工程名称，可以自由更改 ├── pom.xml └── src ├── main │ ├── java │ │ └── cn │ │ └── edu │ │ └── zju │ │ └── tjq │ │ └── container │ │ └── samples // 所有处理器代码必须位于该目录下，其余类随意 │ └── resources // 严禁随意更改以下两个配置文件（允许添加，不允许更改现有内容） │ ├── oms-worker-container-spring-context.xml │ └── oms-worker-container.properties └── test └── java 之后便可以愉快地在packageName下编写处理器代码啦～\n需要示例代码？客官这边请～\n创建容器 目前，OhMyScheduler支持使用Git代码库和FatJar来创建容器。创建路径：容器运维 -\u0026gt; 容器管理 -\u0026gt; 新建容器。\n当使用Git代码库创建容器时，OhMyScheduler-Server需要完成代码库的下载、编译、构建和上传，因此需要server运行环境包含可用的Git和Maven环境（包括私服的访问权限）。 下图为使用Git代码库创建容器的示例，需要填入容器名称和代码库信息等参数：\n下图为使用FatJar创建容器的示例，需要上传可用的FatJar（注：FatJar值包含了所有依赖的Jar文件）：\n部署容器 完成容器创建后，便可在容器管理界面查看已创建的容器，点击部署，可以看到详细的部署信息。 部署完成后，可以点击机器列表查看已部署该容器的机器信息。 "});index.add({'id':1,'href':'/ohmyscheduler/docs/startup/','title':"快速开始",'content':""});index.add({'id':2,'href':'/ohmyscheduler/docs/version/update/','title':"更新日志",'content':"规范：语义化版本 为了避免后期维护困难，本框架需要时刻遵守如下准则： 版本格式：主版本号.次版本号.修订号\n递增规则：\n 主版本号：当做了不兼容的 API 修改 次版本号：当你做了向下兼容的功能性新增 修订号：当你做了向下兼容的问题修正 更新记录 v1.2.0 [2020.5.21] 新增容器扩展能力，极大提升系统的灵活性和扩展性。 新增OhMyAgent代理worker，与容器技术相结合可提供巨大的灵活可定制性。 新增“垃圾回收机制”，定期清理工作区产生的垃圾，降低磁盘占用。 新增OhMyClient高可用特性，允许开发者填入多个IP进行容错。 切换Web容器，为了获得更好的websocket支持，OhMyScheduler当前使用undertow取代Tomcat作为Web容器。 移除Worker自动寻找可用端口功能，目前仅使用配置文件制定的端口。 更改了worker序列化框架复用技术，从对象池切换到了ThreadLocal（为了容器技术而作出的微小性能牺牲）。 美化了前端页面（再次感谢某知名上市电商公司前端工程师对本项目的大力支持）！ 修复在线日志在部分情况下无法正确显示的BUG。 修复了若干（我想不起来了但是确实修复了的）BUG～ v1.1.0 [2020.5.11] 新增在线日志功能，可在控制台直接查看任务运行时日志，高效便捷！ 美化了部分前端页面（T_T） 修复若干BUG～ v1.0.0 [2020.4.20] 第一个正式版本，发布了以下特性：\n 支持CRON、固定频率、固定延迟和API四种调度策略。 支持单机、广播、MapReduce三种执行模式。 支持任意的水平扩展，性能强劲无上限。 具有强大的故障转移与恢复能力，只要保证集群可用节点数足够，任务就能顺利完成。 仅依赖数据库，部署简单，上手容易，开发高效，仅需几行代码即可获得整个集群的分布式计算能力。 支持SpringBean、普通Java类（内置/外置）、Shell、Python等处理器。 "});index.add({'id':3,'href':'/ohmyscheduler/docs/startup/1-server-startup/','title':"调度中心（Server）部署",'content':"环境要求 Open JDK 8+\n Apache Maven 3+\n 任意 Spring Data Jpa 支持的关系型数据库（MySQL/Oracle/MS SQLServer\u0026hellip;）\n MongoDB（可选），任意支持GridFS的mongoDB版本（4.2.6测试通过，其余未经测试，仅从理论角度分析可用），缺失该组件的情况下将无法使用在线日志、容器部署等扩展功能\n 初始化关系数据库 调度服务器（oh-my-scheduler-server）的持久化层基于Spring Boot Jpa实现，对于能够直连数据库的应用，开发者仅需完成数据库的创建，即运行SQL：CREATE database if NOT EXISTS oms-product default character set utf8mb4 collate utf8mb4_unicode_ci;`\n OhMyScheduler支持环境隔离，提供日常（daily）、预发（pre）和线上（product）三套环境，请根据使用的环境分别部署对应的数据库：oms-daily、oms-pre和oms-product。 调度服务器属于时间敏感应用，强烈建议检查当前数据库所使用的时区信息（show variables like \u0026quot;%time_zone%\u0026quot;;），务必确保time_zone代表的时区与JDBC URL中serverTimezone字段代表的时区一致！ 手动建表表SQL文件：下载地址 部署调度服务器—源码编译 调度服务器（oh-my-scheduler-server）支持任意的水平扩展，即多实例集群部署仅需要在同一个局域网内启动新的服务器实例，性能强劲无上限！\n 调度服务器（oh-my-scheduler-server）为了支持环境隔离，分别采用了日常（application-daily.properties）、预发（application-pre.properties）和线上（application-product.properties）三套配置文件，请根据实际需求进行修改，以下为配置文件详解。\n 配置项 含义 可选 server.port SpringBoot配置，HTTP端口号，默认7700 否 oms.akka.port OhMyScheduler配置，Akka端口号，默认10086 否 oms.alarm.bean.names OhMyScheduler报警服务Bean名称，多值逗号分隔 是 spring.datasource.core.xxx 关系型数据库连接配置 否 spring.mail.xxx 邮件配置 是，未配置情况下将无法使用邮件报警功能 spring.data.mongodb.xxx MongoDB连接配置 是，未配置情况下将无法使用在线日志功能 oms.log.retention.local 本地日志保留天数，负数代表永久保留 否 oms.log.retention.remote 远程日志保留天数，负数代表永久保留 否 oms.container.retention.local 扩展的报警服务Bean，多值逗号分割，默认为邮件报警 否 oms.container.retention.remote 远程容器保留天数，负数代表永久保留 否 完成配置文件修改后，即可正式开始部署：\n 打包：运行mvn clean package -U -Pdev -DskipTests，构建调度中心Jar文件。 