DolphinScheduler海豚调度教程_海豚调度使用说明(2)

• 也可以在运行中修改worker所属的worker分组，如果修改成功，worker就会使用这个新建的分组，忽略worker.properties中的配置。修改步骤为"安全中心 -> worker分组管理 -> 点击 ‘新建worker分组’ -> 输入’组名称’ -> 选择已有worker -> 点击’提交’"

环境管理

• 在线配置Worker运行环境，一个Worker可以指定多个环境，每个环境等价于dolphinscheduler_env.sh文件.
• 默认环境为dolphinscheduler_env.sh文件.
• 在任务执行时,可以将任务分配给指定worker分组，根据worker分组选择对应的环境，最终由该组中的worker节点执行环境后执行该任务.

创建/更新 环境

• 环境配置等价于dolphinscheduler_env.sh文件内配置

使用 环境

• 在工作流定义中创建任务节点选择Worker分组和Worker分组对应的环境，任务执行时Worker会先执行环境在执行任务.

API 调用

背景

一般都是通过页面来创建项目、流程等，但是与第三方系统集成就需要通过调用 API 来管理项目、流程

操作步骤

创建 token

1. 登录调度系统，点击 “安全中心”，再点击左侧的 “令牌管理”，点击 “令牌管理” 创建令牌

1. 选择 “失效时间” (Token有效期)，选择 “用户” (以指定的用户执行接口操作)，点击 “生成令牌” ，拷贝 Token 字符串，然后点击 “提交”

使用 Token

1. 打开 API文档页面

地址：http://{api server ip}:12345/dolphinscheduler/doc.html?language=zh_CN&lang=cn

1. 选一个测试的接口，本次测试选取的接口是：查询所有项目

projects/query-project-list

2. 打开 Postman，填写接口地址，并在 Headers 中填写 Token，发送请求后即可查看结果

token:刚刚生成的Token

创建项目

这里以创建名为 “wudl-flink-test” 的项目为例

返回 msg 信息为 “success”，说明我们已经成功通过 API 的方式创建了项目。

如果您对创建项目的源码感兴趣，欢迎继续阅读下面内容

附:创建项目源码

Flink调用

调用 flink 操作步骤

创建队列

1. 登录调度系统，点击 “安全中心”，再点击左侧的 “队列管理”，点击 “队列管理” 创建队列
2. 填写队列名称和队列值，然后点击 “提交”

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QOXUFbby-1683205974909)(null)]

创建租户

1.租户对应的是 linux 用户, 用户 worker 提交作业所使用的的用户， 如果 linux 没有这个用户， worker 会在执行脚本的时候创建这个用户
2.租户和租户编码都是唯一不能重复，好比一个人有名字有身份证号。
3.创建完租户会在 hdfs 对应的目录上有相关的文件夹。

创建用户

创建 Token

1. 登录调度系统，点击 “安全中心”，再点击左侧的 “令牌管理”，点击 “令牌管理” 创建令牌

1. 选择 “失效时间” (Token有效期)，选择 “用户” (以指定的用户执行接口操作)，点击 “生成令牌” ，拷贝 Token 字符串，然后点击 “提交”

使用 Token

1. 打开 API文档页面

地址：http://{api server ip}:12345/dolphinscheduler/doc.html?language=zh_CN&lang=cn

1. 选一个测试的接口，本次测试选取的接口是：查询所有项目

projects/query-project-list

2. 打开 Postman，填写接口地址，并在 Headers 中填写 Token，发送请求后即可查看结果

token: 刚刚生成的 Token

用户授权

用户登录

http://192.168.1.163:12345/dolphinscheduler/ui/#/monitor/servers/master

资源上传

创建工作流

查看执行结果

查看日志结果

（二）高级指南

系统架构设计

本章节介绍Apache DolphinScheduler调度系统架构

1.系统架构

1.1 系统架构图

系统架构图

1.2 启动流程活动图

启动流程活动图

1.3 架构说明

• MasterServer

MasterServer采用分布式无中心设计理念，MasterServer主要负责 DAG 任务切分、任务提交监控，并同时监听其它MasterServer和WorkerServer的健康状态。 MasterServer服务启动时向Zookeeper注册临时节点，通过监听Zookeeper临时节点变化来进行容错处理。 MasterServer基于netty提供监听服务。

该服务内主要包含:

• Distributed Quartz分布式调度组件，主要负责定时任务的启停操作，当quartz调起任务后，Master内部会有线程池具体负责处理任务的后续操作
• MasterSchedulerService是一个扫描线程，定时扫描数据库中的 command 表，生成工作流实例，根据不同的命令类型进行不同的业务操作
• WorkflowExecuteThread主要是负责DAG任务切分、任务提交、各种不同命令类型的逻辑处理，处理任务状态和工作流状态事件
• EventExecuteService处理master负责的工作流实例所有的状态变化事件，使用线程池处理工作流的状态事件
• StateWheelExecuteThread处理依赖任务和超时任务的定时状态更新

• WorkerServer

WorkerServer也采用分布式无中心设计理念，支持自定义任务插件，主要负责任务的执行和提供日志服务。 WorkerServer服务启动时向Zookeeper注册临时节点，并维持心跳。

该服务包含：

• WorkerManagerThread主要通过netty领取master发送过来的任务，并根据不同任务类型调用TaskExecuteThread对应执行器。
• RetryReportTaskStatusThread主要通过netty向master汇报任务状态，如果汇报失败，会一直重试汇报
• LoggerServer是一个日志服务，提供日志分片查看、刷新和下载等功能

• Registry

注册中心，使用插件化实现，默认支持Zookeeper, 系统中的MasterServer和WorkerServer节点通过注册中心来进行集群管理和容错。另外系统还基于注册中心进行事件监听和分布式锁。

• Alert

提供告警相关功能，仅支持单机服务。支持自定义告警插件。

• API

API接口层，主要负责处理前端UI层的请求。该服务统一提供RESTful api向外部提供请求服务。 接口包括工作流的创建、定义、查询、修改、发布、下线、手工启动、停止、暂停、恢复、从该节点开始执行等等。

• UI

系统的前端页面，提供系统的各种可视化操作界面，详见系统使用手册部分。

1.4 架构设计思想

一、去中心化vs中心化

中心化思想

中心化的设计理念比较简单，分布式集群中的节点按照角色分工，大体上分为两种角色：

• Master的角色主要负责任务分发并监督Slave的健康状态，可以动态的将任务均衡到Slave上，以致Slave节点不至于“忙死”或”闲死”的状态。
• Worker的角色主要负责任务的执行工作并维护和Master的心跳，以便Master可以分配任务给Slave。

中心化思想设计存在的问题：

• 一旦Master出现了问题，则群龙无首，整个集群就会崩溃。为了解决这个问题，大多数Master/Slave架构模式都采用了主备Master的设计方案，可以是热备或者冷备，也可以是自动切换或手动切换，而且越来越多的新系统都开始具备自动选举切换Master的能力,以提升系统的可用性。
• 另外一个问题是如果Scheduler在Master上，虽然可以支持一个DAG中不同的任务运行在不同的机器上，但是会产生Master的过负载。如果Scheduler在Slave上，则一个DAG中所有的任务都只能在某一台机器上进行作业提交，则并行任务比较多的时候，Slave的压力可能会比较大。

