电商中台订单集成

概述:

核心技术要求：不丢单，分布式订单抓取

订单下拉技术选择，推送还是抓取？目前采取定时抓取的方式，抓取的方式更加合理，因为可以控制订单流入的速度，防止超出后台系统的处理能力. 一般采取按时间分片的方法: 每次任务执行抓取一个时间段内的订单，为了保证订单不丢失，我们会让每个时间片边界有几秒的重叠.

作为订单中台，往往会从多个平台抓取订单， 那么我们可以考虑分配多个服务器来完成订单抓取任务，来提高吞吐量，对于订单多的平台，我们可以多分配多台服务器，对于订单少的平台，一台服务器可以处理多个平台的订单，如何高效地调度任务是一个挑战. 尤其是当多台服务器对应一个平台的时候，我们需要每台服务器并行地抓取不同时间段的订单（订单的顺序）做到不重复遗漏. 一种做法是分配一台服务器做任务调度，那么这台服务器可能会成为单点瓶颈，一旦这台服务器宕机，整个抓取进程就会停滞. 更好的做法是让多台服务器通过ZOOKEEPER自行协商，决定每台服务器应该分配的时间段.

配置管理:

目前采用ZOOKEEPER做订单抓取的配置管理. 对于配置管理，ZOOKEEPER最大的优势是可以集中管理配置信息，并且当配置信息有更改的时候，所有的节点都能自动监听到并保持一致. 目前对于所有的配置选项都支持两级的配置管理，所有平台可以共享配置（平台编号=default） 或者针对某个平台个性化设置（覆盖 默认值）

配置管理ZOOKEEPER数据结构：

ZOOKEEPER路径	ZOOKEEPER数据	节点类型
/tasks/cfg/starttime/[平台编号]	每个平台订单抓取任务的开始时间（精确到秒），比如抓取最近3个月的订单，那开始时间是当前时间-3个月	PERSISTENT
/tasks/cfg/interval/[平台编号]	每个平台订单抓取任务的时间片长度（秒数）	PERSISTENT
/tasks/cfg/timeout/[平台编号]	每个平台订单抓取任务的超时时间	PERSISTENT
/tasks/cfg/retries/[平台编号]	每个平台订单抓取任务的重试次数	PERSISTENT
/tasks/cfg/retryintv/[平台编号]	每个平台订单抓取任务出错每次重试的间隔时间	PERSISTENT
/tasks/cfg/taskpernode/[平台编号]	每个平台订单抓取任务在每个节点上并行线程数量	PERSISTENT
/schedulers/assignment/[平台编号]/[服务器节点编号]	空字符串	EPHEMERAL

注：目前服务器和平台的对应无法智能地自动分配，需要在启动服务器前手工在ZOOKEEPER中创建

任务调度算法:

节点间通过ZOOKEEPER协调, ZOOKEEPER的数据结构如下

ZOOKEEPER路径	ZOOKEEPER数据	节点类型
/tasks/runtime/prevcomplete/[平台编号]	任务最新执行时间片的开始时间	PERSISTENT
/tasks/runtime/inprogress/[平台编号]-[任务时间片开始]-[任务时间片结束]	实际任务的开始执行时间	PERSISTENT

获取任务:
从ZOOKEEPER中获取最近的执行时间/tasks/runtime/prevcomplete/， 如果最近的执行时间为空就获取开始时间

根据时间片算出下次的执行时间

保存下次执行时间片的起始和结束时间/tasks/runtime/inprogress/ 和当前平台任务新的开始时间. 注意：这里采用了ZOOKEEPER的MULTI命令 保证两次保存为原子性操作（同时成功或失败）当两个不同的节点同时试图获取同一时间片时，只有第一个会保存成功，第二个会抛出KEEPEREXCEPTION.

如果保存失败则重新获取最近的执行时间（重复步骤1-3），重复N次后如仍然不成功则返回获取抓取任务失败

任务完成:
删除ZOOKEEPER中的任务/tasks/runtime/inprogress/

异常处理:

每次抓取任务失败会重试一定次数 (/tasks/cfg/retries), 每次重试的间隔时间会逐渐增大（重试次数* [/tasks/cfg/retryintv]），避免频繁重试使网络状况进一步恶化，当重试次数超过限定时则将任务放入一个失败队列并通知管理员，可能需要排查原因并后续人工处理.

另外一种情况是任务获取后在处理过程中由于服务器宕机，抓取线程崩溃等原因导致不能删除/tasks/runtime/inprogress/，即任务并未完成而处理状态未知. 集群中需要通过ZOOKEEPER选举出一个LEADER服务器来监控任务列表（关于ZOOKEEPER LEADER选举在官方的RECEIPE中有详细描述，这里就不再赘述）, LEADER中的监控线程处于活跃状态并定期扫描所有 /tasks/runtime/inprogress/节点下的任务，如果任务存在的时间超过一个阀值，就将任务删除，同样放入失败队列待后续处理