运行：运行java -jar oms-server.jar --spring.profiles.active=product，指定生效的配置文件。 验证：访问http://ip:port查看是否出现OhMyScheduler的欢迎页面。 部署调度服务器—Docker 建议自己根据项目中的Dockerfile稍作修改，制作自己的Docker镜像，而不是直接使用官方镜像！原因在于：容器功能需要用到Git和Maven来编译代码库，而公司内部往往都会搭建自己的私有仓库，所以Git容器功能没办法正常运行（即，官方镜像中的调度服务器不支持Git容器的部署）。 Docker Hub地址\n部署流程：\n 下载镜像：docker pull tjqq/oms-server 创建容器并运行（所有SpringBoot的启动参数都可通过-e Params=\u0026quot;\u0026quot;传入） docker run -d -e PARAMS=\u0026#34;--spring.profiles.active=product\u0026#34; -p 7700:7700 -p 10086:10086 -p 27777:27777 --name oms-server -v ~/docker/oms-server:/root/oms-server tjqq/oms-server:$version 单独部署前端页面（可选） 每一个oh-my-scheduler-server都自带了前端页面，不过Tomcat（为了完善的WebSocket支持，现已切换到Undertow）做Web服务器的性能就呵呵了（看评测好像还行，不过有追求的用户还是建议单独使用源码部署）～\n 源码克隆：OhMyScheduler-Console 替换地址：修改main.js中的axios.defaults.baseURL为服务器地址 npm run build -\u0026gt; nginx config 特别鸣谢：感谢某知名上市电商公司前端开发者对本项目的大力支持！\n初始化应用分组 每一个业务系统初次接入OhMyScheduler时，都需要先完成应用注册。\n 应用注册，用于进行业务分组： 应用名称：关键参数，一般填入接入的业务应用名称即可，需要保证唯一。同一个应用名称的所有worker视为一个集群被调度中心调度。 应用描述：可选参数，便于记忆，无实际用处。 用户注册，用于收集报警信息，用户注册录入个人信息后，即可通过报警配置进行通知。 "});index.add({'id':4,'href':'/ohmyscheduler/docs/super/openapi/','title':"OpenAPI",'content':"OpenAPI允许开发者通过接口来完成手工的操作，让系统整体变得更加灵活。开发者可以基于API便捷地扩展OhMyScheduler原有的功能。 依赖 最新依赖版本请参考Maven中央仓库：推荐地址\u0026amp;备用地址。\n\u0026lt;dependency\u0026gt; \u0026lt;groupId\u0026gt;com.github.kfcfans\u0026lt;/groupId\u0026gt; \u0026lt;artifactId\u0026gt;oh-my-scheduler-client\u0026lt;/artifactId\u0026gt; \u0026lt;version\u0026gt;1.2.0\u0026lt;/version\u0026gt; \u0026lt;/dependency\u0026gt; 简单示例 // 初始化 client，需要server地址和应用名称作为参数 OhMyClient ohMyClient = new OhMyClient(\u0026#34;127.0.0.1:7700\u0026#34;, \u0026#34;oms-test\u0026#34;); // 调用相关的API ohMyClient.stopInstance(1586855173043L) API列表 创建/修改任务 接口签名：ResultDTO\u0026lt;Long\u0026gt; saveJob(ClientJobInfo newJobInfo)\n入参：任务信息（详细说明见下表，也可以参考前端任务创建各参数的正确填法）\n返回值：ResultDTO，根据success判断操作是否成功。若操作成功，data字段返回任务ID\n 属性 说明 jobId 任务ID，可选，null代表创建任务，否则填写需要修改的任务ID jobName 任务名称 jobDescription 任务描述 jobParams 任务参数，Processor#process方法入参TaskContext对象的jobParams字段 timeExpressionType 时间表达式类型，枚举值 timeExpression 时间表达式，填写类型由timeExpressionType决定，比如CRON需要填写CRON表达式 executeType 执行类型，枚举值 processorType 处理器类型，枚举值 processorInfo 处理器参数，填写类型由processorType决定，如Java处理器需要填写全限定类名，如：com.github.kfcfans.oms.processors.demo.MapReduceProcessorDemo maxInstanceNum 最大实例数，该任务同时执行的数量（任务和实例就像是类和对象的关系，任务被调度执行后被称为实例） concurrency 单机线程并发数，表示该实例执行过程中每个Worker使用的线程数量 instanceTimeLimit 任务实例运行时间限制，0代表无任何限制，超时会被打断并判定为执行失败 instanceRetryNum 任务实例重试次数，整个任务失败时重试，代价大，不推荐使用 taskRetryNum Task重试次数，每个子Task失败后单独重试，代价小，推荐使用 minCpuCores 最小可用CPU核心数，CPU可用核心数小于该值的Worker将不会执行该任务，0代表无任何限制 minMemorySpace 最小内存大小（GB），可用内存小于该值的Worker将不会执行该任务，0代表无任何限制 minDiskSpace 最小磁盘大小（GB），可用磁盘空间小于该值的Worker将不会执行该任务，0代表无任何限制 designatedWorkers 指定机器执行，设置该参数后只有列表中的机器允许执行该任务，0代表无任何限制 maxWorkerCount 最大执行机器数量，限定调动执行的机器数量，空代表无限制 notifyUserIds 接收报警的用户ID列表 enable 是否启用该任务，未启用的任务不会被调度 查找任务 接口签名：ResultDTO\u0026lt;JobInfoDTO\u0026gt; fetchJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功，若请求成功则返回任务的详细信息\n禁用某个任务 接口签名：ResultDTO\u0026lt;Void\u0026gt; disableJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功\n启用某个任务 接口签名：ResultDTO\u0026lt;Void\u0026gt; enableJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功\n删除某个任务 接口签名：ResultDTO\u0026lt;Void\u0026gt; deleteJob(Long jobId)\n入参：任务ID\n返回值：根据success判断操作是否成功\n立即运行某个任务 接口签名：ResultDTO\u0026lt;Long\u0026gt; runJob(Long jobId, String