企业官网建设流程全解析

@Scheduled单机跑跑还行，多实例部署了就全乱了——哪个实例执行？重复执行怎么办？数据怎么分片并行处理？XXL-JOB 就是专治这些的：调度中心统一管任务，执行器集群自动注册，分片广播把大数据量拆成 N 份给 N 台机器并行跑。这篇文章从 Docker 部署、Spring Boot 3.x 整合，到分片广播、任务参数、失败处理、父子任务链，全部用一个完整流程串下来。

安装

可以去官网下载源码，然后编译部署，这里我只介绍使用 docker 部署

docker 安装

先去 github 官网找到 xxl_job 的 SQL 文件，注意，要去找对应版本的 sql 文件，不要找 master 下的。

在 MySQL 数据库中执行，目前最新版要求 MySQL 要 8.0+ 以上，执行完后会创建一个新的数据库，名为xxl_job

下载之前可以去 docker hub 搜索 xxl-job-admin 查看最新版

dockerpull m.daocloud.io/docker.io/xuxueli/xxl-job-admin:3.4.2dockerrun-d\--nameidle-store-xxl-job-admin\-p8095:8080\-eTZ=Asia/Shanghai\-eJAVA_OPTS="-Xms256m -Xmx512m"\-ePARAMS="--spring.datasource.url=jdbc:mysql://host.docker.internal:3306/xxl_job?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia/Shanghai&allowPublicKeyRetrieval=true&useSSL=false \ --spring.datasource.username=root \ --spring.datasource.password=Hliu1026. \ --xxl.job.accessToken=idle_store_xxl_job_2026"\-v/Users/ice/Desktop/cola/code/docker/xxl-job/logs:/data/applogs\xuxueli/xxl-job-admin:3.4.2

之后访问 http://locahost:8095，可以看到控制台，默认用户名 admin，账号密码 123456

Spring Boot 3.x 整合

配置之前我们先来到控制台，它这里的执行器管理里面有一个执行器默认案例，我们编辑一下这个

改成我们自己想要的名字，选择自动注册就可以。

然后在项目中，在 pom.xml 中引入依赖

<dependency><groupId>com.xuxueli</groupId><artifactId>xxl-job-core</artifactId><version>3.4.2</version></dependency>

版本和下载的 XXL-JOB 保持一致

之后进行配置，在 application.yaml 配置文件中配置内容

xxl:job:adminAddresses:http://localhost:8095# xxl-job 调度中心部署根地址，如调度中心集群部署存在多个地址则用逗号分隔accessToken:idle_store_xxl_job_2026# 和 xxl-job 上创建的 token 保持一致appName:xxl-job-executor-idle-store# 和 xxl-job 上创建的执行器名称保持一致ip:# 执行器 ip, 为空表示自动获取 ipport:9999# 执行器端口号logPath:./log/xxl-job/jobhandler# 执行器日志存放路径logRetentiondays:30# 日志保留时间（单位：天）

然后创建两个配置类，一个读取配置，一个初始化执行器

@ConfigurationProperties(prefix=XxlJobProperties.PREFIX)@Component@DatapublicclassXxlJobProperties{publicstaticfinalStringPREFIX="xxl.job";privateStringadminAddresses;privateStringaccessToken;privateStringappName;privateStringip;privateintport;privateStringlogPath;privateintlogRetentionDays=30;}

@Configuration@Slf4jpublicclassXxlJobConfig{@ResourceprivateXxlJobPropertiesxxlJobProperties;/** * 初始化执行器 */@BeanpublicXxlJobSpringExecutorxxlJobExecutor(){log.info(">>>>>>>>>>> xxl-job config init.");XxlJobSpringExecutorxxlJobSpringExecutor=newXxlJobSpringExecutor();xxlJobSpringExecutor.setAdminAddresses(xxlJobProperties.getAdminAddresses());xxlJobSpringExecutor.setAppname(xxlJobProperties.getAppName());xxlJobSpringExecutor.setIp(xxlJobProperties.getIp());xxlJobSpringExecutor.setPort(xxlJobProperties.getPort());xxlJobSpringExecutor.setAccessToken(xxlJobProperties.getAccessToken());xxlJobSpringExecutor.setLogPath(xxlJobProperties.getLogPath());xxlJobSpringExecutor.setLogRetentionDays(xxlJobProperties.getLogRetentionDays());returnxxlJobSpringExecutor;}}

