關(guān)于PowerJob

PowerJob（原OhMyScheduler）是全新一代分布式任務(wù)調(diào)度與計算框架，其主要功能特性如下：

• 使用簡單：提供前端Web界面，允許開發(fā)者可視化地完成調(diào)度任務(wù)的管理（增、刪、改、查）、任務(wù)運行狀態(tài)監(jiān)控和運行日志查看等功能。
• 定時策略完善：支持 CRON 表達式、固定頻率、固定延遲和API四種定時調(diào)度策略。
• 執(zhí)行模式豐富：支持單機、廣播、Map、MapReduce 四種執(zhí)行模式，其中 Map/MapReduce 處理器能使開發(fā)者寥寥數(shù)行代碼便獲得集群分布式計算的能力。
• 工作流支持：支持在線配置任務(wù)依賴關(guān)系（DAG），以可視化的方式對任務(wù)進行編排，同時還支持上下游任務(wù)間的數(shù)據(jù)傳遞，以及多種節(jié)點類型（判斷節(jié)點 & 嵌套工作流節(jié)點）。
• 執(zhí)行器支持廣泛：支持 Spring Bean、內(nèi)置/外置 Java 類，另外可以通過引入官方提供的依賴包，一鍵集成 Shell、Python、HTTP、SQL 等處理器，應(yīng)用范圍廣。
• 運維便捷：支持在線日志功能，執(zhí)行器產(chǎn)生的日志可以在前端控制臺頁面實時顯示，降低 debug 成本，極大地提高開發(fā)效率。
• 依賴精簡：最小僅依賴關(guān)系型數(shù)據(jù)庫（MySQL/PostgreSQL/Oracle/MS SQLServer...）
• 高可用 & 高性能：調(diào)度服務(wù)器經(jīng)過精心設(shè)計，一改其他調(diào)度框架基于數(shù)據(jù)庫鎖的策略，實現(xiàn)了無鎖化調(diào)度。部署多個調(diào)度服務(wù)器可以同時實現(xiàn)高可用和性能的提升（支持無限的水平擴展）。
• 故障轉(zhuǎn)移與恢復(fù)：任務(wù)執(zhí)行失敗后，可根據(jù)配置的重試策略完成重試，只要執(zhí)行器集群有足夠的計算節(jié)點，任務(wù)就能順利完成。

適用場景

• 有定時執(zhí)行需求的業(yè)務(wù)場景：如每天凌晨全量同步數(shù)據(jù)、生成業(yè)務(wù)報表、未支付訂單超時取消等。
• 有需要全部機器一同執(zhí)行的業(yè)務(wù)場景：如使用廣播執(zhí)行模式清理集群日志。
• 有需要分布式處理的業(yè)務(wù)場景：比如需要更新一大批數(shù)據(jù)，單機執(zhí)行耗時非常長，可以使用Map/MapReduce 處理器完成任務(wù)的分發(fā)，調(diào)動整個集群加速計算。
• 有需要延遲執(zhí)行某些任務(wù)的業(yè)務(wù)場景：比如訂單過期處理等。

同類產(chǎn)品對比

基本概念

分組概念

• appName：應(yīng)用名稱，建議與用戶實際接入 PowerJob 的應(yīng)用名稱保持一致，用于業(yè)務(wù)分組與隔離。一個 appName 等于一個業(yè)務(wù)集群，也就是實際的一個 Java 項目。

核心概念

• 任務(wù)（Job）：描述了需要被 PowerJob 調(diào)度的任務(wù)信息，包括任務(wù)名稱、調(diào)度時間、處理器信息等。
• 任務(wù)實例（ JobInstance，簡稱 Instance）：任務(wù)（Job）被調(diào)度執(zhí)行后會生成任務(wù)實例（Instance），任務(wù)實例記錄了任務(wù)的運行時信息（任務(wù)與任務(wù)實例的關(guān)系類似于類與對象的關(guān)系）。
• 作業(yè)（Task）：任務(wù)實例的執(zhí)行單元，一個 JobInstance 存在至少一個 Task，具體規(guī)則如下：