instanceParams)\n入参：任务ID + 任务实例参数（Processor#process方法入参TaskContext对象的instanceParams字段）\n返回值：根据success判断操作是否成功，操作成功返回对应的任务实例ID(instanceId)\n停止某个任务实例 接口签名：ResultDTO\u0026lt;Void\u0026gt; stopInstance(Long instanceId)\n入参：任务实例ID\n返回值：根据success判断操作是否成功\n查询某个任务实例 接口签名：ResultDTO\u0026lt;InstanceInfoDTO\u0026gt; fetchInstanceInfo(Long instanceId)\n入参：任务实例ID\n返回值：根据success判断操作是否成功，操作成功返回任务实例的详细信息\n查询某个任务实例的状态 接口签名：ResultDTO\u0026lt;Integer\u0026gt; fetchInstanceStatus(Long instanceId)\n入参：任务实例ID\n返回值：根据success判断操作是否成功，操作成功返回任务实例的状态码，对应的枚举为：InstanceStatus\n"});index.add({'id':5,'href':'/ohmyscheduler/docs/startup/2-worker-startup/','title':"执行器（Worker）初始化",'content':"基于宿主应用的执行器初始化 宿主应用即原有的业务应用，假如需要调度执行的任务与当前业务有较为紧密的联系，建议采取该方式。\n 首先，添加相关的jar包依赖，最新依赖版本请参考maven中央仓库：推荐地址\u0026amp;备用地址\n\u0026lt;dependency\u0026gt; \u0026lt;groupId\u0026gt;com.github.kfcfans\u0026lt;/groupId\u0026gt; \u0026lt;artifactId\u0026gt;oh-my-scheduler-worker\u0026lt;/artifactId\u0026gt; \u0026lt;version\u0026gt;1.2.0\u0026lt;/version\u0026gt; \u0026lt;/dependency\u0026gt; 其次，填写执行器客户端配置文件OhMyConfig，各参数说明如下表所示：\n 属性名称 含义 默认值 appName 宿主应用名称，需要提前在控制台完成注册 无，必填项，否则启动报错 port Worker工作端口 27777 serverAddress 调度中心（oh-my-scheduler-server）地址列表 无，必填项，否则启动报错 storeStrategy 本地存储策略，枚举值磁盘/内存，大型MapReduce等会产生大量Task的任务推荐使用磁盘降低内存压力，否则建议使用内存加速计算 StoreStrategy.DISK（磁盘） maxResultLength 每个Task返回结果的默认长度，超长将被截断。过长可能导致网络拥塞 8096 enableTestMode 是否启用测试模式，启用后无需Server也能顺利启动OhMyScheduler-Worker，用于处理器本地的单元测试 false 最后，初始化客户端，完成执行器的启动，代码示例如下：\n@Configuration public class OhMySchedulerConfig { @Bean public OhMyWorker initOMS() throws Exception { // 服务器HTTP地址（端口号为 server.port，而不是 ActorSystem port） List\u0026lt;String\u0026gt; serverAddress = Lists.newArrayList(\u0026#34;127.0.0.1:7700\u0026#34;, \u0026#34;127.0.0.1:7701\u0026#34;); // 1. 创建配置文件 OhMyConfig config = new OhMyConfig(); config.setPort(27777); config.setAppName(\u0026#34;oms-test\u0026#34;); config.setServerAddress(serverAddress); // 如果没有大型 Map/MapReduce 的需求，建议使用内存来加速计算 // 为了本地模拟多个实例，只能使用 MEMORY 启动（文件只能由一个应用占有） config.setStoreStrategy(StoreStrategy.MEMORY); // 2. 创建 Worker 对象，设置配置文件 OhMyWorker ohMyWorker = new OhMyWorker(); ohMyWorker.setConfig(config); return ohMyWorker; } } 非Spring应用程序在创建OhMyWorker对象后手动调用ohMyWorker.init()方法完成初始化即可。\n OhMyScheduler日志单独配置\n目前，OhMyScheduler-Worker并没有实现自己的LogFactory（如果有需求的话请提ISSUE，可以考虑实现），原因如下：\n OhMyScheduler-Worker的日志基于Slf4J输出，即采用了基于门面设计模式的日志框架，宿主应用无论如何都可以搭起Slf4J与实际的日志框架这座桥梁。 减轻了部分开发工作量，不再需要实现自己的LogFactory（虽然不怎么难就是了\u0026hellip;）。 为此，为了顺利且友好地输出日志，请在日志配置文件（logback.xml/log4j2.xml/\u0026hellip;）中为OhMyScheduler-Worker单独进行日志配置，比如（logback示例）：\n\u0026lt;appender name=\u0026#34;OMS_WORKER_APPENDER\u0026#34; class=\u0026#34;ch.qos.logback.core.rolling.RollingFileAppender\u0026#34;\u0026gt; \u0026lt;file\u0026gt;${LOG_PATH}/oms-worker.log\u0026lt;/file\u0026gt; \u0026lt;rollingPolicy class=\u0026#34;ch.qos.logback.core.rolling.TimeBasedRollingPolicy\u0026#34;\u0026gt; \u0026lt;FileNamePattern\u0026gt;${LOG_PATH}/oms-worker.