1. Spring Task定时任务基础入门第一次接触Spring Task时我被它的简洁配置惊艳到了。相比Quartz这类重量级框架Spring Task就像个轻量级选手只需要几个注解就能让方法按照预定时间自动执行。记得当时我接手一个数据统计项目需要在每天凌晨生成报表用Spring Task只花了10分钟就搞定了核心功能。先来看最基本的配置方法。在Spring Boot启动类上添加EnableScheduling注解就像打开总开关SpringBootApplication EnableScheduling // 关键开关 public class TaskApplication { public static void main(String[] args) { SpringApplication.run(TaskApplication.class, args); } }然后在任意Spring管理的Bean中用Scheduled标注要定时执行的方法。这里有个真实案例 - 我们电商系统需要每5分钟检查未支付订单Component public class OrderTimeoutTask { // 每5分钟执行一次 Scheduled(cron 0 */5 * * * ?) public void checkUnpaidOrders() { log.info(开始扫描超时未支付订单...); // 业务逻辑实现 } }定时规则主要通过cron表达式定义这个表达式由6-7个时间字段组成分别表示秒、分、时、日、月、周几可选年。比如0 0 10 * * ?每天10点整执行0 0/30 9-18 * * ?朝九晚六每半小时执行0 15 10 ? * MON-FRI工作日早上10:15执行除了cron表达式还有两种简单模式// 固定间隔上次结束到下次开始的间隔 Scheduled(fixedDelay 5000) // 固定频率每次执行的间隔无视执行时长 Scheduled(fixedRate 3000)实际项目中我踩过一个坑有次配置了fixedRate5000但方法执行需要8秒结果发现任务堆积严重。这是因为默认情况下所有Scheduled方法都在单线程中顺序执行。这就引出了我们接下来要讨论的核心问题。2. 单线程阻塞问题分析与重现去年双十一大促时我们的订单超时检查服务突然挂了。查看日志发现一个耗时较长的统计任务阻塞了其他所有定时任务。这就是典型的Spring Task单线程阻塞问题 - 默认情况下所有定时任务共享同一个线程。通过这个Demo可以清晰看到问题现象Component public class BlockingDemo { // 任务1每次执行耗时5秒 Scheduled(fixedDelay 1000) public void task1() throws InterruptedException { System.out.println(Thread.currentThread().getName() 开始执行task1 - LocalDateTime.now()); Thread.sleep(5000); // 模拟耗时操作 } // 任务2应该每2秒执行一次 Scheduled(fixedRate 2000) public void task2() { System.out.println(Thread.currentThread().getName() 执行task2 - LocalDateTime.now()); } }运行后会看到类似输出taskScheduler-1 开始执行task1 - 2023-07-20T10:00:00 taskScheduler-1 执行task2 - 2023-07-20T10:00:05 taskScheduler-1 开始执行task1 - 2023-07-20T10:00:05 taskScheduler-1 执行task2 - 2023-07-20T10:00:10明显看出task2没有按预期每2秒执行而是在task1完成后才执行。这是因为Spring默认使用ThreadPoolTaskScheduler但线程池大小默认为1这种设计虽然保证了任务顺序执行但在实际生产环境中极易引发问题。我总结了几种常见问题场景长任务阻塞短任务如上例重要任务被次要任务延迟任务堆积导致系统响应变慢部分时效性强的任务失效3. 线程池配置方案实战解决单线程阻塞最直接的方式就是配置线程池。Spring提供了两种主要方式我都曾在项目中使用过。3.1 配置文件方式推荐新手在application.yml中添加配置spring: task: scheduling: pool: size: 10 # 核心线程数 thread-name-prefix: myTask- # 线程名前缀这种方式的优点是简单直观适合大多数基础场景。我在初期项目中最常使用直到遇到需要更精细控制的场景。3.2 Java配置类方式对于更复杂的需求可以创建配置类Configuration public class TaskConfig { Bean public TaskScheduler taskScheduler() { ThreadPoolTaskScheduler scheduler new ThreadPoolTaskScheduler(); scheduler.setPoolSize(20); scheduler.setThreadNamePrefix(custom-); scheduler.setAwaitTerminationSeconds(60); scheduler.setWaitForTasksToCompleteOnShutdown(true); scheduler.setRejectedExecutionHandler( new ThreadPoolExecutor.CallerRunsPolicy()); return scheduler; } }这里有几个关键参数值得注意poolSize根据任务类型设置I/O密集型建议2NCPU密集型建议N1waitForTasksToCompleteOnShutdown应用关闭时是否等待任务完成rejectedExecutionHandler任务拒绝策略建议记录日志在电商项目中我们最终采用了动态线程池方案scheduler.setPoolSize(Runtime.getRuntime().availableProcessors() * 2);4. 