1. 單機任務(wù)（STANDALONE）：一個 JobInstance 對應(yīng)一個 Task
2. 廣播任務(wù)（BROADCAST）：一個 JobInstance 對應(yīng) N 個 Task，N為集群機器數(shù)量，即每一臺機器都會生成一個 Task
3. Map/MapReduce任務(wù)：一個 JobInstance 對應(yīng)若干個 Task，由開發(fā)者手動 map 產(chǎn)生

• 工作流（Workflow）：由 DAG（有向無環(huán)圖）描述的一組任務(wù)（Job），用于任務(wù)編排。
• 工作流實例（WorkflowInstance）：工作流被調(diào)度執(zhí)行后會生成工作流實例，記錄了工作流的運行時信息。

擴展概念

• JVM 容器：以 Maven 工程項目的維度組織一堆 Java 文件（開發(fā)者開發(fā)的眾多 Java 處理器），可以通過前端網(wǎng)頁動態(tài)發(fā)布并被執(zhí)行器加載，具有極強的擴展能力和靈活性。
• OpenAPI：允許開發(fā)者通過接口來完成手工的操作，讓系統(tǒng)整體變得更加靈活。開發(fā)者可以基于 API 便捷地擴展 PowerJob 原有的功能。

定時任務(wù)類型

• API：該任務(wù)只會由 powerjob-client 中提供的 OpenAPI 接口觸發(fā)，server 不會主動調(diào)度。
• CRON：該任務(wù)的調(diào)度時間由 CRON 表達式指定。
• 固定頻率：秒級任務(wù)，每隔多少毫秒運行一次，功能與 java.util.concurrent.ScheduledExecutorService#scheduleAtFixedRate 相同。
• 固定延遲：秒級任務(wù)，延遲多少毫秒運行一次，功能與 java.util.concurrent.ScheduledExecutorService#scheduleWithFixedDelay 相同。
• 工作流：該任務(wù)只會由其所屬的工作流調(diào)度執(zhí)行，server 不會主動調(diào)度該任務(wù)。如果該任務(wù)不屬于任何一個工作流，該任務(wù)就不會被調(diào)度。

備注：固定延遲和固定頻率任務(wù)統(tǒng)稱秒級任務(wù)，這兩種任務(wù)無法被停止，只有任務(wù)被關(guān)閉或刪除時才能真正停止任務(wù)。

搭建PowerJob環(huán)境

本地啟動

初始化項目

git clone https://github.com/PowerJob/PowerJob.git

導(dǎo)入 IDE，源碼結(jié)構(gòu)如下，我們需要啟動調(diào)度服務(wù)器（powerjob-server），同時在 samples 工程中編寫自己的處理器代碼

啟動調(diào)度服務(wù)器

1. 創(chuàng)建數(shù)據(jù)庫（僅需要創(chuàng)建數(shù)據(jù)庫）：找到你的 DB，運行 SQL CREATE DATABASE IF NOT EXISTS `powerjob-daily` DEFAULT CHARSET utf8mb4，搞定～
2. 修改配置文件：配置文件的說明官方文檔寫的非常詳細，此處不再贅述。需要修改的地方為數(shù)據(jù)庫配置spring.datasource.core.jdbc-url、spring.datasource.core.username和spring.datasource.core.password，當(dāng)然，有 mongoDB 的同學(xué)也可以修改spring.data.mongodb.uri以獲取完全版體驗。

powerjob-server 日常環(huán)境配置文件：application-daily.properties

oms.env=DAILY
logging.cnotallow=classpath:logback-dev.xml


####### 外部數(shù)據(jù)庫配置（需要用戶更改為自己的數(shù)據(jù)庫配置） #######
spring.datasource.core.driver-class-name=com.mysql.cj.jdbc.Driver
spring.datasource.core.jdbc-url=jdbc:mysql://localhost:3306/powerjob-daily?useUnicode=true&characterEncoding=UTF-8&serverTimeznotallow=Asia/Shanghai
spring.datasource.core.username=root
spring.datasource.core.password=No1Bug2Please3!
spring.datasource.core.hikari.maximum-pool-size=20
spring.datasource.core.hikari.minimum-idle=5