%d{yyyy-MM-dd}.log\u0026lt;/FileNamePattern\u0026gt; \u0026lt;MaxHistory\u0026gt;7\u0026lt;/MaxHistory\u0026gt; \u0026lt;/rollingPolicy\u0026gt; \u0026lt;encoder class=\u0026#34;ch.qos.logback.classic.encoder.PatternLayoutEncoder\u0026#34;\u0026gt; \u0026lt;pattern\u0026gt;%d{yyyy-MM-dd HH:mm:ss.SSS} [%thread] %-5level %logger{50} - %msg%n\u0026lt;/pattern\u0026gt; \u0026lt;charset\u0026gt;UTF-8\u0026lt;/charset\u0026gt; \u0026lt;/encoder\u0026gt; \u0026lt;append\u0026gt;true\u0026lt;/append\u0026gt; \u0026lt;/appender\u0026gt; \u0026lt;logger name=\u0026#34;com.github.kfcfans.oms.worker\u0026#34; level=\u0026#34;INFO\u0026#34; additivity=\u0026#34;false\u0026#34;\u0026gt; \u0026lt;appender-ref ref=\u0026#34;OMS_WORKER_APPENDER\u0026#34; /\u0026gt; \u0026lt;/logger\u0026gt; 无论如何，OhMyScheduler-Worker启动时都会打印Banner（如下所示），您可以通过Banner来判断日志配置是否成功（emmm\u0026hellip;Markdown显示似乎有点丑，实际上超帅的呢～）：\n███████ ██ ████ ████ ████████ ██ ██ ██ ██░░░░░██ ░██ ░██░██ ██░██ ██ ██ ██░░░░░░ ░██ ░██ ░██ ██ ░░██░██ ░██░░██ ██ ░██ ░░██ ██ ░██ █████ ░██ █████ ░██ ██ ██ ░██ █████ ██████ ░██ ░██░██████ ░██ ░░███ ░██ ░░███ ░█████████ ██░░░██░██████ ██░░░██ ██████░██ ░██ ░██ ██░░░██░░██░░█ ░██ ░██░██░░░██░██ ░░█ ░██ ░██ ░░░░░░░░██░██ ░░ ░██░░░██░███████ ██░░░██░██ ░██ ░██░███████ ░██ ░ ░░██ ██ ░██ ░██░██ ░ ░██ ██ ░██░██ ██░██ ░██░██░░░░ ░██ ░██░██ ░██ ░██░██░░░░ ░██ ░░███████ ░██ ░██░██ ░██ ██ ████████ ░░█████ ░██ ░██░░██████░░██████░░██████ ███░░██████░███ ░░░░░░░ ░░ ░░ ░░ ░░ ░░ ░░░░░░░░ ░░░░░ ░░ ░░ ░░░░░░ ░░░░░░ ░░░░░░ ░░░ ░░░░░░ ░░░ 基于agent的执行器初始化 agent是一个没有任何业务逻辑的执行器（其实就是为worker加了一个main方法）。\n 推荐直接使用Docker部署：oms-agent 与server一样，启动参数通过环境变量-e PARAMS传入，全部参数请见底部。\ndocker run -d -e PARAMS=\u0026#34;--app oms-agent-test --server 192.168.1.1:7700,192.168.1.2:7700\u0026#34; -p 27777:27777 --name my-oms-agent -v ~/docker/my-oms-agent:/root tjqq/oms-agent:$version 代码编译方式启动示例：java -jar oh-my-scheduler-worker-agent-1.2.0.jar -a my-agent：\nUsage: OhMyAgent [-hV] -a=\u0026lt;appName\u0026gt; [-e=\u0026lt;storeStrategy\u0026gt;] [-l=\u0026lt;length\u0026gt;] [-p=\u0026lt;port\u0026gt;] [-s=\u0026lt;server\u0026gt;] OhMyScheduler-Worker代理 -a, --app=\u0026lt;appName\u0026gt; worker-agent名称，可通过调度中心控制台创建 -e, --persistence=\u0026lt;storeStrategy\u0026gt; 存储策略，枚举值，DISK 或 MEMORY -h, --help Show this help message and exit. -l, --length=\u0026lt;length\u0026gt; 返回值最大长度 -p, --port=\u0026lt;port\u0026gt; worker-agent的ActorSystem监听端口，不建议更改 -s, --server=\u0026lt;server\u0026gt; 调度中心地址，多值英文逗号分隔，格式 IP:Port OR domain -V, --version Print version information and exit. "});index.add({'id':6,'href':'/ohmyscheduler/docs/version/migrate/','title':"迁移指南",'content':"记录当发生不兼容的版本变更时，开发者需要做出的升级和迁移。 暂无\n"});index.add({'id':7,'href':'/ohmyscheduler/docs/super/','title':"高级特性",'content':""});index.add({'id':8,'href':'/ohmyscheduler/docs/startup/3-processor-develop/','title':"处理器开发",'content':"处理器概述 OhMyScheduler当前支持Shell、Python等脚本处理器和Java处理器。脚本处理器只需要开发者完成脚本的编写（xxx.sh / xxx.py），在控制台填入脚本内容即可，本章不再赘述。本章将重点阐述Java处理器开发方法与使用技巧。\n Java处理器可根据代码所处位置划分为内置Java处理器和容器Java处理器，前者直接集成在宿主应用（也就是接入本系统的业务应用）中，一般用来处理业务需求；后者可以在一个独立的轻量级的Java工程中开发，通过容器技术（详见容器章节）被worker集群热加载，提供Java的“脚本能力”，一般用于处理灵活多变的需求。 Java处理器可根据对象创建者划分为SpringBean处理器和普通Java对象处理器，前者由Spring IOC容器完成处理器的创建和初始化，后者则有OhMyScheduler维护其状态。如果宿主应用支持Spring，强烈建议使用SpringBean处理器，开发者仅需要将Processor注册进Spring IOC容器（一个@Component注解或一句bean配置）。 Java处理器可根据功能划分为单机处理器、广播处理器、Map处理器和MapReduce处理器。 单机处理器（BasicProcessor）对应了单机任务，即某个任务的某次运行只会有某一台机器的某一个线程参与运算。 广播处理器（BroadcastProcessor）对应了广播任务，即某个任务的某次运行会调动集群内所有机器参与运算。 Map处理器（MapProcessor）对应了Map任务，即某个任务在运行过程中，允许产生子任务并分发到其他机器进行运算。 MapReduce处理器（MapReduceProcessor）对应了MapReduce任务，在Map任务的基础上，增加了所有任务结束后的汇总统计。 