去中心化

• 在去中心化设计里，通常没有Master/Slave的概念，所有的角色都是一样的，地位是平等的，全球互联网就是一个典型的去中心化的分布式系统，联网的任意节点设备down机，都只会影响很小范围的功能。
• 去中心化设计的核心设计在于整个分布式系统中不存在一个区别于其他节点的”管理者”，因此不存在单点故障问题。但由于不存在” 管理者”节点所以每个节点都需要跟其他节点通信才得到必须要的机器信息，而分布式系统通信的不可靠性，则大大增加了上述功能的实现难度。
• 实际上，真正去中心化的分布式系统并不多见。反而动态中心化分布式系统正在不断涌出。在这种架构下，集群中的管理者是被动态选择出来的，而不是预置的，并且集群在发生故障的时候，集群的节点会自发的举行"会议"来选举新的"管理者"去主持工作。最典型的案例就是ZooKeeper及Go语言实现的Etcd。
• DolphinScheduler的去中心化是Master/Worker注册到Zookeeper中，实现Master集群和Worker集群无中心，使用分片机制，公平分配工作流在master上执行，并通过不同的发送策略将任务发送给worker执行具体的任务

二、Master执行流程

1. DolphinScheduler使用分片算法将command取模，根据master的排序id分配，master将拿到的command转换成工作流实例，使用线程池处理工作流实例
2. DolphinScheduler对工作流的处理流程:

• 通过UI或者API调用，启动工作流，持久化一条command到数据库中
• Master通过分片算法，扫描Command表，生成工作流实例ProcessInstance，同时删除Command数据
• Master使用线程池运行WorkflowExecuteThread，执行工作流实例的流程，包括构建DAG，创建任务实例TaskInstance，将TaskInstance通过netty发送给worker
• Worker收到任务以后，修改任务状态，并将执行信息返回Master
• Master收到任务信息，持久化到数据库，并且将状态变化事件存入EventExecuteService事件队列
• EventExecuteService根据事件队列调用WorkflowExecuteThread进行后续任务的提交和工作流状态的修改

三、容错设计

容错分为服务宕机容错和任务重试，服务宕机容错又分为Master容错和Worker容错两种情况

1. 宕机容错

服务容错设计依赖于ZooKeeper的Watcher机制，实现原理如图：

其中Master监控其他Master和Worker的目录，如果监听到remove事件，则会根据具体的业务逻辑进行流程实例容错或者任务实例容错。

• Master容错流程图：

ZooKeeper Master容错完成之后则重新由DolphinScheduler中Scheduler线程调度，遍历 DAG 找到”正在运行”和“提交成功”的任务，对”正在运行”的任务监控其任务实例的状态，对”提交成功”的任务需要判断Task Queue中是否已经存在，如果存在则同样监控任务实例的状态，如果不存在则重新提交任务实例。

• Worker容错流程图：

Master Scheduler线程一旦发现任务实例为” 需要容错”状态，则接管任务并进行重新提交。

注意：由于” 网络抖动”可能会使得节点短时间内失去和ZooKeeper的心跳，从而发生节点的remove事件。对于这种情况，我们使用最简单的方式，那就是节点一旦和ZooKeeper发生超时连接，则直接将Master或Worker服务停掉。

2.任务失败重试

这里首先要区分任务失败重试、流程失败恢复、流程失败重跑的概念：

• 任务失败重试是任务级别的，是调度系统自动进行的，比如一个Shell任务设置重试次数为3次，那么在Shell任务运行失败后会自己再最多尝试运行3次
• 流程失败恢复是流程级别的，是手动进行的，恢复是从只能从失败的节点开始执行或从当前节点开始执行
• 流程失败重跑也是流程级别的，是手动进行的，重跑是从开始节点进行

接下来说正题，我们将工作流中的任务节点分了两种类型。

• 一种是业务节点，这种节点都对应一个实际的脚本或者处理语句，比如Shell节点，MR节点、Spark节点、依赖节点等。
• 还有一种是逻辑节点，这种节点不做实际的脚本或语句处理，只是整个流程流转的逻辑处理，比如子流程节等。

所有任务都可以配置失败重试的次数，当该任务节点失败，会自动重试，直到成功或者超过配置的重试次数。

如果工作流中有任务失败达到最大重试次数，工作流就会失败停止，失败的工作流可以手动进行重跑操作或者流程恢复操作

四、任务优先级设计

在早期调度设计中，如果没有优先级设计，采用公平调度设计的话，会遇到先行提交的任务可能会和后继提交的任务同时完成的情况，而不能做到设置流程或者任务的优先级，因此我们对此进行了重新设计，目前我们设计如下：

• 按照

不同流程实例优先级

优先于

同一个流程实例优先级

优先于

同一流程内任务优先级

优先于

同一流程内任务

提交顺序依次从高到低进行任务处理。

• 具体实现是根据任务实例的json解析优先级，然后把流程实例优先级_流程实例id_任务优先级_任务id信息保存在ZooKeeper任务队列中，当从任务队列获取的时候，通过字符串比较即可得出最需要优先执行的任务

• 其中流程定义的优先级是考虑到有些流程需要先于其他流程进行处理，这个可以在流程启动或者定时启动时配置，共有5级，依次为HIGHEST、HIGH、MEDIUM、LOW、LOWEST。如下图

• 任务的优先级也分为5级，依次为HIGHEST、HIGH、MEDIUM、LOW、LOWEST。如下图

五、Logback和netty实现日志访问

• 由于Web(UI)和Worker不一定在同一台机器上，所以查看日志不能像查询本地文件那样。有两种方案：
• 将日志放到ES搜索引擎上
• 通过netty通信获取远程日志信息
• 介于考虑到尽可能的DolphinScheduler的轻量级性，所以选择了gRPC实现远程访问日志信息。

• 我们使用自定义Logback的FileAppender和Filter功能，实现每个任务实例生成一个日志文件。
• FileAppender主要实现如下：

/**
* task log appender
*/
public class TaskLogAppender extends FileAppender {

…

@Override
protected void append(ILoggingEvent event) {

if (currentlyActiveFile == null){
currentlyActiveFile = getFile();
}
String activeFile = currentlyActiveFile;
// thread name： taskThreadName-processDefineId_processInstanceId_taskInstanceId
String threadName = event.getThreadName();
String[] threadNameArr = threadName.split(“-”);
// logId = processDefineId_processInstanceId_taskInstanceId
String logId = threadNameArr[1];
…
super.subAppend(event);
}
}

以/流程定义id/流程实例id/任务实例id.log的形式生成日志

• 过滤匹配以TaskLogInfo开始的线程名称：
• TaskLogFilter实现如下：

/**
* task log filter
*/
public class TaskLogFilter extends Filter {

@Override
public FilterReply decide(ILoggingEvent event) {
if (event.getThreadName().startsWith(“TaskLogInfo-”)){
return FilterReply.ACCEPT;
}
return FilterReply.DENY;
}
}

Dolphin Scheduler 2.0元数据文档

表概览

表名	表信息
t_ds_access_token	访问ds后端的token
t_ds_alert	告警信息
t_ds_alertgroup	告警组
t_ds_command	执行命令
t_ds_datasource	数据源
t_ds_error_command	错误命令
t_ds_process_definition	流程定义
t_ds_process_instance	流程实例
t_ds_project	项目
t_ds_queue	队列
t_ds_relation_datasource_user	用户关联数据源
t_ds_relation_process_instance	子流程
t_ds_relation_project_user	用户关联项目
t_ds_relation_resources_user	用户关联资源
t_ds_relation_udfs_user	用户关联UDF函数
t_ds_relation_user_alertgroup	用户关联告警组
t_ds_resources	资源文件
t_ds_schedules	流程定时调度
t_ds_session	用户登录的session
t_ds_task_instance	任务实例
t_ds_tenant	租户
t_ds_udfs	UDF资源
t_ds_user	用户
t_ds_version	ds版本信息