####### mongoDB配置，非核心依賴，通過配置 oms.mongodb.enable=false 來關(guān)閉 #######
oms.mongodb.enable=true
spring.data.mongodb.uri=mongodb://localhost:27017/powerjob-daily


####### 郵件配置（不需要郵件報警可以刪除以下配置來避免報錯） #######
spring.mail.host=smtp.163.com
spring.mail.username=zqq@163.com
spring.mail.password=GOFZPNARMVKCGONV
spring.mail.properties.mail.smtp.auth=true
spring.mail.properties.mail.smtp.starttls.enable=true
spring.mail.properties.mail.smtp.starttls.required=true


####### 資源清理配置 #######
oms.instanceinfo.retentinotallow=1
oms.container.retention.local=1
oms.container.retention.remote=-1


####### 緩存配置 #######
oms.instance.metadata.cache.size=1024

3. 啟動應(yīng)用：完成配置文件的修改后，可以直接通過啟動類 tech.powerjob.server.PowerJobServerApplication 啟動調(diào)度服務(wù)器（注意：需要使用 daily 配置文件啟動，可自行百度搜索“SpringBoot 指定配置文件啟動”），觀察啟動日志，查看是否啟動成功～啟動成功后，訪問 http://127.0.0.1:7700/ ，如果能順利出現(xiàn) Web 界面，則說明調(diào)度服務(wù)器啟動成功！
4. 注冊應(yīng)用：點擊主頁應(yīng)用注冊按鈕，填入 powerjob-agent-test 和控制臺密碼（用于進入控制臺），注冊示例應(yīng)用（當(dāng)然你也可以注冊其他的 appName，只是別忘記在示例程序中同步修改～）

圖片

docker-compose啟動

環(huán)境要求

本地需要安裝docker和docker-compose

下載代碼

git clone --depth=1 https://github.com/PowerJob/PowerJob.git

運行

cd PowerJob
docker-compose up
docker-compose up -d

剛開始啟動時，powerjob-worker-samples會啟動失敗，等powerjob-server啟動成功后，powerjob-worker-samples才會啟動成功。這大概需要幾分鐘。

運行成功后，瀏覽器訪問 http://127.0.0.1:7700/ 
應(yīng)用名稱：powerjob-worker-samples
密碼：powerjob123

停止

docker-compose down
Stopping powerjob-worker-samples ... done
Stopping powerjob-server         ... done
Stopping powerjob-mysql          ... done
Removing powerjob-worker-samples ... done
Removing powerjob-server         ... done
Removing powerjob-mysql          ... done
cd PowerJob
rm -rf powerjob-data

SpringBoot集成PowerJob

添加相關(guān)maven依賴

<dependency>
  <groupId>tech.powerjob</groupId>
  <artifactId>powerjob-worker-spring-boot-starter</artifactId>
  <version>${latest.powerjob.version}</version>
</dependency>

配置文件配置

powerjob:
  worker:
    # akka 工作端口，可選，默認 27777
    akka-port: 27777
    # 接入應(yīng)用名稱，用于分組隔離，推薦填寫 本 Java 項目名稱
    app-name: ${spring.application.name}
    # 調(diào)度服務(wù)器地址，IP:Port 或 域名，多值逗號分隔
    server-address: 81.70.117.188:7700
    # 持久化方式，可選，默認 disk
    store-strategy: disk
    # 任務(wù)返回結(jié)果信息的最大長度，超過這個長度的信息會被截斷，默認值 8192
    max-result-length: 8192
    # 單個任務(wù)追加的工作流上下文最大長度，超過這個長度的會被直接丟棄，默認值 8192
    max-appended-wf-context-length: 8192

處理器（Processor）開發(fā)

處理器概述

基本概念

PowerJob 支持 Python、Shell、HTTP、SQL 等眾多通用任務(wù)的處理，開發(fā)者只需要引入依賴，在控制臺配置好相關(guān)參數(shù)即可，關(guān)于這部分詳見 官方處理器 ，此處不再贅述。本章將重點闡述 Java 處理器開發(fā)方法與使用技巧。