核心方法：process 任意Java处理器都需要实现处理的核心方法，其接口签名如下：\nProcessResult process(TaskContext context) throws Exception; 方法入参TaskContext，包含了本次处理的上下文信息，具体属性如下：\n 属性名称 意义/用法 jobId 任务ID，开发者一般无需关心此参数 instanceId 任务实例ID，全局唯一，开发者一般无需关心此参数 subInstanceId 子任务实例ID，秒级任务使用，开发者一般无需关心此参数 taskId 采用链式命名法的ID，在某个任务实例内唯一，开发者一般无需关心此参数 taskName task名称，Map/MapReduce任务的子任务的值为开发者指定，否则为系统默认值，开发者一般无需关心此参数 jobParams 任务参数，其值等同于控制台录入的任务参数，常用！ instanceParams 任务实例参数，其值等同于使用OpenAPI运行任务实例时传递的参数，常用！ maxRetryTimes Task的最大重试次数 currentRetryTimes Task的当前重试次数，和maxRetryTimes联合起来可以判断当前是否为该Task的最后一次运行机会 subTask 子Task，Map/MapReduce处理器专属，开发者调用map方法时传递的子任务列表中的某一个 omsLogger 在线日志，用法同Slf4J，记录的日志可以直接通过控制台查看，非常便捷和强大！不过使用过程中需要注意频率，可能对Server造成巨大的压力 方法的返回值为ProcessResult，代表了本次Task执行的结果，包含success和msg两个属性，分别用于传递Task是否执行成功和Task需要返回的信息。\n单机处理器：BasicProcessor 单机执行的策略下，server会在所有可用worker中选取健康度最佳的机器进行执行。单机执行任务需要实现接口：BasicProcessor，代码示例如下：\n// 支持 SpringBean 的形式 @Component public class BasicProcessorDemo implements BasicProcessor { @Resource private MysteryService mysteryService; @Override public ProcessResult process(TaskContext context) throws Exception { // 在线日志功能，可以直接在控制台查看任务日志，非常便捷 OmsLogger omsLogger = context.getOmsLogger(); omsLogger.info(\u0026#34;BasicProcessorDemo start to process, current JobParams is {}.\u0026#34;, context.getJobParams()); // TaskContext为任务的上下文信息，包含了在控制台录入的任务元数据，常用字段为 // jobParams（任务参数，在控制台录入），instanceParams（任务实例参数，通过 OpenAPI 触发的任务实例才可能存在该参数） // 进行实际处理... mysteryService.hasaki(); // 返回结果，该结果会被持久化到数据库，在前端页面直接查看，极为方便 return new ProcessResult(true, \u0026#34;result is xxx\u0026#34;); } } 广播处理器：BroadcastProcessor 广播执行的策略下，所有机器都会被调度执行该任务。为了便于资源的准备和释放，广播处理器在BasicProcessor的基础上额外增加了preProcess和postProcess方法，分别在整个集群开始之前/结束之后选一台机器执行相关方法。代码示例如下：\n@Component public class BroadcastProcessorDemo extends BroadcastProcessor { @Override public ProcessResult preProcess(TaskContext taskContext) throws Exception { // 预执行，会在所有 worker 执行 process 方法前调用 return new ProcessResult(true, \u0026#34;init success\u0026#34;); } @Override public ProcessResult process(TaskContext context) throws Exception { // 撰写整个worker集群都会执行的代码逻辑 return new ProcessResult(true, \u0026#34;release resource success\u0026#34;); } @Override public ProcessResult postProcess(TaskContext taskContext, List\u0026lt;TaskResult\u0026gt; taskResults) throws Exception { // taskResults 存储了所有worker执行的结果（包括preProcess） // 收尾，会在所有 worker 执行完毕 process 方法后调用，该结果将作为最终的执行结果 return new ProcessResult(true, \u0026#34;process success\u0026#34;); } } 并行处理器：MapReduceProcessor MapReduce是最复杂也是最强大的一种执行器，它允许开发者完成任务的拆分，将子任务派发到集群中其他Worker执行，是执行大批量处理任务的不二之选！实现MapReduce处理器需要继承MapReduceProcessor类，具体用法如下示例代码所示：\n@Component public class MapReduceProcessorDemo extends MapReduceProcessor { @Override public ProcessResult process(TaskContext context) throws Exception { // 判断是否为根任务 if (isRootTask()) { // 构造子任务 List\u0026lt;SubTask\u0026gt; subTaskList = Lists.newLinkedList(); /* * 子任务的构造由开发者自己定义 * eg. 现在需要从文件中读取100W个ID，并处理数据库中这些ID对应的数据，那么步骤如下： * 1. 根任务（RootTask）读取文件，流式拉取100W个ID，并按1000个一批的大小组装成子任务进行派发 * 2. 非根任务获取子任务，完成业务逻辑的处理 */ // 调用 map 方法，派发子任务 return map(subTaskList, \u0026#34;DATA_PROCESS_TASK\u0026#34;); } // 非子任务，可根据 subTask 的类型 或 TaskName 来判断分支 if (context.getSubTask() instanceof SubTask) { // 执行子任务，注：子任务人可以 map 产生新的子任务，可以构建任意级的 MapReduce 处理器 return new ProcessResult(true, \u0026#34;PROCESS_SUB_TASK_SUCCESS\u0026#34;); } return new ProcessResult(false, \u0026#34;UNKNOWN_BUG\u0026#34;); } @Override public ProcessResult reduce(TaskContext taskContext, List\u0026lt;TaskResult\u0026gt; taskResults) { // 所有 Task 执行结束后，reduce 将会被执行 // taskResults 保存了所有子任务的执行结果 // 用法举例，统计执行结果 AtomicLong successCnt = new AtomicLong(0); taskResults.forEach(tr -\u0026gt; { if (tr.isSuccess()) { successCnt.incrementAndGet(); } }); // 该结果将作为任务最终的执行结果 return new ProcessResult(true, \u0026#34;success task num:\u0026#34; + successCnt.get()); } // 自定义的子任务 private static class SubTask { private Long siteId; private List\u0026lt;Long\u0026gt; idList; } } 注：Map处理器相当于MapReduce处理器的阉割版本（阉割了reduce方法），此处不再单独举例。