用户 队列 数据源

• 一个租户下可以有多个用户
• t_ds_user中的queue字段存储的是队列表中的queue_name信息，t_ds_tenant下存的是queue_id，在流程定义执行过程中，用户队列优先级最高，用户队列为空则采用租户队列
• t_ds_datasource表中的user_id字段表示创建该数据源的用户，t_ds_relation_datasource_user中的user_id表示，对数据源有权限的用户

项目 资源 告警

• 一个用户可以有多个项目，用户项目授权通过t_ds_relation_project_user表完成project_id和user_id的关系绑定
• t_ds_projcet表中的user_id表示创建该项目的用户，t_ds_relation_project_user表中的user_id表示对项目有权限的用户
• t_ds_resources表中的user_id表示创建该资源的用户，t_ds_relation_resources_user中的user_id表示对资源有权限的用户
• t_ds_udfs表中的user_id表示创建该UDF的用户，t_ds_relation_udfs_user表中的user_id表示对UDF有权限的用户

命令 流程 任务

• 一个项目有多个流程定义，一个流程定义可以生成多个流程实例，一个流程实例可以生成多个任务实例
• t_ds_schedulers表存放流程定义的定时调度信息
• t_ds_relation_process_instance表存放的数据用于处理流程定义中含有子流程的情况，parent_process_instance_id表示含有子流程的主流程实例id，process_instance_id表示子流程实例的id，parent_task_instance_id表示子流程节点的任务实例id，流程实例表和任务实例表分别对应t_ds_process_instance表和t_ds_task_instance表

核心表Schema

t_ds_process_definition

字段	类型	注释
id	int	主键
name	varchar	流程定义名称
version	int	流程定义版本
release_state	tinyint	流程定义的发布状态：0 未上线 1已上线
project_id	int	项目id
user_id	int	流程定义所属用户id
process_definition_json	longtext	流程定义json串
description	text	流程定义描述
global_params	text	全局参数
flag	tinyint	流程是否可用：0 不可用，1 可用
locations	text	节点坐标信息
connects	text	节点连线信息
receivers	text	收件人
receivers_cc	text	抄送人
create_time	datetime	创建时间
timeout	int	超时时间
tenant_id	int	租户id
update_time	datetime	更新时间
modify_by	varchar	修改用户
resource_ids	varchar	资源id集

t_ds_process_instance

字段	类型	注释
id	int	主键
name	varchar	流程实例名称
process_definition_id	int	流程定义id
state	tinyint	流程实例状态：0 提交成功,1 正在运行,2 准备暂停,3 暂停,4 准备停止,5 停止,6 失败,7 成功,8 需要容错,9 kill,10 等待线程,11 等待依赖完成
recovery	tinyint	流程实例容错标识：0 正常,1 需要被容错重启
start_time	datetime	流程实例开始时间
end_time	datetime	流程实例结束时间
run_times	int	流程实例运行次数
host	varchar	流程实例所在的机器
command_type	tinyint	命令类型：0 启动工作流,1 从当前节点开始执行,2 恢复被容错的工作流,3 恢复暂停流程,4 从失败节点开始执行,5 补数,6 调度,7 重跑,8 暂停,9 停止,10 恢复等待线程
command_param	text	命令的参数（json格式）
task_depend_type	tinyint	节点依赖类型：0 当前节点,1 向前执行,2 向后执行
max_try_times	tinyint	最大重试次数
failure_strategy	tinyint	失败策略 0 失败后结束，1 失败后继续
warning_type	tinyint	告警类型：0 不发,1 流程成功发,2 流程失败发,3 成功失败都发
warning_group_id	int	告警组id
schedule_time	datetime	预期运行时间
command_start_time	datetime	开始命令时间
global_params	text	全局参数（固化流程定义的参数）
process_instance_json	longtext	流程实例json(copy的流程定义的json)
flag	tinyint	是否可用，1 可用，0不可用
update_time	timestamp	更新时间
is_sub_process	int	是否是子工作流 1 是，0 不是
executor_id	int	命令执行用户
locations	text	节点坐标信息
connects	text	节点连线信息
history_cmd	text	历史命令，记录所有对流程实例的操作
dependence_schedule_times	text	依赖节点的预估时间
process_instance_priority	int	流程实例优先级：0 Highest,1 High,2 Medium,3 Low,4 Lowest
worker_group	varchar	任务指定运行的worker分组
timeout	int	超时时间
tenant_id	int	租户id

t_ds_task_instance

字段	类型	注释
id	int	主键
name	varchar	任务名称
task_type	varchar	任务类型
process_definition_id	int	流程定义id
process_instance_id	int	流程实例id
task_json	longtext	任务节点json
state	tinyint	任务实例状态：0 提交成功,1 正在运行,2 准备暂停,3 暂停,4 准备停止,5 停止,6 失败,7 成功,8 需要容错,9 kill,10 等待线程,11 等待依赖完成
submit_time	datetime	任务提交时间
start_time	datetime	任务开始时间
end_time	datetime	任务结束时间
host	varchar	执行任务的机器
execute_path	varchar	任务执行路径
log_path	varchar	任务日志路径
alert_flag	tinyint	是否告警
retry_times	int	重试次数
pid	int	进程pid
app_link	varchar	yarn app id
flag	tinyint	是否可用：0 不可用，1 可用
retry_interval	int	重试间隔
max_retry_times	int	最大重试次数
task_instance_priority	int	任务实例优先级：0 Highest,1 High,2 Medium,3 Low,4 Lowest
worker_group	varchar	任务指定运行的worker分组

t_ds_schedules

字段	类型	注释
id	int	主键
process_definition_id	int	流程定义id
start_time	datetime	调度开始时间
end_time	datetime	调度结束时间
crontab	varchar	crontab 表达式
failure_strategy	tinyint	失败策略： 0 结束，1 继续
user_id	int	用户id
release_state	tinyint	状态：0 未上线，1 上线
warning_type	tinyint	告警类型：0 不发,1 流程成功发,2 流程失败发,3 成功失败都发
warning_group_id	int	告警组id
process_instance_priority	int	流程实例优先级：0 Highest,1 High,2 Medium,3 Low,4 Lowest
worker_group	varchar	任务指定运行的worker分组
create_time	datetime	创建时间
update_time	datetime	更新时间

t_ds_command

字段	类型	注释
id	int	主键
command_type	tinyint	命令类型：0 启动工作流,1 从当前节点开始执行,2 恢复被容错的工作流,3 恢复暂停流程,4 从失败节点开始执行,5 补数,6 调度,7 重跑,8 暂停,9 停止,10 恢复等待线程
process_definition_id	int	流程定义id
command_param	text	命令的参数（json格式）
task_depend_type	tinyint	节点依赖类型：0 当前节点,1 向前执行,2 向后执行
failure_strategy	tinyint	失败策略：0结束，1继续
warning_type	tinyint	告警类型：0 不发,1 流程成功发,2 流程失败发,3 成功失败都发
warning_group_id	int	告警组
schedule_time	datetime	预期运行时间
start_time	datetime	开始时间
executor_id	int	执行用户id
dependence	varchar	依赖字段
update_time	datetime	更新时间
process_instance_priority	int	流程实例优先级：0 Highest,1 High,2 Medium,3 Low,4 Lowest
worker_group	varchar	任务指定运行的worker分组

配置文件

前言

本文档为dolphinscheduler配置文件说明文档,针对版本为 dolphinscheduler-1.3.x 版本.

目录结构

目前dolphinscheduler 所有的配置文件都在 [conf ] 目录中. 为了更直观的了解[conf]目录所在的位置以及包含的配置文件,请查看下面dolphinscheduler安装目录的简化说明. 本文主要讲述dolphinscheduler的配置文件.其他部分先不做赘述.

[注:以下 dolphinscheduler 简称为DS.]