• Java 處理器可根據(jù)代碼所處位置劃分為內(nèi)置 Java 處理器和外置 Java 處理器，前者直接集成在宿主應(yīng)用（也就是接入本系統(tǒng)的業(yè)務(wù)應(yīng)用）中，一般用來處理業(yè)務(wù)需求；后者可以在一個獨立的輕量級的 Java 工程中開發(fā)，通過 JVM 容器技術(shù)（詳見容器章節(jié)）被 worker 集群熱加載，提供 Java 的“腳本能力”，一般用于處理靈活多變的需求。
• Java 處理器可根據(jù)對象創(chuàng)建者劃分為 SpringBean 處理器和普通 Java 對象處理器，前者由 Spring IOC 容器完成處理器的創(chuàng)建和初始化，后者則由 PowerJob 維護其生命周期。如果宿主應(yīng)用支持 Spring，強烈建議使用 SpringBean 處理器，開發(fā)者僅需要將 Processor 注冊進 Spring IOC 容器（一個 @Component 注解或一句 bean 配置）即可享受 Spring 帶來的便捷之處。
• Java處理器可根據(jù)功能劃分為單機處理器、廣播處理器、Map 處理器和 MapReduce 處理器。

單機處理器（BasicProcessor）對應(yīng)了單機任務(wù)，即某個任務(wù)的某次運行只會有某一臺機器的某一個線程參與運算。

廣播處理器（BroadcastProcessor）對應(yīng)了廣播任務(wù)，即某個任務(wù)的某次運行會調(diào)動集群內(nèi)所有機器參與運算。

Map處理器（MapProcessor）對應(yīng)了Map任務(wù)，即某個任務(wù)在運行過程中，允許產(chǎn)生子任務(wù)并分發(fā)到其他機器進行運算。

MapReduce 處理器（MapReduceProcessor）對應(yīng)了 MapReduce 任務(wù)，在 Map 任務(wù)的基礎(chǔ)上，增加了所有任務(wù)結(jié)束后的匯總統(tǒng)計。

入?yún)?TaskContext

TaskContext 包含了本次任務(wù)的上下文信息，具體信息如下

工作流上下文（ WorkflowContext ）

該屬性是 v4.0.0 版本的重大變更之一，移除了原來的參數(shù)傳遞機制，提供了 API 讓開發(fā)者可以更加靈活便捷地在工作流中實現(xiàn)信息的傳遞。

上游任務(wù)通過  WorkflowContext#appendData2WfContext(String key,Object value)  方法向工作流上下文中追加數(shù)據(jù)，下游任務(wù)便可以通過 WorkflowContext#fetchWorkflowContext()  方法獲取到相應(yīng)的數(shù)據(jù)進行消費。注意，當(dāng)追加的上下文信息的 key 已經(jīng)存在于當(dāng)前的上下文中時，新的 value 會覆蓋之前的值。另外，每次任務(wù)實例追加的上下文數(shù)據(jù)大小也會受到 worker 的配置項  powerjob.worker.max-appended-wf-context-length 的限制，超過這個長度的會被直接丟棄。

返回值 ProcessResult

方法的返回值為 ProcessResult，代表了本次 Task 執(zhí)行的結(jié)果，包含 success 和 msg 兩個屬性，分別用于傳遞 Task 是否執(zhí)行成功和 Task 需要返回的信息。

處理器開發(fā)示例

單機處理器：BasicProcessor

單機執(zhí)行的策略下，server 會在所有可用 worker 中選取健康度最佳的機器進行執(zhí)行。單機執(zhí)行任務(wù)需要實現(xiàn)接口 BasicProcessor，代碼示例如下：

/**
 * @Author iron.guo
 * @Date 2023/1/7
 * @Description
 */
@Component
@Slf4j
public class StandaloneProcessor implements BasicProcessor {