异步执行进阶方案除了线程池结合Async注解可以实现更彻底的异步化。去年我们系统升级时就用这个方案解决了报表生成的阻塞问题。4.1 基础使用首先启用异步支持SpringBootApplication EnableScheduling EnableAsync // 新增注解 public class Application { ... }然后在定时方法上添加AsyncAsync Scheduled(fixedRate 5000) public void generateReport() { // 耗时报表生成逻辑 }4.2 独立线程池配置为了避免所有异步任务共用默认线程池可以自定义Configuration public class AsyncConfig { Bean(reportExecutor) public Executor reportExecutor() { ThreadPoolTaskExecutor executor new ThreadPoolTaskExecutor(); executor.setCorePoolSize(5); executor.setMaxPoolSize(10); executor.setQueueCapacity(50); executor.setThreadNamePrefix(report-); executor.initialize(); return executor; } } // 使用指定线程池 Async(reportExecutor) Scheduled(cron 0 0 2 * * ?) public void dailyReport() { ... }4.3 注意事项在实践中我总结了几个要点异步方法不能有返回值void同类内调用异步方法会失效AOP代理问题要合理设置队列容量避免内存溢出重要任务建议配合事务管理异步方案虽然强大但也增加了系统复杂度。建议根据实际需求选择不是所有定时任务都需要异步化。5. 动态调度高级玩法在配置中心项目中我们需要实现定时规则的动态调整。传统Scheduled注解的方式无法满足这时就需要SchedulingConfigurer接口出马了。5.1 基础实现Configuration EnableScheduling public class DynamicScheduleConfig implements SchedulingConfigurer { Override public void configureTasks(ScheduledTaskRegistrar registrar) { registrar.setScheduler(Executors.newScheduledThreadPool(10)); // 从数据库读取任务配置 ListTaskConfig tasks taskConfigRepository.findAll(); tasks.forEach(task - { registrar.addTriggerTask( () - System.out.println(执行动态任务: task.getName()), new CronTrigger(task.getCronExpression()) ); }); } }5.2 动态刷新方案我们进一步实现了配置热更新Scheduled(fixedDelay 5000) // 每5秒检查一次配置变更 public void refreshTasks() { if(configChanged()) { // 重新注册任务 scheduledTaskRegistrar.destroy(); scheduledTaskRegistrar.afterPropertiesSet(); } }5.3 企业级实践在微服务架构中我们最终采用的方案是配置存储在Nacos/Apollo通过Spring Cloud Bus推送变更使用Redis分布式锁保证单节点执行配合Micrometer监控任务执行情况核心代码结构com.example.scheduler ├── config │ ├── DynamicSchedulerConfig │ └── TaskThreadPoolConfig ├── controller │ └── TaskManageController ├── entity │ └── ScheduledTask └── service ├── TaskConfigService └── TaskExecuteService6. 生产环境最佳实践经过多个项目的锤炼我总结出以下经验6.1 线程池配置公式任务类型核心线程数队列容量拒绝策略关键业务任务N1100CallerRuns普通后台任务N*2500Abort告警非重要统计任务N/21000Discard日志记录6.2 监控方案建议添加以下监控项任务执行耗时PrometheusGrafana线程池活跃度线程数/队列大小任务失败次数与异常日志任务叠加预警当执行间隔小于执行时长时6.3 常见避坑指南时间漂移问题避免在分布式环境中依赖本地时间建议使用统一的时间服务异常处理一定要捕获方法内异常否则会导致任务终止日志规范在任务开始/结束处记录日志方便问题排查资源清理对于数据库连接等资源确保finally块中释放7. 分布式环境解决方案在集群部署时额外需要考虑7.1 分布式锁方案Scheduled(cron 0 0/5 * * * ?) public void distributedTask() { if(lock.tryLock()) { try { // 业务逻辑 } finally { lock.unlock(); } } }7.2 分片任务处理结合ShardingSphere实现数据分片处理Scheduled(fixedRate 60000) public void shardingJob() { int shardTotal 3; // 总分片数 int shardIndex getShardIndex(); // 当前分片 // 只处理属于当前分片的数据 processData(shardTotal, shardIndex); }对于更复杂的场景可以考虑XXL-JOB或Elastic-Job等分布式任务调度框架。但Spring Task的优势在于轻量简单对于大多数中小型项目已经完全够用。
