PowerJob 3.3.0 发布,强大的任务调度中间件

栏目: 软件资讯 · 发布时间: 3年前

内容简介:PowerJob是全新一代任务调度中间件,其主要功能特性如下: 使用简单:提供前端Web界面,允许开发者可视化地完成调度任务的管理(增、删、改、查)、任务运行状态监控和运行日志查看等功能。 定时策略完善:支持C...

PowerJob是全新一代任务调度中间件,其主要功能特性如下

  • 使用简单:提供前端Web界面,允许开发者可视化地完成调度任务的管理(增、删、改、查)、任务运行状态监控和运行日志查看等功能。
  • 定时策略完善:支持CRON表达式、固定频率、固定延迟和API四种定时调度策略,同时提供延迟执行策略
  • 执行模式丰富:支持单机、广播、Map、MapReduce四种执行模式,其中Map/MapReduce处理器能使开发者寥寥数行代码便获得集群分布式计算的能力
  • 工作流支持:支持在线配置任务依赖关系(DAG),可视化得对任务进行编排,同时还支持上下游任务间的数据传递。
  • 执行器支持广泛:支持Spring Bean、内置/外置 Java 类、 ShellPython 等处理器,应用范围广。
  • 系统易扩展:提供 OpenAPI 允许开发者自由地扩展系统原有功能,轻松完成定制
  • 运维便捷:支持在线日志功能,执行器产生的日志可以在前端控制台页面实时显示,降低debug成本,极大地提高开发效率。
  • 依赖精简:最小仅依赖关系型数据库(MySQL/PostgreSQL/Oracle/MS SQLServer...)
  • 高可用&高性能:调度服务器经过精心设计,一改其他调度框架基于数据库锁的策略,实现了无锁化调度。部署多个调度服务器可以同时实现高可用和性能的提升(支持无限的水平扩展)。
  • 故障转移与恢复:任务执行失败后,可根据配置的重试策略完成重试,只要执行器集群有足够的计算节点,任务就能顺利完成。

适用场景

  • 有定时执行需求的业务场景:如每天凌晨全量同步数据、生成业务报表等。
  • 有需要全部机器一同执行的业务场景:如使用广播执行模式清理集群日志。
  • 有需要分布式处理的业务场景:比如需要更新一大批数据,单机执行耗时非常长,可以使用Map/MapReduce处理器完成任务的分发,调动整个集群加速计算。
  • 有需要延迟执行某些任务的业务场景:比如订单过期处理等。

在线试用

试用地址:try.powerjob.tech 试用应用名称:powerjob-agent-test 控制台密码:123

建议点击查看试用文档了解相关操作

新版本包含改进和错误修复,主要更新内容如下:

Features ????

  • 通过 OpenAPI 启动工作流支持传入启动参数 #58
  • 秒级任务按生成时间排序,可读性 upup~ #63
  • 兼容性优化
  • 调度中心线程池优化
  • 调度中心升级 SpringBoot 到最新版,解决安全漏洞问题

BugFix ????

  • 修复 OpenAPI 查询任务实例相关信息缺失的 bug
  • 修复 Oracle 数据库缺少字符集的 bug #72
  • 修复秒级任务在执行时间较长情况下的异常现象
  • 修复固定时间 CRON 表达式无法正确调度的 bug #64

PowerJob 目前已被多家企业正式接入,稳定运行,欢迎各位使用!


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

机器学习实战:基于Scikit-Learn和TensorFlow

机器学习实战:基于Scikit-Learn和TensorFlow

Aurélien Géron / 王静源、贾玮、边蕤、邱俊涛 / 机械工业出版社 / 2018-8 / 119.00

本书主要分为两个部分。第一部分为第1章到第8章,涵盖机器学习的基础理论知识和基本算法——从线性回归到随机森林等,帮助读者掌握Scikit-Learn的常用方法;第二部分为第9章到第16章,探讨深度学习和常用框架TensorFlow,一步一个脚印地带领读者使用TensorFlow搭建和训练深度神经网络,以及卷积神经网络。一起来看看 《机器学习实战:基于Scikit-Learn和TensorFlow》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

Markdown 在线编辑器
Markdown 在线编辑器

Markdown 在线编辑器