1 背景
兼容技术团队自研的RPC框架，技术团队不需要修改代码，RPC注解方法可以托管在任务调度系统中，直接当做一个任务来执行。
研读XXL-JOB，同时从阿里云分布式任务调度 SchedulerX 吸取。
SchedulerX 1.0 架构图
- Schedulerx-console 是任务调度的控制台，用于创建、管理定时任务。负责数据的创建、修改和查询。在产品内部与 schedulerx server 交互。
- Schedulerx-server 是任务调度的服务端，是 Scheduler的核心组件。负责客户端任务的调度触发以及任务执行状态的监测。
- Schedulerx-client 是任务调度的客户端。每个接入客户端的应用进程就是一个的 Worker。Worker 负责与 Schedulerx-server 建立通信，让 schedulerx-server发现客户端的机器。并向schedulerx-server注册当前应用所在的分组，这样 schedulerx-server才能向客户端定时触发任务。
我们模仿了SchedulerX的模块，架构设计如下图：
选择 RocketMQ 源码的通讯模块 remoting 作为自研调度系统的通讯框架：阅读 SchedulerX 1.0 client 源码中，发现 SchedulerX 的通讯框架和RocketMQ Remoting很多地方都很类似。它的源码里有现成的工程实现。
将 RocketMQ remoting 模块去掉名字服务代码，做定制。
在RocketMQ的remoting里，服务端采用 Processor 模式。
调度中心需要注册两个处理器：回调结果处理器CallBackProcessor和心跳处理器HeartBeatProcessor 。执行器需要注册触发任务处理器TriggerTaskProcessor 。
public void registerProcessor(
int requestCode,
NettyRequestProcessor processor,
ExecutorService executor);1.2.3.4.
处理器的接口：
Explainpublic interface NettyRequestProcessor {
RemotingCommand processRequest(
ChannelHandlerContext ctx,
RemotingCommand request) throws Exception;
boolean rejectRequest();
}1.2.3.4.5.6.
对于通讯框架来讲，我并不需要关注通讯细节，只需要实现处理器接口即可。
以触发任务处理器TriggerTaskProcessor举例：
搞定网络通讯后，调度器如何设计 ？最终我还是选择了Quartz 集群模式。主要是基于以下几点原因：
- 调度量不大的情况下 ，Quartz 集群模式足够稳定，而且可以兼容原来的XXL-JOB任务；
- 使用时间轮的话，本身没有足够的实践经验，担心出问题。另外，如何让任务通过不同的调度服务（schedule-server）触发， 需要有一个协调器。于是想到Zookeeper。但这样的话，又引入了新的组件。
- 研发周期不能太长，想快点出成果。
自研版的调度服务花费一个半月上线了。系统运行非常稳定，研发团队接入也很顺畅。调度量也不大 ，四个月总共接近4000万到5000万之间的调度量。
自研版的瓶颈，我的脑海里经常能看到。数据量大，我可以搞定分库分表，但 Quartz 集群基于行级锁的模式 ，注定上限不会太高。
2 实战
- 去掉外置的注册中心，调度服务（schedule-server）管理会话；
- 引入zookeeper，通过zk协调调度服务。但是HA机制很粗糙，相当于一个任务调度服务运行，另一个服务standby；
- Quartz 替换成时间轮 （参考Dubbo里的时间轮源码）。
这个Demo版本在开发环境可以运行，但有很多细节需要优化，仅仅是个玩具，并没有机会运行到生产环境。
最近读阿里云的一篇文章《如何通过任务调度实现百万规则报警》，SchedulerX2.0 高可用架构见下图：
文章提到：
每个应用都会做三备份，通过 zk 抢锁，一主两备，如果某台 Server 挂了，会进行 failover，由其他 Server 接管调度任务。
这次自研任务调度系统从架构来讲，并不复杂，实现了XXL-JOB的核心功能，也兼容了技术团队的RPC框架，但并没有实现工作流以及mapreduce分片。
SchedulerX 在升级到2.0之后基于全新的Akka 架构，这种架构号称实现高性能工作流引擎，实现进程间通信，减少网络通讯代码。
在我调研的开源任务调度系统中，PowerJob也是基于Akka 架构，同时也实现了工作流和MapReduce执行模式。
3 技术选型
首先我们将任务调度开源产品和商业产品 SchedulerX 放在一起，生成一张对照表：
Quartz 和 ElasticJob从本质属于框架。
中心化产品从架构上来讲更加清晰，调度层面更灵活，可以支持更复杂的调度（mapreduce动态分片，工作流）。
XXL-JOB 从产品层面已经做到极简，开箱即用，调度模式可以满足大部分研发团队的需求。简单易用 + 能打，所以非常受大家欢迎。
其实每个技术团队的技术储备不尽相同，面对的场景也不一样，所以技术选型并不能一概而论。
- 幂等。当任务被重复执行的时候，或者分布式锁失效的时候，程序依然可以输出正确的结果；
- 任务不跑了，千万别惊慌。查看调度日志，JVM层面使用Jstack命令查看堆栈，网络通讯要添加超时时间 ，一般能解决大部分问题。
参考
- https://xie.infoq.cn/article/ca1973d9c00fae8a747fd5b9f
- https://www.51cto.com/article/707369.html