文章目录
- 大数据技术之一DolphinScheduler
-
- 第1章 DolphinScheduler简介
-
- 1.1 DolphinScheduler概述
- 1.2 DolphinScheduler核心架构
- 第2章 DolphinScheduler部署说明
-
- 2.1 软硬件环境要求
-
- 2.1.1 操作系统版本要求
- 2.1.2 服务器硬件要求
- 2.2 部署模式
-
- 2.2.1 单机模式
- 2.2.2 伪集群模式
- 2.2.3 集群模式
- 第3章 DolphinScheduler集群模式部署
-
- 3.1 集群规划
- 3.2 准备工作
- 3.3 解压DolphinScheduler安装包
- 3.4 初始化数据库
- 3.5 配置一键部署脚本
- 3.6 一键部署DolphinScheduler
- 3.7 DolphinScheduler启停命令
- 第4章 DolphinScheduler入门
-
- 4.1 安全中心配置
-
- 4.1.1 队列管理
- 4.1.2 租户管理
- 4.1.3 用户管理
- 4.1.4 告警组管理
- 4.1.5 Worker分组管理
- 4.1.6 令牌管理
- 4.2 项目管理
-
- 4.2.1 切换用户
- 4.2.2 创建项目
- 4.2.3 查看项目
- 4.3 工作流的基本配置
-
- 4.3.1 工作流定义
- 4.3.2 提交执行流程
- 4.3.3 查看工作流实例
- 4.3.4 查看任务实例
- 第5章 DolphinScheduler进阶
-
- 5.1 工作流传参
-
- 5.1.1 局部参数
- 5.1.2 全局参数
- 5.1.3 系统内置参数
- 5.2 引用依赖资源
- 5.3 告警通知
-
- 5.3.1 准备电子邮件账户
- 5.3.2 配置AlertServer
- 5.3.3 测试
- 5.4 失败的工作重跑
大数据技术之一DolphinScheduler
第1章 DolphinScheduler简介
1.1 DolphinScheduler概述
Apache DolphinScheduler是新一代分布式大数据工作流任务调度系统,致力于解决大数据任务之间复杂的依赖关系,开箱使用整个数据处理。它以 DAG(有无环图) 将任务连接起来,可以实时监控任务的运行状态,同时支持重试,从指定节点恢复失败暂停和 Kill任务等操作。目前已经有像IBM、生产和使用腾讯、美团、360等400多家公司。
1.2 DolphinScheduler核心架构
DolphinScheduler主要角色如下:
-
MasterServer采用分布式无中心设计理念,MasterServer主要负责 DAG 同时监控任务分割、任务提交、任务监控等MasterServer和WorkerServer健康状态。
-
WorkerServer还采用分布式无中心设计理念,WorkerServer执行和提供日志服务主要负责任务。
-
ZooKeeper系统中的服务MasterServer和WorkerServer节点都通过ZooKeeper集群管理和容错。
-
Alert提供报警服务。
-
API接口层主要负责处理前端UI层的请求。
-
UI,系统的前端页面为系统提供各种可视化操作界面。
第2章 DolphinScheduler部署说明
2.1 软硬件环境要求
2.1.1 操作系统版本要求
操作系统 | 版本 |
---|---|
Red Hat Enterprise Linux | 7.0 及以上 |
CentOS | 7.0 及以上 |
Oracle Enterprise Linux | 7.0 及以上 |
Ubuntu LTS | 16.04 及以上 |
2.1.2 服务器硬件要求
CPU | 内存 | 网络 |
---|---|---|
4核 | 8 GB | 千兆网卡 |
2.2 部署模式
DolphinScheduler支持单机模式等多种部署模式(Standalone)、伪集群模式(Pseudo-Cluster)、集群模式(Cluster)等。
2.2.1 单机模式
单机模式(standalone)所有的服务都集中在一个模式下StandaloneServer注册中心内置在过程中Zookeeper和数据库H2。只需配置JDK一键启动环境DolphinScheduler,快速体验其功能。
2.2.2 伪集群模式
伪集群模式(Pseudo-Cluster)部署在单台机器上 DolphinScheduler 在这种模式下,各种服务master、worker、api server、logger server服务只在同一台机器上。Zookeeper需要单独安装和配置数据库。
2.2.3 集群模式
集群模式(Cluster)与伪集群模式的区别在于多台机器的部署 DophinScheduler各项服务,并且可以配置多个Master及多个Worker。
第3章 DolphinScheduler集群模式部署
3.1 集群规划
集群模式下,可配置多个Master及多个Worker。通常可配置2~3个Master,若干个Worker。由于集群资源有限,此处配置一个Master,三个Worker,集群规划如下。
node1 | master、 worker |
---|---|
node2 | worker |
node3 | worker |
3.2 前置准备工作
- 三台节点均需部署JDK(1.8+),并配置相关环境变量。
- 需部署数据库,支持MySQL(5.7+)或者PostgreSQL(8.2.15+)。
- 需部署Zookeeper(3.4.6+)。
- 三台节点均需安装进程管理工具包psmisc。
[bigdata@node1 ~]$ sudo yum install -y psmisc
[bigdata@node2 ~]$ sudo yum install -y psmisc
[bigdata@node3 ~]$ sudo yum install -y psmisc
3.3 解压DolphinScheduler安装包
注意:解压目录并非最终的安装目录
[bigdata@node1 software]$ tar -zxvf apache-dolphinscheduler-1.3.9-bin.tar.gz