    @Override
    public ProcessResult process(TaskContext context) throws Exception {
        OmsLogger omsLogger = context.getOmsLogger();
        omsLogger.info("處理器啟動成功，context 是 {}.", context);


        log.info("單機處理器正在處理");
        log.info(context.getJobParams());


        omsLogger.info("處理器執(zhí)行結(jié)束");


        boolean success = true;


        return new ProcessResult(success, context + ": " + success);
    }
}

執(zhí)行結(jié)果

圖片

廣播處理器：BroadcastProcessor

廣播執(zhí)行的策略下，所有機器都會被調(diào)度執(zhí)行該任務(wù)。為了便于資源的準備和釋放，廣播處理器在BasicProcessor 的基礎(chǔ)上額外增加了 preProcess 和 postProcess 方法，分別在整個集群開始之前/結(jié)束之后選一臺機器執(zhí)行相關(guān)方法。代碼示例如下：

@Slf4j
@Component
public class BroadcastProcessorDemo implements BroadcastProcessor {


    @Override
    public ProcessResult preProcess(TaskContext context) throws Exception {
        OmsLogger omsLogger = context.getOmsLogger();
        omsLogger.info("預(yù)執(zhí)行，會在所有 worker 執(zhí)行 process 方法前調(diào)用");
        log.info("預(yù)執(zhí)行，會在所有 worker 執(zhí)行 process 方法前調(diào)用");
        // 預(yù)執(zhí)行，會在所有 worker 執(zhí)行 process 方法前調(diào)用
        return new ProcessResult(true, "init success");
    }


    @Override
    public ProcessResult process(TaskContext context) throws Exception {
        OmsLogger omsLogger = context.getOmsLogger();
        // 撰寫整個worker集群都會執(zhí)行的代碼邏輯
        omsLogger.info("撰寫整個worker集群都會執(zhí)行的代碼邏輯");
        log.info("撰寫整個worker集群都會執(zhí)行的代碼邏輯");
        return new ProcessResult(true, "release resource success");
    }


    @Override
    public ProcessResult postProcess(TaskContext context, List<TaskResult> taskResults) throws Exception {


        // taskResults 存儲了所有worker執(zhí)行的結(jié)果（包括preProcess）
        // 收尾，會在所有 worker 執(zhí)行完畢 process 方法后調(diào)用，該結(jié)果將作為最終的執(zhí)行結(jié)果
        OmsLogger omsLogger = context.getOmsLogger();
        omsLogger.info("收尾，會在所有 worker 執(zhí)行完畢 process 方法后調(diào)用，該結(jié)果將作為最終的執(zhí)行結(jié)果");
        log.info("收尾，會在所有 worker 執(zhí)行完畢 process 方法后調(diào)用，該結(jié)果將作為最終的執(zhí)行結(jié)果");
        return new ProcessResult(true, "process success");
    }
}

執(zhí)行結(jié)果

圖片

并行處理器：MapReduceProcessor

MapReduce 是最復(fù)雜也是最強大的一種執(zhí)行器，它允許開發(fā)者完成任務(wù)的拆分，將子任務(wù)派發(fā)到集群中其他Worker 執(zhí)行，是執(zhí)行大批量處理任務(wù)的不二之選！實現(xiàn) MapReduce 處理器需要繼承 MapReduceProcessor類，具體用法如下示例代碼所示：

@Slf4j
@Component
public class MapReduceProcessorDemo implements MapReduceProcessor {
    @Override
    public ProcessResult process(TaskContext context) throws Exception {
        final OmsLogger omsLogger = context.getOmsLogger();
        // 判斷是否為根任務(wù)
        if (isRootTask()) {


            // 構(gòu)造子任務(wù)
            List<SubTask> subTaskList = Lists.newLinkedList();
            SubTask subTask=new SubTask();
            subTask.setSiteId(1L);
            subTask.setName("iron.guo");
            subTaskList.add(subTask);
            /*
             * 子任務(wù)的構(gòu)造由開發(fā)者自己定義
             * eg. 現(xiàn)在需要從文件中讀取100W個ID，并處理數(shù)據(jù)庫中這些ID對應(yīng)的數(shù)據(jù)，那么步驟如下：
             * 1. 根任務(wù)（RootTask）讀取文件，流式拉取100W個ID，并按1000個一批的大小組裝成子任務(wù)進行派發(fā)
             * 2. 非根任務(wù)獲取子任務(wù)，完成業(yè)務(wù)邏輯的處理
             */


