ElasticJob Spring Boot Starter 使用指南
概述
ElasticJob 是一款分布式调度解决方案,提供了与 Spring Boot 集成的 Starter 模块。通过 ElasticJob Spring Boot Starter,开发者可以快速地将分布式调度能力集成到 Spring Boot 应用中,无需手动配置注册中心和作业启动器,只需关注业务逻辑的实现和少量配置即可。
核心概念
作业类型
ElasticJob 支持三种作业类型:
- SimpleJob:简单作业,每次执行时只执行一次业务逻辑
- DataflowJob:数据流作业,包含数据抓取(fetchData)和数据处理(processData)两个阶段
- ScriptJob:脚本作业,直接执行系统命令或脚本文件
快速开始
1. 实现 ElasticJob 作业
以 DataflowJob 为例,创建一个 Spring Bean:
@Component
@Scope("prototype") // 建议设置为原型模式
public class SpringBootDataflowJob implements DataflowJob<Foo> {
@Override
public List<Foo> fetchData(ShardingContext shardingContext) {
// 根据分片参数获取数据
return fetchDataBySharding(shardingContext.getShardingItem());
}
@Override
public void processData(ShardingContext shardingContext, List<Foo> data) {
// 处理获取到的数据
data.forEach(this::processItem);
}
}
注意:默认情况下 Spring Bean 是单例的,如果作业实例会被多个 JobBootstrap 使用,建议将 Bean 的作用域设置为 prototype。
2. 配置注册中心和作业
在 application.yml 中配置:
elasticjob:
regCenter:
serverLists: localhost:6181 # ZooKeeper 地址
namespace: elasticjob-demo # 命名空间
jobs:
myDataflowJob:
elasticJobClass: com.example.SpringBootDataflowJob # 作业实现类
cron: 0/5 * * * * ? # 定时表达式
shardingTotalCount: 3 # 分片总数
shardingItemParameters: 0=北京,1=上海,2=广州 # 分片参数
myScriptJob:
elasticJobType: SCRIPT # 脚本作业类型
cron: 0/10 * * * * ? # 每10秒执行一次
shardingTotalCount: 1 # 单分片
props:
script.command.line: "echo Hello ElasticJob" # 执行的脚本命令
作业启动方式
定时调度作业
定时调度作业会在 Spring Boot 应用启动后自动开始调度,无需额外操作。
一次性作业
一次性作业需要手动触发执行,可以通过注入 JobBootstrap 来调用:
@RestController
public class JobController {
@Resource(name = "myOneTimeJobBean")
private OneOffJobBootstrap myOneTimeJob;
@GetMapping("/trigger-job")
public String triggerJob() {
myOneTimeJob.execute();
return "Job triggered successfully";
}
}
配置文件中需要指定 jobBootstrapBeanName:
elasticjob:
jobs:
myOneTimeJob:
jobBootstrapBeanName: myOneTimeJobBean
# 其他配置...
错误处理策略
ElasticJob 提供了多种错误处理策略,可以在作业执行异常时采取不同的应对措施。
内置策略
-
日志策略(LOG):记录错误日志但不中断作业(默认策略)
jobErrorHandlerType: LOG -
抛出异常策略(THROW):抛出系统异常并中断作业
jobErrorHandlerType: THROW -
忽略策略(IGNORE):忽略异常且不中断作业
jobErrorHandlerType: IGNORE
扩展策略
-
邮件通知策略
jobErrorHandlerType: EMAIL props: email: host: smtp.example.com port: 465 username: your-email@example.com password: your-password to: recipient@example.com -
企业微信通知策略
jobErrorHandlerType: WECHAT props: wechat: webhook: https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=your-key -
钉钉通知策略
jobErrorHandlerType: DINGTALK props: dingtalk: webhook: https://oapi.dingtalk.com/robot/send?access_token=your-token secret: your-secret
最佳实践
-
分片策略:合理设置 shardingTotalCount 和 shardingItemParameters,确保数据均匀分布
-
幂等性设计:作业处理必须具备幂等性,防止重复执行导致数据问题
-
错误处理:根据业务重要性选择合适的错误处理策略,关键业务建议使用通知策略
-
性能监控:结合 Spring Boot Actuator 对作业执行情况进行监控
-
配置管理:将不同环境的配置分离,使用 Spring Profile 管理
常见问题
-
作业不执行:检查 ZooKeeper 连接是否正常,定时表达式是否正确
-
分片不均:确认 shardingTotalCount 设置合理,检查分片算法是否合适
-
依赖冲突:注意 ElasticJob 与其他框架的版本兼容性
-
资源竞争:对于数据库操作等共享资源,考虑使用分布式锁
通过 ElasticJob Spring Boot Starter,开发者可以轻松实现分布式调度功能,将精力集中在业务逻辑的实现上,而无需过多关注底层分布式协调的复杂性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00