MySQL WHERE IN还是范围查询

线上出了一个bug：参与集福气活动的很多玩家奖励少发了。

要补发给玩家的奖励可以通过表A和奖励发放表计算得出（需要补发的奖励 = 表A - 实际奖励发放表）。

现在的做法是写个job把这份补发奖励的名单拉取来（没错不等关服维护了，直接在线跑job）。这里要强调一点：只有在“实际奖励发放表”存在的玩家才有可能需要补发奖励。

第三个方法是我用来凑数的，请各位千万不要这么做。除非实际奖励发放表中玩家人数只有个位数。那到底是用第一个还是第二个呢？这个问题主要看两点：

采用方法二：范围查询的方式把数据加到内存中然后再筛选

需要查询的MySQL数据很多（玩家名单list有几万个），使用范围查找能加快查询速度并且即使将表A的数据全部加载在内存中job服务器也是没有压力。

后台job顾名思义就是让后台自动定期或不定期地运行的作业，包括一些任务或批量处理的业务。主要用途：长时间运行（前台运行会有时间限制）、定时或按事件去触发运行等等，一般是按ABAP程序或事件形式进行调度运行。

Elastic-Job当当网基于quartz 二次开发的弹性分布式任务调度系统，功能丰富强大，采用zookeeper实现分 布式协调，实现任务高可用以及分片。它由两个相互独立的子项目Elastic-Job-Lite和Elastic-Job-Cloud组成，使用Elastic-Job可以快速实现分布式任务调度。 

提供的功能：

分布式调度协调： 在分布式环境中，任务能够按指定的调度策略执行，并且能够避免同一任务多实例重复执行。 

丰富的调度策略： 基于成熟的定时任务作业框架Quartz cron表达式执行定时任务。 

弹性扩容缩容： 当集群中增加某一个实例，它应当也能够被选举并执行任务；当集群减少一个实例时，它所执行的任务能被转移到别的实例来执行。 

失效转移： 某实例在任务执行失败后，会被转移到其他实例执行。 

错过执行作业重触发 ： 若因某种原因导致作业错过执行，自动记录错过执行的作业，并在上次作业完成后自动触发。 

支持并行调度 ： 支持任务分片，任务分片是指将一个任务分为多个小任务项在多个实例同时执行。 

作业分片一致性 ： 当任务被分片后，保证同一分片在分布式环境中仅一个执行实例。 

支持作业生命周期操作 ： 可以动态对任务进行开启及停止操作。 

丰富的作业类型： 支持Simple、DataFlow、Script三种作业类型，后续会有详细介绍。 

Spring整合以及命名空间支持 ： 对Spring支持良好的整合方式，支持spring自定义命名空间，支持占位符。 

运维平台 ： 提供运维界面，可以管理作业和注册中心。 

分片概念 

作业分片是指任务的分布式执行，需要将一个任务拆分为多个独立的任务项，然后由分布式的应用实例分别执行某 一个或几个分片项。 

例如：Elastic-Job快速入门中文件备份的例子，现有2台服务器，每台服务器分别跑一个应用实例。为了快速的执行作业，那么可以将作业分成4片，每个应用实例个执行2片。作业遍历数据的逻辑应为：实例1查找text和image 类型文件执行备份；实例2查找radio和video类型文件执行备份。 如果由于服务器扩容应用实例数量增加为4，则 作业遍历数据的逻辑应为：4个实例分别处理text、image、radio、video类型的文件。 

可以看到，通过对任务合理的分片化，从而达到任务并行处理的效果，最大限度的提高执行作业的吞吐量。 

分片项与业务处理解耦 

Elastic-Job并不直接提供数据处理的功能，框架只会将分片项分配至各个运行中的作业服务器，开发者需要自行处 理分片项与真实数据的对应关系。 

最大限度利用资源

将分片项设置为大于服务器的数量，最好是大于服务器倍数的数量，作业将会合理的利用分布式资源，动态的分配分片项。 

例如：3台服务器，分成10片，则分片项分配结果为服务器A=0,1,2服务器B=3,4,5服务器C=6,7,8,9。 如果服务器C 崩溃，则分片项分配结果为服务器A=0,1,2,3,4服务器B=5,6,7,8,9。在不丢失分片项的情况下，最大限度的利用现有资源提高吞吐量。 

作业类型

elastic-job提供了三种类型的作业：Simple类型作业、Dataflow类型作业、Script类型作业。这里主要讲解前两者。Script类型作业意为脚本类型作业，支持shell，python，perl等所有类型脚本，使用不多，可以参见github文档。 

SimpleJob需要实现SimpleJob接口，意为简单实现，未经过任何封装，与quartz原生接口相似。

Dataflflow类型的定时任务需实现DataflflowJob接口，该接口提供2个方法可供覆盖，分别用于抓取(fetchData)和处理(processData)数据。Dataflflow类型用于处理数据流，它和SimpleJob不同，它以数据流的方式执行，调用fetchData抓取数据，直到抓取不到数据才停止作业。 

非流式处理数据则只会在每次作业执行过程中执行一次fetchData方法和processData方法，随即完成本次作业。  

---