            // 調(diào)用 map 方法，派發(fā)子任務(wù)（map 可能會失敗并拋出異常，做好業(yè)務(wù)操作）
            map(subTaskList, "DATA_PROCESS_TASK");
            omsLogger.info("執(zhí)行根任務(wù)-派發(fā)子任務(wù)");
            return new ProcessResult(true, "ROOT_PROCESS_SUCCESS");
        }


        // 非子任務(wù)，可根據(jù) subTask 的類型 或 TaskName 來判斷分支
        if (context.getSubTask() instanceof SubTask) {
            omsLogger.info("執(zhí)行子任務(wù)開始");
            omsLogger.info("Get from SubTask : name is {} and id is {}",((SubTask) context.getSubTask()).getName(),((SubTask) context.getSubTask()).getSiteId());
            // 執(zhí)行子任務(wù)，注：子任務(wù)人可以 map 產(chǎn)生新的子任務(wù)，可以構(gòu)建任意級的 MapReduce 處理器
            return new ProcessResult(true, "PROCESS_SUB_TASK_SUCCESS");
        }


        return new ProcessResult(false, "UNKNOWN_BUG");
    }


    @Override
    public ProcessResult reduce(TaskContext taskContext, List<TaskResult> taskResults) {


        // 所有 Task 執(zhí)行結(jié)束后，reduce 將會被執(zhí)行
        // taskResults 保存了所有子任務(wù)的執(zhí)行結(jié)果


        // 用法舉例，統(tǒng)計執(zhí)行結(jié)果
        AtomicLong successCnt = new AtomicLong(0);
        taskResults.forEach(tr -> {
            if (tr.isSuccess()) {
                successCnt.incrementAndGet();
            }
        });
        // 該結(jié)果將作為任務(wù)最終的執(zhí)行結(jié)果
        return new ProcessResult(true, "success task num:" + successCnt.get());
    }


    // 自定義的子任務(wù)
    @Getter
    @Setter
    @NoArgsConstructor
    @AllArgsConstructor
    private static class SubTask {
        private Long siteId;
        private String name;




    }


}

執(zhí)行結(jié)果

圖片

注：Map 處理器相當(dāng)于 MapReduce 處理器的閹割版本（閹割了 reduce 方法），此處不再單獨舉例。

工作流

圖片

點擊右上角按鈕 新建工作流，即可錄入新的工作流，具體界面和說明如下所示。

• 工作流名稱：名稱，無實際業(yè)務(wù)用途，請盡量精簡字段
• 工作流描述：描述，無實際業(yè)務(wù)用途，請盡量精簡字段
• 定時信息：該工作流的觸發(fā)方式的觸發(fā)方式，包含時間表達式類型選擇框和時間表達式輸入框

CRON -> 填寫 CRON 表達式（在線生成網(wǎng)站）

API -> 不需要填寫任何參數(shù)，表明該任務(wù)由 OpenAPI 觸發(fā)

• 生命周期：定時策略生效的時間段
• 最大實例：該工作流同時執(zhí)行的數(shù)量
• 任務(wù)依賴關(guān)系：提供編輯界面可視化操作，繪制 DAG（有向無環(huán)圖），配置工作流內(nèi)各個任務(wù)的依賴關(guān)系

DAG 操作指南

編輯依賴關(guān)系

v4.0.0 以后支持節(jié)點的自由拖拉拽，不用再點點點了，哈哈哈 ~

• 添加節(jié)點：點擊 DAG 編輯框左上方的 “導(dǎo)入任務(wù)”，導(dǎo)入當(dāng)前存在的任務(wù)（需要提前在 任務(wù)管理界面 錄入任務(wù)），生成 DAG 的節(jié)點
• 連接節(jié)點：點擊起始節(jié)點的任意一個錨點摁住不放，拖動鼠標連接到另一個節(jié)點的任意一個錨點即可
• 刪除節(jié)點：選中需要刪除的節(jié)點，按退格鍵（ 注意：windows 下使用退格鍵 [Backspace]，macOS 下使用刪除鍵 [delete] ）
• 刪除邊：選中需要刪除的邊，按退格鍵（ 注意：windows 下使用退格鍵 [Backspace]，macOS 下使用刪除鍵 [delete] ）