├─bin DS命令存放目录
│ ├─dolphinscheduler-daemon.sh 启动/关闭DS服务脚本
│ ├─start-all.sh 根据配置文件启动所有DS服务
│ ├─stop-all.sh 根据配置文件关闭所有DS服务
├─conf 配置文件目录
│ ├─application-api.properties api服务配置文件
│ ├─datasource.properties 数据库配置文件
│ ├─zookeeper.properties zookeeper配置文件
│ ├─master.properties master服务配置文件
│ ├─worker.properties worker服务配置文件
│ ├─quartz.properties quartz服务配置文件
│ ├─common.properties 公共服务[存储]配置文件
│ ├─alert.properties alert服务配置文件
│ ├─config 环境变量配置文件夹
│ ├─install_config.conf DS环境变量配置脚本[用于DS安装/启动]
│ ├─env 运行脚本环境变量配置目录
│ ├─dolphinscheduler_env.sh 运行脚本加载环境变量配置文件[如: JAVA_HOME,HADOOP_HOME, HIVE_HOME …]
│ ├─org mybatis mapper文件目录
│ ├─i18n i18n配置文件目录
│ ├─logback-api.xml api服务日志配置文件
│ ├─logback-master.xml master服务日志配置文件
│ ├─logback-worker.xml worker服务日志配置文件
│ ├─logback-alert.xml alert服务日志配置文件
├─sql DS的元数据创建升级sql文件
│ ├─create 创建SQL脚本目录
│ ├─upgrade 升级SQL脚本目录
│ ├─dolphinscheduler_postgre.sql postgre数据库初始化脚本
│ ├─dolphinscheduler_mysql.sql mysql数据库初始化脚本
│ ├─soft_version 当前DS版本标识文件
├─script DS服务部署,数据库创建/升级脚本目录
│ ├─create-dolphinscheduler.sh DS数据库初始化脚本
│ ├─upgrade-dolphinscheduler.sh DS数据库升级脚本
│ ├─monitor-server.sh DS服务监控启动脚本
│ ├─scp-hosts.sh 安装文件传输脚本
│ ├─remove-zk-node.sh 清理zookeeper缓存文件脚本
├─ui 前端WEB资源目录
├─lib DS依赖的jar存放目录
├─install.sh 自动安装DS服务脚本

配置文件详解

序号	服务分类	配置文件
1	启动/关闭DS服务脚本	dolphinscheduler-daemon.sh
2	数据库连接配置	datasource.properties
3	zookeeper连接配置	zookeeper.properties
4	公共[存储]配置	common.properties
5	API服务配置	application-api.properties
6	Master服务配置	master.properties
7	Worker服务配置	worker.properties
8	Alert 服务配置	alert.properties
9	Quartz配置	quartz.properties
10	DS环境变量配置脚本[用于DS安装/启动]	install_config.conf
11	运行脚本加载环境变量配置文件 [如: JAVA_HOME,HADOOP_HOME, HIVE_HOME …]	dolphinscheduler_env.sh
12	各服务日志配置文件	api服务日志配置文件 : logback-api.xml master服务日志配置文件 : logback-master.xml worker服务日志配置文件 : logback-worker.xml alert服务日志配置文件 : logback-alert.xml

1.dolphinscheduler-daemon.sh [启动/关闭DS服务脚本]

dolphinscheduler-daemon.sh脚本负责DS的启动&关闭. start-all.sh/stop-all.sh最终也是通过dolphinscheduler-daemon.sh对集群进行启动/关闭操作. 目前DS只是做了一个基本的设置,JVM参数请根据各自资源的实际情况自行设置.

默认简化参数如下:

export DOLPHINSCHEDULER_OPTS="
-server
-Xmx16g
-Xms1g
-Xss512k
-XX:+UseConcMarkSweepGC
-XX:+CMSParallelRemarkEnabled
-XX:+UseFastAccessorMethods
-XX:+UseCMSInitiatingOccupancyOnly
-XX:CMSInitiatingOccupancyFraction=70
"

不建议设置"-XX:DisableExplicitGC" , DS使用Netty进行通讯,设置该参数,可能会导致内存泄漏.

2.datasource.properties [数据库连接]

在DS中使用Druid对数据库连接进行管理,默认简化配置如下.

参数	默认值	描述
spring.datasource.driver-class-name		数据库驱动
spring.datasource.url		数据库连接地址
spring.datasource.username		数据库用户名
spring.datasource.password		数据库密码
spring.datasource.initialSize	5	初始连接池数量
spring.datasource.minIdle	5	最小连接池数量
spring.datasource.maxActive	5	最大连接池数量
spring.datasource.maxWait	60000	最大等待时长
spring.datasource.timeBetweenEvictionRunsMillis	60000	连接检测周期
spring.datasource.timeBetweenConnectErrorMillis	60000	重试间隔
spring.datasource.minEvictableIdleTimeMillis	300000	连接保持空闲而不被驱逐的最小时间
spring.datasource.validationQuery	SELECT 1	检测连接是否有效的sql
spring.datasource.validationQueryTimeout	3	检测连接是否有效的超时时间[seconds]
spring.datasource.testWhileIdle	true	申请连接的时候检测，如果空闲时间大于timeBetweenEvictionRunsMillis，执行validationQuery检测连接是否有效。
spring.datasource.testOnBorrow	true	申请连接时执行validationQuery检测连接是否有效
spring.datasource.testOnReturn	false	归还连接时执行validationQuery检测连接是否有效
spring.datasource.defaultAutoCommit	true	是否开启自动提交
spring.datasource.keepAlive	true	连接池中的minIdle数量以内的连接，空闲时间超过minEvictableIdleTimeMillis，则会执行keepAlive操作。
spring.datasource.poolPreparedStatements	true	开启PSCache
spring.datasource.maxPoolPreparedStatementPerConnectionSize	20	要启用PSCache，必须配置大于0，当大于0时，poolPreparedStatements自动触发修改为true。

3.zookeeper.properties [zookeeper连接配置]

参数	默认值	描述
zookeeper.quorum	localhost:2181	zk集群连接信息
zookeeper.dolphinscheduler.root	/dolphinscheduler	DS在zookeeper存储根目录
zookeeper.session.timeout	60000	session 超时
zookeeper.connection.timeout	30000	连接超时
zookeeper.retry.base.sleep	100	基本重试时间差
zookeeper.retry.max.sleep	30000	最大重试时间
zookeeper.retry.maxtime	10	最大重试次数

4.common.properties [hadoop、s3、yarn配置]

common.properties配置文件目前主要是配置hadoop/s3a相关的配置.