\n最佳实践：MapReduce实现静态分片 虽然说这有点傻鸡焉用牛刀的感觉，不过既然目前市场上同类产品都处于静态分片的阶段，我也就在这里给大家举个例子吧～\n@Component public class StaticSliceProcessor extends MapReduceProcessor { @Override public ProcessResult process(TaskContext context) throws Exception { OmsLogger omsLogger = context.getOmsLogger(); // root task 负责分发任务 if (isRootTask()) { // 从控制台传递分片参数，架设格式为KV：1=a\u0026amp;2=b\u0026amp;3=c String jobParams = context.getJobParams(); Map\u0026lt;String, String\u0026gt; paramsMap = Splitter.on(\u0026#34;\u0026amp;\u0026#34;).withKeyValueSeparator(\u0026#34;=\u0026#34;).split(jobParams); List\u0026lt;SubTask\u0026gt; subTasks = Lists.newLinkedList(); paramsMap.forEach((k, v) -\u0026gt; subTasks.add(new SubTask(Integer.parseInt(k), v))); return map(subTasks, \u0026#34;SLICE_TASK\u0026#34;); } Object subTask = context.getSubTask(); if (subTask instanceof SubTask) { // 实际处理 // 当然，如果觉得 subTask 还是很大，也可以继续分发哦 return new ProcessResult(true, \u0026#34;subTask:\u0026#34; + ((SubTask) subTask).getIndex() + \u0026#34; process successfully\u0026#34;); } return new ProcessResult(false, \u0026#34;UNKNOWN BUG\u0026#34;); } @Override public ProcessResult reduce(TaskContext context, List\u0026lt;TaskResult\u0026gt; taskResults) { // 按需求做一些统计工作... 不需要的话，直接使用 Map 处理器即可 return new ProcessResult(true, \u0026#34;xxxx\u0026#34;); } @Getter @NoArgsConstructor @AllArgsConstructor private static class SubTask { private int index; private String params; } } 最佳实践：MapReduce多级分发处理 利用MapReduce实现 Root -\u0026gt; A -\u0026gt; B/C -\u0026gt; Reduce）的DAG 工作流。\n@Component public class DAGSimulationProcessor extends MapReduceProcessor { @Override public ProcessResult process(TaskContext context) throws Exception { if (isRootTask()) { // L1. 执行根任务 // 执行完毕后产生子任务 A，需要传递的参数可以作为 TaskA 的属性进行传递 TaskA taskA = new TaskA(); return map(Lists.newArrayList(taskA), \u0026#34;LEVEL1_TASK_A\u0026#34;); } if (context.getSubTask() instanceof TaskA) { // L2. 执行A任务 // 执行完成后产生子任务 B，C（并行执行） TaskB taskB = new TaskB(); TaskC taskC = new TaskC(); return map(Lists.newArrayList(taskB, taskC), \u0026#34;LEVEL2_TASK_BC\u0026#34;); } if (context.getSubTask() instanceof TaskB) { // L3. 执行B任务 return new ProcessResult(true, \u0026#34;xxx\u0026#34;); } if (context.getSubTask() instanceof TaskC) { // L3. 执行C任务 return new ProcessResult(true, \u0026#34;xxx\u0026#34;); } return new ProcessResult(false, \u0026#34;UNKNOWN_TYPE_OF_SUB_TASK\u0026#34;); } @Override public ProcessResult reduce(TaskContext context, List\u0026lt;TaskResult\u0026gt; taskResults) { // L4. 执行最终 Reduce 任务，taskResults保存了之前所有任务的结果 taskResults.forEach(taskResult -\u0026gt; { // do something... }); return new ProcessResult(true, \u0026#34;reduce success\u0026#34;); } private static class TaskA { } private static class TaskB { } private static class TaskC { } } 更多示例 没看够？更多示例请见：oh-my-scheduler-worker-samples\n"});index.add({'id':9,'href':'/ohmyscheduler/docs/version/','title':"版本与升级",'content':""});index.add({'id':10,'href':'/ohmyscheduler/docs/startup/4-console-guide/','title':"任务管理与在线运维",'content':"前端控制台允许开发者可视化地进行任务增、删、改、查等管理操作，同时也能直观地看到任务的运行数据，包括运行状态、详情和在线日志等。