3.4 初始化数据库
DolphinScheduler 元数据存储在关系型数据库中,故需创建相应的数据库和用户。
mysql> CREATE DATABASE dolphinscheduler DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
mysql> CREATE USER 'dolphinscheduler'@'%' IDENTIFIED BY 'dolphinscheduler';
若出现以下错误信息,表明新建用户的密码过于简单。
ERROR 1819 (HY000): Your password does not satisfy the current policy requirements
可提高密码复杂度或者执行以下命令降低MySQL密码强度级别。
mysql> set global validate_password_length=4;
mysql> set global validate_password_policy=0;
mysql> GRANT ALL PRIVILEGES ON dolphinscheduler.* TO 'dolphinscheduler'@'%';
mysql> flush privileges;
进入DolphinScheduler解压目录
[bigdata@node1 apache-dolphinscheduler-1.3.9-bin]$ cd /opt/software/apache-dolphinscheduler-1.3.9-bin/
修改conf目录下的datasource.properties文件
[bigdata@node1 apache-dolphinscheduler-1.3.9-bin]$ vim conf/datasource.properties
spring.datasource.driver-class-name=com.mysql.jdbc.Driver
spring.datasource.url=jdbc:mysql://node1:3306/dolphinscheduler?useUnicode=true&characterEncoding=UTF-8
spring.datasource.username=dolphinscheduler
spring.datasource.password=dolphinscheduler
[bigdata@node1 apache-dolphinscheduler-1.3.9-bin]$ cp /opt/software/mysql-connector-java-5.1.27-bin.jar lib/
数据库初始化脚本位于DolphinScheduler解压目录下的script目录中,即/opt/software/ds/apache-dolphinscheduler-1.3.9-bin/script/。
[bigdata@node1 apache-dolphinscheduler-1.3.9-bin]$ script/create-dolphinscheduler.sh
3.5 配置一键部署脚本
修改解压目录下的conf/config目录下的install_config.conf文件
[bigdata@node1 apache-dolphinscheduler-1.3.9-bin]$ vim conf/config/install_config.conf
修改内容如下:
# postgresql or mysql
dbtype="mysql"
# db config
# db address and port
dbhost="ndoe1:3306"
# db username
username="dolphinscheduler"
# database name
dbname="dolphinscheduler"
# db passwprd
# NOTICE: if there are special characters, please use the \ to escape, for example, `[` escape to `\[`
password="dolphinscheduler"
# zk cluster
zkQuorum="node1:2181,node2:2181,node3:2181"
# Note: the target installation path for dolphinscheduler, please not config as the same as the current path (pwd)
installPath="/opt/module/dolphinscheduler"
# deployment user
# Note: the deployment user needs to have sudo privileges and permissions to operate hdfs. If hdfs is enabled, the root directory needs to be created by itself
deployUser="bigdata"
# resource storage type: HDFS, S3, NONE
resourceStorageType="HDFS"
# resource store on HDFS/S3 path, resource file will store to this hadoop hdfs path, self configuration, please make sure the directory exists on hdfs and have read write permissions. "/dolphinscheduler" is recommended
resourceUploadPath="/dolphinscheduler"
# if resourceStorageType is HDFS,defaultFS write namenode address,HA you need to put core-site.xml and hdfs-site.xml in the conf directory.
