XXL-JOB v3.2.0 | 分布式任务调度平台

[xuxueli]

Release Notes

• 1 、 [强化] AI 任务（ ollamaJobHandler ）优化：针对 “model” 模型配置信息，从执行器侧文件类配置调整至调度中心“任务参数”动态配置，支持集成多模型、并结合任务动态配置切换。
• 2 、 [安全] 登录认证重构：密码加密算法从 Md5 改为 Sha256 ；登录态改为登录后动态随机生成；提升系统安全性；（需要针对用户表进行字段调整，同时需要重新初始化密码信息；相关 SQL 脚本如下）

// 1 、用户表 password 字段需要调整长度，执行如下命令
ALTER TABLE xxl_job_user
    MODIFY COLUMN `password` varchar(100) NOT NULL COMMENT '密码加密信息';
ALTER TABLE xxl_job_user
    ADD COLUMN `token` varchar(100) DEFAULT NULL COMMENT '登录 token';
    
// 2 、存量用户密码需要修改，可执行如下命令将密码初始化 “123456”；也可以自行通过 “SHA256Tool.sha256” 工具生成其他初始化密码；
UPDATE xxl_job_user t SET t.password = '8d969eef6ecad3c29a3a629280e686cf0c3f5d5a86aff3ca12020c923adc6c92' WHERE t.username = {用户名};

• 3 、 [强化] GLUE 模式(Python) 扩展，支持 "GLUE(Python3)" 与 "GLUE(Python2)" 两种模式，分别支持 python3/2 多版本；
• 4 、 [强化] 调度中心系统日志调整，支持启动时指定 -DLOG_HOME 参数自定义日志位置；同时优化日志格式提升易读性；
• 5 、 [优化] 任务 Bean 扫描规则调整，过滤冗余不必要扫描，避免系统组件提前初始化；
• 6 、 [优化] 登录信息页面空值处理优化，避免空值影响 ftl 渲染；
• 7 、 [优化] 异常页面处理逻辑优化，新增兜底落地页配置；
• 8 、 [重构] ReturnT 重构，简化代码结构，提升 API 易用性以及可维护性；
• 9 、 [重构] 项目结构重构，提升可维护性与易读性；
• 10 、 [修复] 漏洞修复（ CVE-2025-7787 ），针对 httpJobHandler 支持配置 URL 白名单限制，防止服务器端请求伪造（ SSRF ）攻击。
• 11 、 [修复] 合并 PR-3738 ，修复拼写问题；
• 12 、 [修复] 合并 PR-3506 ，修复小概率情况下任务重复调度问题；
• 13 、 [修复] 合并 PR-3747 ，修复异常情况下资源泄漏风险；
• 14 、 [修复] IDOR 越权问题修复，提升任务操作及日志管理安全性；
• 15 、 [升级] 升级多项 maven 依赖至较新版本，如 netty 、groovy 、mybatis 、spring 、spring-ai 、dify 等；

“AI 任务”接入示例

此处以 difyWorkflowJobHandler 为例，注意需要前置部署 AI 执行器（ xxl-job-executor-sample-ai ），可参考官方文档说明。

步骤一：调度中心，新建 difyWorkflowJobHandler 任务

步骤二：任务执行，查看任务进度及日志

“常规任务”接入示例

XXL-JOB 支持多模式任务，下文以简单的“Bean 模式任务”为例介绍，三步快速开发接入。

步骤一：执行器，开发 Job 方法

@XxlJob("demoJobHandler")
 public void demoJobHandler() throws Exception {
    XxlJobHelper.log("XXL-JOB, Hello World.");
}

步骤二：调度中心，新建调度任务

步骤三：任务执行，查看任务进度及日志

简介

XXL-JOB 是一个轻量级分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线，开箱即用。

• 中文文档： http://www.xuxueli.com/xxl-job/
• 社区交流： http://www.xuxueli.com/page/community.html