以下为对控制台的详细介绍： 主页 展示了系统整体的概览和集群Worker列表。\n任务创建 创建需要被调度执行的任务，入口为主页 -\u0026gt; 任务管理 -\u0026gt; 新建任务。\n 任务名称：名称，便于记忆与搜索，无特殊用途，请尽量简短（占用数据库字段空间）\n 任务描述：描述，无特殊作用，请尽量简短（占用数据库字段空间）\n 任务参数：任务处理时能够获取到的参数（即各个Processor的process方法入参TaskContext对象的jobParams字段）（进行一次处理器开发就能理解了）\n 定时信息：由下拉框和输入框组成\n API -\u0026gt; 不需要填写任何参数（填了也不起作用） CRON -\u0026gt; 填写 CRON 表达式（可以找个在线生成网站生成） 固定频率 -\u0026gt; 填写整数，单位毫秒 固定延迟 -\u0026gt; 填写整数，单位毫秒 执行配置：由执行类型（单机、广播和MapReduce）、处理器类型和处理器参数组成，后两项相互关联。\n 内置Java处理器 -\u0026gt; 填写该处理器的全限定类名（eg, com.github.kfcfans.oms.processors.demo.MapReduceProcessorDemo） Java容器 -\u0026gt; 填写容器ID#处理器全限定类名（eg，1#com.github.kfcfans.oms.container.DemoProcessor） SHELL -\u0026gt; 填写需要处理的脚本（直接复制文件内容）或脚本下载连接（http://xxx） PYTHON -\u0026gt; 填写完整的python脚本或下载连接（http://xxx） 运行配置\n 最大实例数：该任务同时执行的数量（任务和实例就像是类和对象的关系，任务被调度执行后被称为实例） 单机线程并发数：该实例执行过程中每个Worker使用的线程数量（MapReduce任务生效，其余无论填什么，都只会使用1个线程或3个线程\u0026hellip;） 运行时间限制：限定任务的最大运行时间，超时则视为失败，单位毫秒，0代表不限制超时时间。 重试配置：\n 任务重试次数：实例级别，失败了整个任务实例重试，会更换TaskTracker（本次任务实例的Master节点），代价较大，大型Map/MapReduce慎用。 子任务重试次数：Task级别，每个子Task失败后单独重试，会更换ProcessorTracker（本次任务实际执行的Worker节点），代价较小，推荐使用。 注：对于单机任务来说，假如任务重试次数和子任务重试次数都配置了1且都执行失败，实际执行次数会变成4次！推荐任务实例重试配置为0，子任务重试次数根据实际情况配置。 机器配置：用来标明允许执行任务的机器状态，避开那些摇摇欲坠的机器，0代表无任何限制。\n 最低CPU核心数：填写浮点数，CPU可用核心数小于该值的Worker将不会执行该任务。 最低内存（GB）：填写浮点数，可用内存小于该值的Worker将不会执行该任务。 最低磁盘（GB）：填写浮点数，可用磁盘空间小于该值的Worker将不会执行该任务。 集群配置\n 执行机器地址：指定集群中的某几台机器执行任务（debug的好帮手），多值英文逗号分割，如192.168.1.1:27777,192.168.1.2:27777 最大执行机器数量：限定调动执行的机器数量 报警配置：选择任务执行失败后报警通知的对象，需要事先录入。\n 任务管理 直观地展示当前系统所管理的所有任务信息，并提供相应的运维方法。\n运行状态 直观地展示当前系统中运行任务实例的状态，点击详情即可获取详细的信息，点击日志可以查看通过omsLogger上报的日志，点击停止则可以强制终止该任务。\n在线日志 在线查看Worker执行过程中上报的日志，极大降低debug成本，提升开发效率！\n"});index.add({'id':11,'href':'/ohmyscheduler/docs/todo/','title':"开发计划",'content':"截止目前（v1.2.0），框架的基本功能（调度和分布式计算）已经趋于稳定，大家可以放心接入使用。不过为了使框架更为成熟易用，仍有需要不断改进和开发的地方。 下阶段规划 支持DAG工作流 任务的优先级系统，需要可抢占式实现，而不是SchedulerX那种傻等式 在线日志的限流 \u0026amp; 本地数据库分表提升在线日志最大吞吐量 保护性判断（优先级较低，太繁琐了且意义不大，毕竟面向开发者，大家不会乱填参数对不对～） 共同建设邀请 (❁´◡`❁)✲ﾟ 都看到这里了，相比您对本项目产生了浓厚的兴趣，欢迎加入开源社区，为框架贡献自己的力量～\n（PR、Issue求求了～）\n如果有什么想法、建议或意见，都欢迎联系作者：tengjiqi@gmail.com。\n"});index.add({'id':12,'href':'/ohmyscheduler/docs/faq/','title':"FAQ",'content':"这里记录一些好问题和高频问题。 Q：生成环境能用吗？ A：可以。框架从发布到现在已经趋于稳定，且开发者@KFCFans当前有充足的时间维护框架，一旦发现bug，可以联系我，保证第一时间修复！\nQ：请问，有没有通过API增删改查执行的操作？ A：OpenAPI就是为此而生的。OpenAPI在Http的基础上进行了封装，提供规范的接口完成任务的管理与运维。\nQ：Ignite也支持分布式计算，请问这个项目有什么优势？ A：从本质上讲，OhMyScheduler是一个具有分布式计算能力的调度平台，而Ignite是一个分布式计算平台，前者立足于调度（虽然本项目的亮点是分布式计算没错啦…），后者立足于大数据计算，两者立足点不同。\n从分布式计算的角度来讲，Ignite确实具备全部OhMyScheduler的功能（毕竟人家是Apache顶级项目\u0026hellip;），OhMyScheduler-Worker集群可以看成嵌入式的Ignite集群，整体对外提供服务。两者虽然表面上功能有所重合，但背后的设计理念是截然不同的。\nIgnite本质上是由分布式内存SQL数据库发展而来的分布式计算平台，它解决的问题更偏向于大数据处理（Spark、Hadoop之类），因此对于传统的Java项目并不是非常友好，比如官方推荐的部署模式是建立独立的Ignite集群负责计算，业务应用只负责提交代码。再比如获取各种资源（Spring Bean）都需要先注入Ignite中，这对于依赖繁杂的业务来说是非常痛苦的。\n而OhMyScheduler就是面向业务应用设计的，从示例代码中也能看出，开发OhMyScheduler的处理器是没有任何额外的成本的，想要某个SpringBean，直接注入即可。想要分发任务，调用map方法即可，开发者的学习和使用成本会低很多。\n一句话总结就是：Ignite的分布式计算偏向于数据侧，适用于大数据处理。而OhMyScheduler的分布式计算偏向于业务侧，适用于传统Java应用的业务处理。\n此外，高效开发一直是OhMyScheduler的设计理念，像在线查看任务运行情况、在线查看任务运行日志等功能，在实际开发中将会非常实用。