配置完后，启动项目

如果成功注册的话，在控制台就能查看到了 ip + 端口

写第一个任务

之后来到任务管理

这里面就可以配置我们执行器要执行的任务了，这里选中后进行编辑

配置完之后，点击保存，回到我们的服务中，创建/job包存放定时任务，比如我创建一个CreateTableXxlJob类，定义如下

@ComponentpublicclassCreateTableXxlJob{@XxlJob("createTableJobHandler")publicvoidcreateTableJobHandler()throwsException{XxlJobHelper.log("# 初始化明日增量数据表...");}}

这里的createTableJobHandler对应前面的JobHandler。通过XxlJobHelper.log打印日志，这样在管理后台能看到日志信息

在控制台中我们可以自己运行定时任务

可以选择运行一次，或者启动(根据我们调度类型执行，比如我这里就是5秒执行一次)。
我们选择，启动，然后查询日志

如果你有梯子，可能会查询日志失败，需要改一下配置文件中的ip，改为本机IP，比如我这里

ip:172.25.64.42

控制台配置任务

调度类型

任务配置

运行模式：任务以 JobHandler 方式维护在执行器端；需要结合 “JobHandler” 属性匹配执行器中任务；
JobHandler ：对应执行器中开发的任务类方法上@XxlJob注解自定义的 value 值；

路由策略

多实例怎么分配任务

调度过期策略

• 忽略：调度过期后，忽略过期的任务，从当前时间开始重新计算下次触发时间；
• 立即执行一次：调度过期后，立即执行一次，并从当前时间开始重新计算下次触发时间；

阻塞处理策略

任务堆积怎么办？
调度过于密集执行器来不及处理时的处理策略；

• 单机串行（默认）：调度请求进入单机执行器后，调度请求进入FIFO队列并以串行方式运行；
• 丢弃后续调度：调度请求进入单机执行器后，发现执行器存在运行的调度任务，本次请求将会被丢弃并标记为失败；
• 覆盖之前调度：调度请求进入单机执行器后，发现执行器存在运行的调度任务，将会终止运行中的调度任务并清空队列，然后运行本地调度任务；

任务超时时间

支持自定义任务超时时间，任务运行超时将会主动中断任务；

失败重试次数

支持自定义任务失败重试次数，当任务失败时将会按照预设的失败重试次数主动进行重试；

分配广播

分片广播是 XXL-JOB 最值钱的功能。比如凌晨 2 点需要处理全量用户数据——10 万条，部署了 3 台实例，每台各分 3.3 万条并行处理：

@ComponentpublicclassDataAlignXxlJob{@XxlJob("dataAlignJobHandler")publicvoiddataAlignJobHandler(){// 拿到分片参数intshardIndex=XxlJobHelper.getShardIndex();// 当前分片：0, 1, 2intshardTotal=XxlJobHelper.getShardTotal();// 总分片数：3XxlJobHelper.log("当前分片: {}/{}",shardIndex,shardTotal);// 按分片取数据：每台机器只取自己那一段// SELECT * FROM user WHERE id % #{shardTotal} = #{shardIndex}List<User>users=userMapper.selectByShard(shardIndex,shardTotal);for(Useruser:users){// 处理逻辑...}XxlJobHelper.handleSuccess("分片 "+shardIndex+" 处理完成，共 "+users.size()+" 条");}}

用XxlJobHelper.getShardIndex()和getShardTotal()拿到分片信息，SQL 里用WHERE id % shardTotal = shardIndex做数据分片。3 台机器各处理 1/3，提速 3 倍。

控制台把这个任务的路由策略改成SHARDING_BROADCAST即可。

任务参数

控制台传参，动态调整逻辑，控制台 “任务参数” 里填的内容，代码里能拿到

@XxlJob("dataAlignJobHandler")publicvoiddataAlignJobHandler(){Stringparam=XxlJobHelper.getJobParam();// "batchSize=500,startId=10000"// 解析参数，动态调整}

适合控制每次处理的批量大小、起止 ID 这些需要临时调整的参数——改控制台不用改代码。

成功/失败标记

@XxlJob("myJobHandler")publicvoidmyJobHandler(){try{// 业务逻辑XxlJobHelper.handleSuccess("处理完成，共 1000 条");}catch(Exceptione){XxlJobHelper.handleFail("处理失败: "+e.getMessage());}}

不手动调的话默认算成功。handleSuccess和handleFail的参数会显示在控制台日志最前面，方便快速看到执行结果。

父子任务——任务链

控制台配置 “子任务ID” 后，当前任务执行成功时自动触发子任务。适合有先后依赖的场景——比如先同步数据 → 重建索引：

任务 A：每天凌晨 2 点同步数据（CRON: 0 0 2 * * ?） ↓ 执行成功后自动触发 任务 B：重建 Elasticsearch 索引（调度类型：无，只被 A 触发）