参数	默认值	描述
data.basedir.path	/tmp/dolphinscheduler	本地工作目录,用于存放临时文件
resource.storage.type	NONE	资源文件存储类型: HDFS,S3,NONE
resource.upload.path	/dolphinscheduler	资源文件存储路径
hadoop.security.authentication.startup.state	false	hadoop是否开启kerberos权限
java.security.krb5.conf.path	/opt/krb5.conf	kerberos配置目录
login.user.keytab.username	hdfs-mycluster@ESZ.COM	kerberos登录用户
login.user.keytab.path	/opt/hdfs.headless.keytab	kerberos登录用户keytab
kerberos.expire.time	2	kerberos过期时间,整数,单位为小时
resource.view.suffixs	txt,log,sh,conf,cfg,py,java,sql,hql,xml,properties	资源中心支持的文件格式
hdfs.root.user	hdfs	如果存储类型为HDFS,需要配置拥有对应操作权限的用户
fs.defaultFS	hdfs://mycluster:8020	请求地址如果resource.storage.type=S3,该值类似为: s3a://dolphinscheduler. 如果resource.storage.type=HDFS, 如果 hadoop 配置了 HA,需要复制core-site.xml 和 hdfs-site.xml 文件到conf目录
fs.s3a.endpoint		s3 endpoint地址
fs.s3a.access.key		s3 access key
fs.s3a.secret.key		s3 secret key
yarn.resourcemanager.ha.rm.ids		yarn resourcemanager 地址, 如果resourcemanager开启了HA, 输入HA的IP地址(以逗号分隔),如果resourcemanager为单节点, 该值为空即可
yarn.application.status.address	http://ds1:8088/ws/v1/cluster/apps/%s	如果resourcemanager开启了HA或者没有使用resourcemanager,保持默认值即可. 如果resourcemanager为单节点,你需要将ds1 配置为resourcemanager对应的hostname
dolphinscheduler.env.path	env/dolphinscheduler_env.sh	运行脚本加载环境变量配置文件[如: JAVA_HOME,HADOOP_HOME, HIVE_HOME …]
development.state	false	是否处于开发模式

5.application-api.properties [API服务配置]

参数	默认值	描述
server.port	12345	api服务通讯端口
server.servlet.session.timeout	7200	session超时时间
server.servlet.context-path	/dolphinscheduler	请求路径
spring.servlet.multipart.max-file-size	1024MB	最大上传文件大小
spring.servlet.multipart.max-request-size	1024MB	最大请求大小
server.jetty.max-http-post-size	5000000	jetty服务最大发送请求大小
spring.messages.encoding	UTF-8	请求编码
spring.jackson.time-zone	GMT+8	设置时区
spring.messages.basename	i18n/messages	i18n配置
security.authentication.type	PASSWORD	权限校验类型

6.master.properties [Master服务配置]

参数	默认值	描述
master.listen.port	5678	master监听端口
master.exec.threads	100	master工作线程数量,用于限制并行的流程实例数量
master.exec.task.num	20	master每个流程实例的并行任务数量
master.dispatch.task.num	3	master每个批次的派发任务数量
master.host.selector	LowerWeight	master host选择器,用于选择合适的worker执行任务,可选值: Random, RoundRobin, LowerWeight
master.heartbeat.interval	10	master心跳间隔,单位为秒
master.task.commit.retryTimes	5	任务重试次数
master.task.commit.interval	1000	任务提交间隔,单位为毫秒
master.max.cpuload.avg	-1	master最大cpuload均值,只有高于系统cpuload均值时,master服务才能调度任务. 默认值为-1: cpu cores * 2
master.reserved.memory	0.3	master预留内存,只有低于系统可用内存时,master服务才能调度任务,单位为G

7.worker.properties [Worker服务配置]

参数	默认值	描述
worker.listen.port	1234	worker监听端口
worker.exec.threads	100	worker工作线程数量,用于限制并行的任务实例数量
worker.heartbeat.interval	10	worker心跳间隔,单位为秒
worker.max.cpuload.avg	-1	worker最大cpuload均值,只有高于系统cpuload均值时,worker服务才能被派发任务. 默认值为-1: cpu cores * 2
worker.reserved.memory	0.3	worker预留内存,只有低于系统可用内存时,worker服务才能被派发任务,单位为G
worker.groups	default	worker分组配置,逗号分隔,例如’worker.groups=default,test’ worker启动时会根据该配置自动加入对应的分组

8.alert.properties [Alert 告警服务配置]

参数	默认值	描述
alert.type	EMAIL	告警类型
mail.protocol	SMTP	邮件服务器协议
mail.server.host	xxx.xxx.com	邮件服务器地址
mail.server.port	25	邮件服务器端口
mail.sender	xxx@xxx.com	发送人邮箱
mail.user	xxx@xxx.com	发送人邮箱名称
mail.passwd	111111	发送人邮箱密码
mail.smtp.starttls.enable	true	邮箱是否开启tls
mail.smtp.ssl.enable	false	邮箱是否开启ssl
mail.smtp.ssl.trust	xxx.xxx.com	邮箱ssl白名单
xls.file.path	/tmp/xls	邮箱附件临时工作目录
	以下为企业微信配置[选填]
enterprise.wechat.enable	false	企业微信是否启用
enterprise.wechat.corp.id	xxxxxxx
enterprise.wechat.secret	xxxxxxx
enterprise.wechat.agent.id	xxxxxxx
enterprise.wechat.users	xxxxxxx
enterprise.wechat.token.url	https://qyapi.weixin.qq.com/cgi-bin/gettoken? corpid=corpId&corpsecret=secret
enterprise.wechat.push.url	https://qyapi.weixin.qq.com/cgi-bin/message/send? access_token=$token
enterprise.wechat.user.send.msg		发送消息格式
enterprise.wechat.team.send.msg		群发消息格式
plugin.dir	/Users/xx/your/path/to/plugin/dir	插件目录

9.quartz.properties [Quartz配置]

这里面主要是quartz配置,请结合实际业务场景&资源进行配置,本文暂时不做展开.

参数	默认值	描述
org.quartz.jobStore.driverDelegateClass	org.quartz.impl.jdbcjobstore.StdJDBCDelegate
org.quartz.jobStore.driverDelegateClass	org.quartz.impl.jdbcjobstore.PostgreSQLDelegate
org.quartz.scheduler.instanceName	DolphinScheduler
org.quartz.scheduler.instanceId	AUTO
org.quartz.scheduler.makeSchedulerThreadDaemon	true
org.quartz.jobStore.useProperties	false
org.quartz.threadPool.class	org.quartz.simpl.SimpleThreadPool
org.quartz.threadPool.makeThreadsDaemons	true
org.quartz.threadPool.threadCount	25
org.quartz.threadPool.threadPriority	5
org.quartz.jobStore.class	org.quartz.impl.jdbcjobstore.JobStoreTX
org.quartz.jobStore.tablePrefix	QRTZ_
org.quartz.jobStore.isClustered	true
org.quartz.jobStore.misfireThreshold	60000
org.quartz.jobStore.clusterCheckinInterval	5000
org.quartz.jobStore.acquireTriggersWithinLock	true
org.quartz.jobStore.dataSource	myDs
org.quartz.dataSource.myDs.connectionProvider.class	org.apache.dolphinscheduler.service.quartz.DruidConnectionProvider

10.install_config.conf [DS环境变量配置脚本[用于DS安装/启动]]

install_config.conf这个配置文件比较繁琐,这个文件主要有两个地方会用到.

• 1.DS集群的自动安装.

调用install.sh脚本会自动加载该文件中的配置.并根据该文件中的内容自动配置上述的配置文件中的内容. 比如:dolphinscheduler-daemon.sh、datasource.properties、zookeeper.properties、common.properties、application-api.properties、master.properties、worker.properties、alert.properties、quartz.properties 等文件.

• 2.DS集群的启动&关闭.

DS集群在启动&关闭的时候,会加载该配置文件中的masters,workers,alertServer,apiServers等参数,启动/关闭DS集群.

文件内容如下:

注意: 该配置文件中如果包含特殊字符,如: .\*[]^${}\+?|()@#&, 请转义,

示例: [ 转义为 \[

数据库类型, 目前仅支持 postgresql 或者 mysql

dbtype=“mysql”

数据库 地址 & 端口

dbhost=“192.168.xx.xx:3306”

数据库 名称

dbname=“dolphinscheduler”

数据库 用户名

username=“xx”

数据库 密码

password=“xx”

Zookeeper地址

zkQuorum=“192.168.xx.xx:2181,192.168.xx.xx:2181,192.168.xx.xx:2181”

将DS安装到哪个目录，如: /data1_1T/dolphinscheduler，

installPath=“/data1_1T/dolphinscheduler”

使用哪个用户部署

注意: 部署用户需要sudo 权限, 并且可以操作 hdfs .