導(dǎo)入任務(wù)節(jié)點

任務(wù)為之前創(chuàng)建的任務(wù)，可用工作流形式串聯(lián)起來執(zhí)行。

圖片

編輯節(jié)點信息

點擊需要編輯的節(jié)點，在右側(cè)會彈出一個編輯框，如下圖所示

圖片

• 任務(wù)名稱：當(dāng)前節(jié)點引用的任務(wù)名稱，點擊可編輯（支持輸入名稱進行模糊搜索）
• 節(jié)點名稱：節(jié)點的名稱，無實際業(yè)務(wù)用途，在能明確表示節(jié)點背后的業(yè)務(wù)邏輯的情況下請盡量精簡字段
• 節(jié)點參數(shù)：節(jié)點的參數(shù)配置，當(dāng)這個信息不為空的時候使用這個參數(shù)覆蓋當(dāng)前節(jié)點所引用的任務(wù)所配置的參數(shù)信息
• 是否啟用：未啟用的節(jié)點將會直接跳過
• 失敗跳過：當(dāng)這個節(jié)點執(zhí)行失敗的時候不會打斷整個工作流的執(zhí)行

特殊節(jié)點說明

判斷節(jié)點

圖片

判斷節(jié)點 不允許失敗跳過以及禁用，節(jié)點參數(shù)中存儲的是 Groovy 代碼（執(zhí)行 Groovy 代碼時會將當(dāng)前工作流上下文作為 context 變量注入到代碼執(zhí)行的上下文中），其執(zhí)行結(jié)果僅能返回 "true" 或者 "false"，同時判斷節(jié)點僅有且必須有兩條“輸出”路徑。會根據(jù)該代碼的執(zhí)行結(jié)果決定下游需要執(zhí)行的節(jié)點。這里處理的原則是， 僅 cancel 那些只能通過被 disable 掉的邊可達的節(jié)點

舉個兩個栗子，灰色代表相應(yīng)的邊 或者 節(jié)點被 disable 或 cancel，菱形代表判斷節(jié)點，假定執(zhí)行結(jié)果為 true

圖片

case 3 以及 case 4 中的節(jié)點 3 都會被 cancel ，因為它只能通過節(jié)點 1 -> 節(jié)點 3 的邊可達（該邊的屬性為 false），但對于節(jié)點 5 而言，在 case 4 中因為判斷節(jié)點 2 的執(zhí)行結(jié)果為 true ，那么其可以通過節(jié)點 2 -> 節(jié)點 5 的邊可達，所以不會被 disable 。

備注：如果需要根據(jù)上游節(jié)點的執(zhí)行結(jié)果決定下游節(jié)點，可以將上游節(jié)點的執(zhí)行結(jié)果注入上下文中，再在判斷節(jié)點中做相應(yīng)的判斷。

工作流嵌套節(jié)點

圖片

該節(jié)點代表對某個工作流的引用，節(jié)點的 jobId 屬性存儲的是工作流 id，其他屬性和普通的任務(wù)節(jié)點一致。不允許出現(xiàn)循環(huán)引用以及多級嵌套的情況，即嵌套節(jié)點中指向的工作流一定是一個不含嵌套節(jié)點的工作流。

執(zhí)行到該節(jié)點時，如果該節(jié)點處于啟用狀態(tài)，那么將啟動該節(jié)點所引用工作流的一個新實例，待該實例執(zhí)行完成后再同步更新該節(jié)點的狀態(tài)。

注意，創(chuàng)建子工作流時，會透傳當(dāng)前的上下文作為工作流的實例參數(shù)，在子工作流執(zhí)行完成時會合并子工作流的上下文至父工作流的上下文中。

重試子工作流不會聯(lián)動重試父工作流，但失敗的子工作流會隨著父工作流的重試而原地重試（不會生成新的實例）