
有⼀个任务需要处理100W条数据,每条数据的业务逻辑处理
要0.1s
对于普通任务来说,只有⼀个线程来处理 可能需要10万秒才能处理完,业务则严重受影响
双⼗⼀⼤促,给1000万⽤户发营销短信
执⾏器集群部署,如果任务的路由策略选择【分⽚⼴播】,⼀次任务调度将会【⼴播触发】对应集群中所有执⾏器执⾏⼀次任务,同时系统⾃动传递分⽚参数,执⾏器可根据分⽚参数开发分⽚任务。
需要处理的海量数据,以执⾏器为划分,每个执⾏器分配⼀定的任务数,并⾏执⾏。
XXL-Job⽀持动态扩容执⾏器集群,从⽽动态增加分⽚数量,到达更快处理任务。
分⽚的值是调度中⼼分配的
// 当前分⽚数,从0开始,即执⾏器的序号
int shardIndex = XxlJobHelper.getShardIndex();
//总分⽚数,执⾏器集群总机器数量
int shardTotal = XxlJobHelper.getShardTotal();

如果将100W数据均匀分给集群⾥的10台机器同时处理,每台机器耗时,1万秒即可,耗时会⼤⼤缩短,也能充分利⽤集群资源
在xxl-job⾥,可以配置执⾏器集群有10个机器,那么分⽚总
数是10,分⽚序号0~9 分别对应那10台机器。
id % 分⽚总数 余数是0 的,在第1个执⾏器上执⾏
id % 分⽚总数 余数是1 的,在第2个执⾏器上执⾏
id % 分⽚总数 余数是2 的,在第3个执⾏器上执⾏
...
id % 分⽚总数 余数是9 的,在第10个执⾏器上执⾏
选择为【分⽚⼴播】

/*** 2、分片广播任务*/@XxlJob("shardingJobHandler")public void shardingJobHandler() throws Exception {XxlJobHelper.log(" shardingJobHandler start");logger.info("shardingJobHandler execute......");// 分片参数int shardIndex = XxlJobHelper.getShardIndex();int shardTotal = XxlJobHelper.getShardTotal();XxlJobHelper.log("分片参数:当前分片序号 = {}, 总分片数 = {}", shardIndex, shardTotal);// 业务逻辑for (int i = 0; i < shardTotal; i++) {if (i == shardIndex) {XxlJobHelper.log("第 {} 片, 命中分片开始处理", i);} else {XxlJobHelper.log("第 {} 片, 忽略", i);}}XxlJobHelper.handleSuccess(" shardingJobHandler complete");}
/*** 2、分⽚⼴播任务*/@XxlJob("shardingJobHandler")public void shardingJobHandler() throws Exception {XxlJobHelper.log(" shardingJobHandler start");logger.info("shardingJobHandler execute......");// 当前分⽚数,从0开始,即执⾏器的序号int shardIndex = XxlJobHelper.getShardIndex();//总分⽚数,执⾏器集群总机器数量int shardTotal = XxlJobHelper.getShardTotal();XxlJobHelper.log("分片参数:当前分片序号 = {}, 总分片数 = {}", shardIndex, shardTotal);List allUserIds = getAllUserIds();allUserIds.forEach(obj -> {if (obj % shardTotal == shardIndex) {logger.info("第 {} ⽚, 命中分⽚开始处理⽤户id={}", shardIndex, obj);}});}private List getAllUserIds() {List ids = new ArrayList<>();for (int i = 0; i < 100; i++) {ids.add(i);}return ids;}