\n"});index.add({'id':13,'href':'/ohmyscheduler/docs/','title':"Docs",'content':""});})(); \ No newline at end of file diff --git a/others/guidance/public/en.search.min.e2f9b2f3cf3fad006da31fc1558075ea0493c82e60c3b707d1745af9a528b273.js b/others/guidance/public/en.search.min.8c0739389d262fcac555a16288129e832618f93ba193658e88e4cfeb51a71475.js similarity index 91% rename from others/guidance/public/en.search.min.e2f9b2f3cf3fad006da31fc1558075ea0493c82e60c3b707d1745af9a528b273.js rename to others/guidance/public/en.search.min.8c0739389d262fcac555a16288129e832618f93ba193658e88e4cfeb51a71475.js index e5718333..cbf77842 100644 --- a/others/guidance/public/en.search.min.e2f9b2f3cf3fad006da31fc1558075ea0493c82e60c3b707d1745af9a528b273.js +++ b/others/guidance/public/en.search.min.8c0739389d262fcac555a16288129e832618f93ba193658e88e4cfeb51a71475.js @@ -3,7 +3,7 @@ input.addEventListener('focus',init);input.addEventListener('keyup',search);docu const characterPressed=String.fromCharCode(event.charCode);if(!isHotkey(characterPressed)){return;} input.focus();event.preventDefault();} function isHotkey(character){const dataHotkeys=input.getAttribute('data-hotkeys')||'';return dataHotkeys.indexOf(character)>=0;} -function init(){input.removeEventListener('focus',init);input.required=true;loadScript('/ohmyscheduler/flexsearch.min.js');loadScript('/ohmyscheduler/en.search-data.min.415b9efb332dc463bc8ad5e36d161bfe46403b0c38923ed7353fe2eb834fd9b7.js',function(){input.required=false;search();});} +function init(){input.removeEventListener('focus',init);input.required=true;loadScript('/ohmyscheduler/flexsearch.min.js');loadScript('/ohmyscheduler/en.search-data.min.d511b35de2f0b83562f51f0bf38460e719dee5a90e78d64caca7ec38766fc6f5.js',function(){input.required=false;search();});} function search(){while(results.firstChild){results.removeChild(results.firstChild);} if(!input.value){return;} const searchHits=window.bookSearchIndex.search(input.value,10);searchHits.forEach(function(page){const li=document.createElement('li'),a=li.appendChild(document.createElement('a'));a.href=page.href;a.textContent=page.title;results.appendChild(li);});} diff --git a/others/guidance/public/index.html b/others/guidance/public/index.html index 0a7dd231..b9773834 100644 --- a/others/guidance/public/index.html +++ b/others/guidance/public/index.html @@ -5,9 +5,10 @@ - + 使用简单：提供前端Web界面，允许开发者可视化地完成调度任务的管理（增、删、改、查）、任务运行状态监控和运行日志查看等功能。 定时策略完善：支持CRON表达式、固定频率、固定延迟和API四种定时调度策略。 执行模式丰富：支持单机、广播、Map、MapReduce四种执行模式，其中Map/MapReduce处理器能使开发者寥寥数行代码便获得集群分布式计算的能力。 执行器支持广泛：支持Spring Bean、内置/外置Java类、Shell、Python等处理器，应用范围广。 运维便捷：支持在线日志功能，执行器产生的日志可以在前端控制台页面实时显示，降低debug成本，极大地提高开发效率。 依赖精简：最小仅依赖关系型数据库（MySQL/Oracle/MS SQLServer…），扩展依赖为MongoDB（用于存储庞大的在线日志）。 高可用&高性能：调度服务器经过精心设计，一改其他调度框架基于数据库锁的策略，实现了无锁化调度。部署多个调度服务器可以同时实现高可用和性能的提升（支持无限的水平扩展）。 故障转移与恢复：任务执行失败后，可根据配置的重试策略完成重试，只要执行器集群有足够的计算节点，任务就能顺利完成。 适用场景 有定时执行需求的业务场景：如每天凌晨全量同步数据、生成业务报表等。 有需要全部机器一同执行的业务场景：如使用广播执行模式清理集群日志。 有需要分布式处理的业务场景：比如需要更新一大批数据，单机执行耗时非常长，可以使用Map/MapReduce处理器完成任务的分发，调动整个集群加速计算。 同类产品对比 QuartZ xxl-job SchedulerX 2.0 OhMyScheduler 定时类型 CRON CRON CRON、固定频率、固定延迟、OpenAPI CRON、固定频率、固定延迟、OpenAPI 任务类型 内置Java 内置Java、GLUE Java、Shell、Python等脚本 内置Java、外置Java（FatJar）、Shell、Python等脚本 内置Java、外置Java（容器）、Shell、Python等脚本 分布式任务 无 静态分片 MapReduce动态分片 MapReduce动态分片 在线任务治理 不支持 支持 支持 支持 日志白屏化 不支持 支持 不支持 支持 调度方式及性能 基于数据库锁，有性能瓶颈 基于数据库锁，有性能瓶颈 不详 无锁化设计，性能强劲无上限 报警监控 无 邮件 短信 邮件，提供接口允许开发者扩展 系统依赖 MySQL MySQL 人民币（公测期间免费，哎，帮打个广告吧） 任意Spring Data Jpa支持的关系型数据库（MySQL、Oracle…） DAG工作流 不支持 不支持 支持 暂不支持，有明确开发计划 "> @@ -17,7 +18,7 @@ - +