# if S3,write S3 address,HA,for example :s3a://dolphinscheduler,
# Note,s3 be sure to create the root directory /dolphinscheduler
defaultFS="hdfs://node1:8020"
# resourcemanager port, the default value is 8088 if not specified
resourceManagerHttpAddressPort="8088"
# if resourcemanager HA is enabled, please set the HA IPs; if resourcemanager is single, keep this value empty
yarnHaIps=
# if resourcemanager HA is enabled or not use resourcemanager, please keep the default value; If resourcemanager is single, you only need to replace ds1 to actual resourcemanager hostname
singleYarnIp="node2"
# who have permissions to create directory under HDFS/S3 root path
# Note: if kerberos is enabled, please config hdfsRootUser=
hdfsRootUser="bigdata"
# api server port
apiServerPort="12345"
# install hosts
# Note: install the scheduled hostname list. If it is pseudo-distributed, just write a pseudo-distributed hostname
ips="node1,node2,node3"
# ssh port, default 22
# Note: if ssh port is not default, modify here
sshPort="22"
# run master machine
# Note: list of hosts hostname for deploying master
masters="node1"
# run worker machine
# note: need to write the worker group name of each worker, the default value is "default"
workers="node1:default,node2:default,node3:default"
# run alert machine
# note: list of machine hostnames for deploying alert server
alertServer="node1"
# run api machine
# note: list of machine hostnames for deploying api server
apiServers="node1"
3.6 一键部署DolphinScheduler
[bigdata@node1 apache-dolphinscheduler-1.3.9-bin]$ zk.sh start
[bigdata@node1 apache-dolphinscheduler-1.3.9-bin]$ ./install.sh
--------- node1 ----------
29139 ApiApplicationServer
28963 WorkerServer
3332 QuorumPeerMain
2100 DataNode
28902 MasterServer
29081 AlertServer
1978 NameNode
29018 LoggerServer
2493 NodeManager
29551 Jps
--------- node2 ----------
29568 Jps
29315 WorkerServer
2149 NodeManager
1977 ResourceManager
2969 QuorumPeerMain
29372 LoggerServer
1903 DataNode
--------- node3 ----------
1905 SecondaryNameNode
27074 WorkerServer
2050 NodeManager
2630 QuorumPeerMain
1817 DataNode
27354 Jps
27133 LoggerServer
DolphinScheduler UI地址为http://node1:12345/dolphinscheduler
初始用户的用户名为:admin,密码为:dolphinscheduler123
3.7 DolphinScheduler启停命令
DolphinScheduler的启停脚本均位于其安装目录的bin目录下。
./bin/start-all.sh
./bin/stop-all.sh
注意同Hadoop的启停脚本进行区分。
./bin/dolphinscheduler-daemon.sh start master-server