如果使用hdfs的话,根目录必须使用该用户进行创建.否则会有权限相关的问题.

deployUser=“dolphinscheduler”

以下为告警服务配置

邮件服务器地址

mailServerHost=“smtp.exmail.qq.com”

邮件服务器 端口

mailServerPort=“25”

发送者

mailSender=“xxxxxxxxxx”

发送用户

mailUser=“xxxxxxxxxx”

邮箱密码

mailPassword=“xxxxxxxxxx”

TLS协议的邮箱设置为true，否则设置为false

starttlsEnable=“true”

开启SSL协议的邮箱配置为true，否则为false。注意: starttlsEnable和sslEnable不能同时为true

sslEnable=“false”

邮件服务地址值，同 mailServerHost

sslTrust=“smtp.exmail.qq.com”

#业务用到的比如sql等资源文件上传到哪里，可以设置：HDFS,S3,NONE。如果想上传到HDFS，请配置为HDFS；如果不需要资源上传功能请选择NONE。
resourceStorageType=“NONE”

if S3，write S3 address，HA，for example ：s3a://dolphinscheduler，

Note，s3 be sure to create the root directory /dolphinscheduler

defaultFS=“hdfs://mycluster:8020”

如果resourceStorageType 为S3 需要配置的参数如下:

s3Endpoint=“http://192.168.xx.xx:9010”
s3AccessKey=“xxxxxxxxxx”
s3SecretKey=“xxxxxxxxxx”

如果ResourceManager是HA，则配置为ResourceManager节点的主备ip或者hostname,比如"192.168.xx.xx,192.168.xx.xx"，否则如果是单ResourceManager或者根本没用到yarn,请配置yarnHaIps=““即可，如果没用到yarn，配置为””

yarnHaIps=“192.168.xx.xx,192.168.xx.xx”

如果是单ResourceManager，则配置为ResourceManager节点ip或主机名，否则保持默认值即可。

singleYarnIp=“yarnIp1”

资源文件在 HDFS/S3 存储路径

resourceUploadPath=“/dolphinscheduler”

HDFS/S3 操作用户

hdfsRootUser=“hdfs”

以下为 kerberos 配置

kerberos是否开启

kerberosStartUp=“false”

kdc krb5 config file path

krb5ConfPath=“$installPath/conf/krb5.conf”

keytab username

keytabUserName=“hdfs-mycluster@ESZ.COM”

username keytab path

keytabPath=“$installPath/conf/hdfs.headless.keytab”

api 服务端口

apiServerPort=“12345”

部署DS的所有主机hostname

ips=“ds1,ds2,ds3,ds4,ds5”

ssh 端口 , 默认 22

sshPort=“22”

部署master服务主机

masters=“ds1,ds2”

部署 worker服务的主机

注意: 每一个worker都需要设置一个worker 分组的名称,默认值为 “default”

workers=“ds1:default,ds2:default,ds3:default,ds4:default,ds5:default”

部署alert服务主机

alertServer=“ds3”

部署api服务主机

apiServers=“ds1”

11.dolphinscheduler_env.sh [环境变量配置]

通过类似shell方式提交任务的的时候,会加载该配置文件中的环境变量到主机中. 涉及到的任务类型有: Shell任务、Python任务、Spark任务、Flink任务、Datax任务等等

export HADOOP_HOME=/opt/soft/hadoop
export HADOOP_CONF_DIR=/opt/soft/hadoop/etc/hadoop
export SPARK_HOME1=/opt/soft/spark1
export SPARK_HOME2=/opt/soft/spark2
export PYTHON_HOME=/opt/soft/python
export JAVA_HOME=/opt/soft/java
export HIVE_HOME=/opt/soft/hive
export FLINK_HOME=/opt/soft/flink
export DATAX_HOME=/opt/soft/datax/bin/datax.py

export PATH=$HADOOP\_HOME/bin:$SPARK_HOME1/bin:$SPARK\_HOME2/bin:$PYTHON_HOME:$JAVA\_HOME/bin:$HIVE_HOME/bin:$PATH:$FLINK_HOME/bin:$DATAX\_HOME:$PATH

12.各服务日志配置文件

对应服务服务名称	日志文件名
api服务日志配置文件	logback-api.xml
master服务日志配置文件	logback-master.xml
worker服务日志配置文件	logback-worker.xml
alert服务日志配置文件	logback-alert.xml

任务总体存储结构

在dolphinscheduler中创建的所有任务都保存在t_ds_process_definition 表中.

该数据库表结构如下表所示:

序号	字段	类型	描述
1	id	int(11)	主键
2	name	varchar(255)	流程定义名称
3	version	int(11)	流程定义版本
4	release_state	tinyint(4)	流程定义的发布状态：0 未上线 , 1已上线
5	project_id	int(11)	项目id
6	user_id	int(11)	流程定义所属用户id
7	process_definition_json	longtext	流程定义JSON
8	description	text	流程定义描述
9	global_params	text	全局参数
10	flag	tinyint(4)	流程是否可用：0 不可用，1 可用
11	locations	text	节点坐标信息
12	connects	text	节点连线信息
13	receivers	text	收件人
14	receivers_cc	text	抄送人
15	create_time	datetime	创建时间
16	timeout	int(11)	超时时间
17	tenant_id	int(11)	租户id
18	update_time	datetime	更新时间
19	modify_by	varchar(36)	修改用户
20	resource_ids	varchar(255)	资源ids

其中process_definition_json 字段为核心字段, 定义了 DAG 图中的任务信息.该数据以JSON 的方式进行存储.

公共的数据结构如下表.

序号	字段	类型	描述
1	globalParams	Array	全局参数
2	tasks	Array	流程中的任务集合 [ 各个类型的结构请参考如下章节]
3	tenantId	int	租户id
4	timeout	int	超时时间

数据示例:

{
“globalParams”:[
{
“prop”:“golbal_bizdate”,
“direct”:“IN”,
“type”:“VARCHAR”,
“value”:“${system.biz.date}”
}
],
“tasks”:Array[1],
“tenantId”:0,
“timeout”:0
}

任务结构

各任务类型存储结构详解

Shell节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	SHELL
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		rawScript	String	Shell脚本
6		localParams	Array	自定义参数
7		resourceList	Array	资源文件
8	description		String	描述
9	runFlag		String	运行标识
10	conditionResult		Object	条件分支
11		successNode	Array	成功跳转节点
12		failedNode	Array	失败跳转节点
13	dependence		Object	任务依赖	与params互斥
14	maxRetryTimes		String	最大重试次数
15	retryInterval		String	重试间隔
16	timeout		Object	超时控制
17	taskInstancePriority		String	任务优先级
18	workerGroup		String	Worker 分组
19	preTasks		Array	前置任务

节点数据样例:

{
“type”:“SHELL”,
“id”:“tasks-80760”,
“name”:“Shell Task”,
“params”:{
“resourceList”:[
{
“id”:3,
“name”:“run.sh”,
“res”:“run.sh”
}
],
“localParams”:[

],
“rawScript”:“echo “This is a shell script””
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

SQL节点

通过 SQL对指定的数据源进行数据查询、更新操作.