特性

• 1 、简单：支持通过 Web 页面对任务进行 CRUD 操作，操作简单，一分钟上手；
• 2 、动态：支持动态修改任务状态、启动/停止任务，以及终止运行中任务，即时生效；
• 3 、调度中心 HA （中心式）：调度采用中心式设计，“调度中心”自研调度组件并支持集群部署，可保证调度中心 HA ；
• 4 、执行器 HA （分布式）：任务分布式执行，任务"执行器"支持集群部署，可保证任务执行 HA ；
• 5 、注册中心: 执行器会周期性自动注册任务, 调度中心将会自动发现注册的任务并触发执行。同时，也支持手动录入执行器地址；
• 6 、弹性扩容缩容：一旦有新执行器机器上线或者下线，下次调度时将会重新分配任务；
• 7 、触发策略：提供丰富的任务触发策略，包括：Cron 触发、固定间隔触发、固定延时触发、API （事件）触发、人工触发、父子任务触发；
• 8 、调度过期策略：调度中心错过调度时间的补偿处理策略，包括：忽略、立即补偿触发一次等；
• 9 、阻塞处理策略：调度过于密集执行器来不及处理时的处理策略，策略包括：单机串行（默认）、丢弃后续调度、覆盖之前调度；
• 10 、任务超时控制：支持自定义任务超时时间，任务运行超时将会主动中断任务；
• 11 、任务失败重试：支持自定义任务失败重试次数，当任务失败时将会按照预设的失败重试次数主动进行重试；其中分片任务支持分片粒度的失败重试；
• 12 、任务失败告警；默认提供邮件方式失败告警，同时预留扩展接口，可方便的扩展短信、钉钉等告警方式；
• 13 、路由策略：执行器集群部署时提供丰富的路由策略，包括：第一个、最后一个、轮询、随机、一致性 HASH 、最不经常使用、最近最久未使用、故障转移、忙碌转移等；
• 14 、分片广播任务：执行器集群部署时，任务路由策略选择"分片广播"情况下，一次任务调度将会广播触发集群中所有执行器执行一次任务，可根据分片参数开发分片任务；
• 15 、动态分片：分片广播任务以执行器为维度进行分片，支持动态扩容执行器集群从而动态增加分片数量，协同进行业务处理；在进行大数据量业务操作时可显著提升任务处理能力和速度。
• 16 、故障转移：任务路由策略选择"故障转移"情况下，如果执行器集群中某一台机器故障，将会自动 Failover 切换到一台正常的执行器发送调度请求。
• 17 、任务进度监控：支持实时监控任务进度；
• 18 、Rolling 实时日志：支持在线查看调度结果，并且支持以 Rolling 方式实时查看执行器输出的完整的执行日志；
• 19 、GLUE：提供 Web IDE ，支持在线开发任务逻辑代码，动态发布，实时编译生效，省略部署上线的过程。支持 30 个版本的历史版本回溯。
• 20 、脚本任务：支持以 GLUE 模式开发和运行脚本任务，包括 Shell 、Python 、NodeJS 、PHP 、PowerShell 等类型脚本;
• 21 、命令行任务：原生提供通用命令行任务 Handler （ Bean 任务，"CommandJobHandler"）；业务方只需要提供命令行即可；
• 22 、任务依赖：支持配置子任务依赖，当父任务执行结束且执行成功后将会主动触发一次子任务的执行, 多个子任务用逗号分隔；
• 23 、一致性：“调度中心”通过 DB 锁保证集群分布式调度的一致性, 一次任务调度只会触发一次执行；
• 24 、自定义任务参数：支持在线配置调度任务入参，即时生效；
• 25 、调度线程池：调度系统多线程触发调度运行，确保调度精确执行，不被堵塞；
• 26 、数据加密：调度中心和执行器之间的通讯进行数据加密，提升调度信息安全性；
• 27 、邮件报警：任务失败时支持邮件报警，支持配置多邮件地址群发报警邮件；
• 28 、推送 maven 中央仓库: 将会把最新稳定版推送到 maven 中央仓库, 方便用户接入和使用;
• 29 、运行报表：支持实时查看运行数据，如任务数量、调度次数、执行器数量等；以及调度报表，如调度日期分布图，调度成功分布图等；
• 30 、全异步：任务调度流程全异步化设计实现，如异步调度、异步运行、异步回调等，有效对密集调度进行流量削峰，理论上支持任意时长任务的运行；
• 31 、跨语言/OpenAPI：调度中心与执行器提供语言无关的 OpenApi （ RESTful 格式），第三方任意语言可据此对接调度中心或者实现执行器，实现多语言支持。除此之外，还提供了 “多任务模式”和“httpJobHandler”等其他跨语言方案；
• 32 、国际化：调度中心支持国际化设置，提供中文、英文两种可选语言，默认为中文；
• 33 、容器化：提供官方 docker 镜像，并实时更新推送 dockerhub ，进一步实现产品开箱即用；
• 34 、线程池隔离：调度线程池进行隔离拆分，慢任务自动降级进入"Slow"线程池，避免耗尽调度线程，提高系统稳定性；
• 35 、用户管理：支持在线管理系统用户，存在管理员、普通用户两种角色；
• 36 、权限控制：执行器维度进行权限控制，管理员拥有全量权限，普通用户需要分配执行器权限后才允许相关操作；
• 37 、AI 任务：原生提供 AI 执行器，并内置多个 AI 任务 Handler ，与 spring-ai 、ollama 、dify 等集成打通，支持快速开发 AI 类任务。

[faywong8888]

先赞后看。弱弱问一句，有 c++ 版本吗？

[triptipstop]

这么多年了 现在支持 API 调用了吗

[singer]

golang sdk https://github.com/go-xxl/xxl

[singer]

@faywong8888 跨语言客户端只要实现这几个接口即可 https://github.com/go-xxl/xxl/blob/master/executor.go#L61
如果是 C++服务端，那工作量就大了

[jorneyr]

XXL-Job 使用 GPL 协议，可以要求使用了 XXL-Job 的那几百个公司开源相关产品代码吗？

[xjpz]

登录密码现在还是明文传输吗，被公司扫描出来了要求整改。

[karben]

@jorneyr 作者之前声明过，选用 GPL 协议主要是为了防止软件本身被其他人商业发售，并不是为了限制软件使用者 https://github.com/xuxueli/xxl-job/issues/2899#issuecomment-1171981308

[collery]

@xjpz 应该是吧。

[jorneyr]

@karben 这不重要，既然使用了 GPL 协议，就应该遵守 GPL 协议。

[dragondove]

@jorneyr 分发了才需要开源，服务端程序一般都是不受影响的，因为服务端本身不分发。对于 xxl-job 这种更加独立的服务端项目，需要开源的情况更少，就是你修改了代码，并且你的修改版分发给别人了（不管是花钱购买还是通过其他方式获得），获得分发后二进制文件的人有权向分发者获取修改后源码，其实这种情况几乎不存在。

[0x663]

XXL-JOB 对比 dolphinscheduler 有什么优势呢？