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	SQL
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		type	String	数据库类型
6		datasource	Int	数据源id
7		sql	String	查询SQL语句
8		udfs	String	udf函数	UDF函数id,以逗号分隔.
9		sqlType	String	SQL节点类型	0 查询 , 1 非查询
10		title	String	邮件标题
11		receivers	String	收件人
12		receiversCc	String	抄送人
13		showType	String	邮件显示类型	TABLE 表格 , ATTACHMENT附件
14		connParams	String	连接参数
15		preStatements	Array	前置SQL
16		postStatements	Array	后置SQL
17		localParams	Array	自定义参数
18	description		String	描述
19	runFlag		String	运行标识
20	conditionResult		Object	条件分支
21		successNode	Array	成功跳转节点
22		failedNode	Array	失败跳转节点
23	dependence		Object	任务依赖	与params互斥
24	maxRetryTimes		String	最大重试次数
25	retryInterval		String	重试间隔
26	timeout		Object	超时控制
27	taskInstancePriority		String	任务优先级
28	workerGroup		String	Worker 分组
29	preTasks		Array	前置任务

节点数据样例:

{
“type”:“SQL”,
“id”:“tasks-95648”,
“name”:“SqlTask-Query”,
“params”:{
“type”:“MYSQL”,
“datasource”:1,
“sql”:“select id , namge , age from emp where id = ${id}”,
“udfs”:“”,
“sqlType”:“0”,
“title”:“xxxx@xxx.com”,
“receivers”:“xxxx@xxx.com”,
“receiversCc”:“”,
“showType”:“TABLE”,
“localParams”:[
{
“prop”:“id”,
“direct”:“IN”,
“type”:“INTEGER”,
“value”:“1”
}
],
“connParams”:“”,
“preStatements”:[
“insert into emp ( id,name ) value (1,‘Li’ )”
],
“postStatements”:[

]
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

PROCEDURE[存储过程]节点

节点数据结构如下: 节点数据样例:

SPARK节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	SPARK
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		mainClass	String	运行主类
6		mainArgs	String	运行参数
7		others	String	其他参数
8		mainJar	Object	程序 jar 包
9		deployMode	String	部署模式	local,client,cluster
10		driverCores	String	driver核数
11		driverMemory	String	driver 内存数
12		numExecutors	String	executor数量
13		executorMemory	String	executor内存
14		executorCores	String	executor核数
15		programType	String	程序类型	JAVA,SCALA,PYTHON
16		sparkVersion	String	Spark 版本	SPARK1 , SPARK2
17		localParams	Array	自定义参数
18		resourceList	Array	资源文件
19	description		String	描述
20	runFlag		String	运行标识
21	conditionResult		Object	条件分支
22		successNode	Array	成功跳转节点
23		failedNode	Array	失败跳转节点
24	dependence		Object	任务依赖	与params互斥
25	maxRetryTimes		String	最大重试次数
26	retryInterval		String	重试间隔
27	timeout		Object	超时控制
28	taskInstancePriority		String	任务优先级
29	workerGroup		String	Worker 分组
30	preTasks		Array	前置任务

节点数据样例:

{
“type”:“SPARK”,
“id”:“tasks-87430”,
“name”:“SparkTask”,
“params”:{
“mainClass”:“org.apache.spark.examples.SparkPi”,
“mainJar”:{
“id”:4
},
“deployMode”:“cluster”,
“resourceList”:[
{
“id”:3,
“name”:“run.sh”,
“res”:“run.sh”
}
],
“localParams”:[

],
“driverCores”:1,
“driverMemory”:“512M”,
“numExecutors”:2,
“executorMemory”:“2G”,
“executorCores”:2,
“mainArgs”:“10”,
“others”:“”,
“programType”:“SCALA”,
“sparkVersion”:“SPARK2”
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

MapReduce(MR)节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	MR
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		mainClass	String	运行主类
6		mainArgs	String	运行参数
7		others	String	其他参数
8		mainJar	Object	程序 jar 包
9		programType	String	程序类型	JAVA,PYTHON
10		localParams	Array	自定义参数
11		resourceList	Array	资源文件
12	description		String	描述
13	runFlag		String	运行标识
14	conditionResult		Object	条件分支
15		successNode	Array	成功跳转节点
16		failedNode	Array	失败跳转节点
17	dependence		Object	任务依赖	与params互斥
18	maxRetryTimes		String	最大重试次数
19	retryInterval		String	重试间隔
20	timeout		Object	超时控制
21	taskInstancePriority		String	任务优先级
22	workerGroup		String	Worker 分组
23	preTasks		Array	前置任务

节点数据样例:

{
“type”:“MR”,
“id”:“tasks-28997”,
“name”:“MRTask”,
“params”:{
“mainClass”:“wordcount”,
“mainJar”:{
“id”:5
},
“resourceList”:[
{
“id”:3,
“name”:“run.sh”,
“res”:“run.sh”
}
],
“localParams”:[

],
“mainArgs”:“/tmp/wordcount/input /tmp/wordcount/output/”,
“others”:“”,
“programType”:“JAVA”
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

Python节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	PYTHON
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		rawScript	String	Python脚本
6		localParams	Array	自定义参数
7		resourceList	Array	资源文件
8	description		String	描述
9	runFlag		String	运行标识
10	conditionResult		Object	条件分支
11		successNode	Array	成功跳转节点
12		failedNode	Array	失败跳转节点
13	dependence		Object	任务依赖	与params互斥
14	maxRetryTimes		String	最大重试次数
15	retryInterval		String	重试间隔
16	timeout		Object	超时控制
17	taskInstancePriority		String	任务优先级
18	workerGroup		String	Worker 分组
19	preTasks		Array	前置任务

节点数据样例:

{
“type”:“PYTHON”,
“id”:“tasks-5463”,
“name”:“Python Task”,
“params”:{
“resourceList”:[
{
“id”:3,
“name”:“run.sh”,
“res”:“run.sh”
}
],
“localParams”:[

],
“rawScript”:“print(“This is a python script”)”
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

Flink节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	FLINK
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		mainClass	String	运行主类
6		mainArgs	String	运行参数
7		others	String	其他参数
8		mainJar	Object	程序 jar 包
9		deployMode	String	部署模式	local,client,cluster
10		slot	String	slot数量
11		taskManager	String	taskManager数量
12		taskManagerMemory	String	taskManager内存数
13		jobManagerMemory	String	jobManager内存数
14		programType	String	程序类型	JAVA,SCALA,PYTHON
15		localParams	Array	自定义参数
16		resourceList	Array	资源文件
17	description		String	描述
18	runFlag		String	运行标识
19	conditionResult		Object	条件分支
20		successNode	Array	成功跳转节点
21		failedNode	Array	失败跳转节点
22	dependence		Object	任务依赖	与params互斥
23	maxRetryTimes		String	最大重试次数
24	retryInterval		String	重试间隔
25	timeout		Object	超时控制
26	taskInstancePriority		String	任务优先级
27	workerGroup		String	Worker 分组
38	preTasks		Array	前置任务

节点数据样例:

{
“type”:“FLINK”,
“id”:“tasks-17135”,
“name”:“FlinkTask”,
“params”:{
“mainClass”:“com.flink.demo”,
“mainJar”:{
“id”:6
},
“deployMode”:“cluster”,
“resourceList”:[
{
“id”:3,
“name”:“run.sh”,
“res”:“run.sh”
}
],
“localParams”:[

],
“slot”:1,
“taskManager”:“2”,
“jobManagerMemory”:“1G”,
“taskManagerMemory”:“2G”,
“executorCores”:2,
“mainArgs”:“100”,
“others”:“”,
“programType”:“SCALA”
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

HTTP节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	HTTP
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		url	String	请求地址
6		httpMethod	String	请求方式	GET,POST,HEAD,PUT,DELETE
7		httpParams	Array	请求参数
8		httpCheckCondition	String	校验条件	默认响应码200
9		condition	String	校验内容
10		localParams	Array	自定义参数
11	description		String	描述
12	runFlag		String	运行标识
13	conditionResult		Object	条件分支
14		successNode	Array	成功跳转节点
15		failedNode	Array	失败跳转节点
16	dependence		Object	任务依赖	与params互斥
17	maxRetryTimes		String	最大重试次数
18	retryInterval		String	重试间隔
19	timeout		Object	超时控制
20	taskInstancePriority		String	任务优先级
21	workerGroup		String	Worker 分组
22	preTasks		Array	前置任务

节点数据样例:

{
“type”:“HTTP”,
“id”:“tasks-60499”,
“name”:“HttpTask”,
“params”:{
“localParams”:[

],
“httpParams”:[
{
“prop”:“id”,
“httpParametersType”:“PARAMETER”,
“value”:“1”
},
{
“prop”:“name”,
“httpParametersType”:“PARAMETER”,
“value”:“Bo”
}
],
“url”:“https://www.xxxxx.com:9012”,
“httpMethod”:“POST”,
“httpCheckCondition”:“STATUS_CODE_DEFAULT”,
“condition”:“”
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

DataX节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	DATAX
3	name		String	名称
4	params		Object	自定义参数	Json 格式
5		customConfig	Int	自定义类型	0定制 , 1自定义
6		dsType	String	源数据库类型
7		dataSource	Int	源数据库ID
8		dtType	String	目标数据库类型
9		dataTarget	Int	目标数据库ID
10		sql	String	SQL语句
11		targetTable	String	目标表
12		jobSpeedByte	Int	限流(字节数)
13		jobSpeedRecord	Int	限流(记录数)
14		preStatements	Array	前置SQL
15		postStatements	Array	后置SQL
16		json	String	自定义配置	customConfig=1时生效
17		localParams	Array	自定义参数	customConfig=1时生效
18	description		String	描述
19	runFlag		String	运行标识
20	conditionResult		Object	条件分支
21		successNode	Array	成功跳转节点
22		failedNode	Array	失败跳转节点
23	dependence		Object	任务依赖	与params互斥
24	maxRetryTimes		String	最大重试次数
25	retryInterval		String	重试间隔
26	timeout		Object	超时控制
27	taskInstancePriority		String	任务优先级
28	workerGroup		String	Worker 分组
29	preTasks		Array	前置任务

节点数据样例:

{
“type”:“DATAX”,
“id”:“tasks-91196”,
“name”:“DataxTask-DB”,
“params”:{
“customConfig”:0,
“dsType”:“MYSQL”,
“dataSource”:1,
“dtType”:“MYSQL”,
“dataTarget”:1,
“sql”:"select id, name ,age from user “,
“targetTable”:“emp”,
“jobSpeedByte”:524288,
“jobSpeedRecord”:500,
“preStatements”:[
“truncate table emp "
],
“postStatements”:[
“truncate table user”
]
},
“description”:””,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

Sqoop节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	SQOOP
3	name		String	名称
4	params		Object	自定义参数	JSON 格式
5		concurrency	Int	并发度
6		modelType	String	流向	import,export
7		sourceType	String	数据源类型
8		sourceParams	String	数据源参数	JSON格式
9		targetType	String	目标数据类型
10		targetParams	String	目标数据参数	JSON格式
11		localParams	Array	自定义参数
12	description		String	描述
13	runFlag		String	运行标识
14	conditionResult		Object	条件分支
15		successNode	Array	成功跳转节点
16		failedNode	Array	失败跳转节点
17	dependence		Object	任务依赖	与params互斥
18	maxRetryTimes		String	最大重试次数
19	retryInterval		String	重试间隔
20	timeout		Object	超时控制
21	taskInstancePriority		String	任务优先级
22	workerGroup		String	Worker 分组
23	preTasks		Array	前置任务

节点数据样例:

{
“type”:“SQOOP”,
“id”:“tasks-82041”,
“name”:“Sqoop Task”,
“params”:{
“concurrency”:1,
“modelType”:“import”,
“sourceType”:“MYSQL”,
“targetType”:“HDFS”,
“sourceParams”:“{“srcType”:“MYSQL”,“srcDatasource”:1,“srcTable”:”“,“srcQueryType”:“1”,“srcQuerySql”:“selec id , name from user”,“srcColumnType”:“0”,“srcColumns”:”“,“srcConditionList”:[],“mapColumnHive”:[{“prop”:“hivetype-key”,“direct”:“IN”,“type”:“VARCHAR”,“value”:“hivetype-value”}],“mapColumnJava”:[{“prop”:“javatype-key”,“direct”:“IN”,“type”:“VARCHAR”,“value”:“javatype-value”}]}”,
“targetParams”:“{“targetPath”:”/user/hive/warehouse/ods.db/user",“deleteTargetDir”:false,“fileType”:“–as-avrodatafile”,“compressionCodec”:“snappy”,“fieldsTerminated”:“,”,“linesTerminated”:“@”}",
“localParams”:[

]
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

条件分支节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	SHELL
3	name		String	名称
4	params		Object	自定义参数	null
5	description		String	描述
6	runFlag		String	运行标识
7	conditionResult		Object	条件分支
8		successNode	Array	成功跳转节点
9		failedNode	Array	失败跳转节点
10	dependence		Object	任务依赖	与params互斥
11	maxRetryTimes		String	最大重试次数
12	retryInterval		String	重试间隔
13	timeout		Object	超时控制
14	taskInstancePriority		String	任务优先级
15	workerGroup		String	Worker 分组
16	preTasks		Array	前置任务

节点数据样例:

{
“type”:“CONDITIONS”,
“id”:“tasks-96189”,
“name”:“条件”,
“params”:{

},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“test04”
],

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）

CHAR",“value”:“javatype-value”}]}“,
“targetParams”:”{“targetPath”:“/user/hive/warehouse/ods.db/user”,“deleteTargetDir”:false,“fileType”:“–as-avrodatafile”,“compressionCodec”:“snappy”,“fieldsTerminated”:“,”,“linesTerminated”:“@”}",
“localParams”:[

]
},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“”
],
“failedNode”:[
“”
]
},
“dependence”:{

},
“maxRetryTimes”:“0”,
“retryInterval”:“1”,
“timeout”:{
“strategy”:“”,
“interval”:null,
“enable”:false
},
“taskInstancePriority”:“MEDIUM”,
“workerGroup”:“default”,
“preTasks”:[

]
}

条件分支节点

节点数据结构如下:

序号	参数名		类型	描述	描述
1	id		String	任务编码
2	type		String	类型	SHELL
3	name		String	名称
4	params		Object	自定义参数	null
5	description		String	描述
6	runFlag		String	运行标识
7	conditionResult		Object	条件分支
8		successNode	Array	成功跳转节点
9		failedNode	Array	失败跳转节点
10	dependence		Object	任务依赖	与params互斥
11	maxRetryTimes		String	最大重试次数
12	retryInterval		String	重试间隔
13	timeout		Object	超时控制
14	taskInstancePriority		String	任务优先级
15	workerGroup		String	Worker 分组
16	preTasks		Array	前置任务

节点数据样例:

{
“type”:“CONDITIONS”,
“id”:“tasks-96189”,
“name”:“条件”,
“params”:{

},
“description”:“”,
“runFlag”:“NORMAL”,
“conditionResult”:{
“successNode”:[
“test04”
],

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数大数据工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
[外链图片转存中…(img-dRU5zjD8-1712515468588)]
[外链图片转存中…(img-mZZrt72K-1712515468588)]
[外链图片转存中…(img-6fc7Rrai-1712515468589)]
[外链图片转存中…(img-ljvKs6ka-1712515468589)]
[外链图片转存中…(img-TazKP1rW-1712515468589)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上大数据开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加VX：vip204888 （备注大数据获取）
[外链图片转存中…(img-zF09EDHb-1712515468589)]