./bin/dolphinscheduler-daemon.sh stop master-server
./bin/dolphinscheduler-daemon.sh start worker-server
./bin/dolphinscheduler-daemon.sh stop worker-server
./bin/dolphinscheduler-daemon.sh start api-server
./bin/dolphinscheduler-daemon.sh stop api-server
./bin/dolphinscheduler-daemon.sh start logger-server
./bin/dolphinscheduler-daemon.sh stop logger-server
./bin/dolphinscheduler-daemon.sh start alert-server
./bin/dolphinscheduler-daemon.sh stop alert-server
第4章 DolphinScheduler入门
4.1 安全中心配置
安全中心主要有租户管理、用户管理、告警组管理、Worker分组管理、队列管理、令牌管理等功能。安全中心只有管理员账户才有操作权限。
4.1.1 队列管理
此处的队列对应的是Yarn调度器的资源队列。故队列概念只对跑在Yarn上的任务类型有效。此处创建出的队列,可供后续任务进行选择。需要注意的是,在DolphinScheduler中创建队列,并不会影响到Yarn调度器的队列配置。
此处可不创建队列。
4.1.2 租户管理
租户对应的是Linux系统用户,是Worker执行任务使用的用户。如果Worker所在节点没有这个用户,Worker会在执行任务时创建这个用户。
此处创建一个bigdata租户,如下图。
注:
租户编码:对应Worker执行任务所使用的用户名。
租户名称:用于在DolphinScheduler中显示。
队列:该租户提交Yarn任务时的默认队列。
4.1.3 用户管理
用户对应的是DolphinScheduler的用户,用于登录DolphinScheduler。用户分管理员用户和普通用户。默认情况下,管理员只有授权和用户管理等权限,而普通用户只有创建项目,定义工作流、执行工作流等权限。
此处创建一个普通用户bigdata,如下图。
注:
用户名:DolphinScheduler登录账户
租户:该用户关联的租户
队列:默认为租户所关联的队列。
邮件、手机号:主要用于告警通知。
4.1.4 告警组管理
告警组可包含多名用户,用于指定告警发送对象。
4.1.5 Worker分组管理
在任务执行时,可以将任务分配给指定Worker组,最终由该组中的Worker节点执行该任务。默认情况下,所有Worker均位于default组。
此处可不做配置。
4.1.6 令牌管理
令牌用于通过接口访问DolphinScheduler各项服务时的用户验证。普通用户通过UI页面访问各项服务时,无需使用令牌。若需将DolphinScheduler与第三方服务进行集成,则需调用其接口,此时需使用令牌。
4.2 项目管理
4.2.1 切换用户
默认不使用管理员用户操作项目和工作流等,故需先切换到普通用户bigdata。
4.2.2 创建项目
4.2.3 查看项目
4.3 工作流基础配置
下图为工作流配置页面,共包含三个模快,分别为工作流定义、工作流实例和任务实例。
工作流定义:用于定义工作流,包括工作流各节点任务详情及各节点依赖关系等。
工作流实例:工作流每执行一次就会生成一个工作流示例。此处可查看正在运行的工作流以及已经完成的工作流。
任务实例:工作流中的一个节点任务,每执行一次就会生成一个任务实例。此处可用于查看正在执行的节点任务以及已经完成的节点任务。
4.3.1 工作流定义
工作流要求:工作流需包含三个Shell类型的任务节点,分别是A,B,C。三个任务的依赖关系如下图所示:
4.3.2 提交执行工作流
工作流须上线之后才能执行。处于上线状态的工作流定义不可修改,如需修改,须先下线。 此处示例为每分钟执行一次
4.3.3 查看工作流实例
4.3.4 查看任务实例
第5章 DolphinScheduler进阶
5.1 工作流传参
DolphinScheduler支持对任务节点进行灵活的传参,任务节点可通过${参数名}引用参数值。
5.1.1 局部参数
局部参数是指只针对单个任务节点有效的参数。
5.1.2 全局参数
全局参数是指针对整个工作流的所有任务节点都有效的参数。
5.1.3 系统内置参数
DolphinScheduler提供了一些时间相关的系统参数,方便定时调度使用。
参数 | 说明 |
---|---|
${system.biz.date} | 定时时间前一天,格式为 yyyyMMdd |
${system.biz.curdate}} | 定时时间,格式为 yyyyMMdd |
${system.datetime} | 定时时间,格式为 yyyyMMddHHmmss |
自定义参数
可通过时间自定义参数,设置任意格式、任意时间的日期。
a. 自定义日期格式
$[yyyyMMdd], $[HHmmss], $[yyyy-MM-dd]
b. 自定义时间
参数 | 说明 |
---|---|
$[add_months(yyyyMMdd,12*N)] | 后 N 年 |
$[add_months(yyyyMMdd,-12*N)] | 前 N 年 |
$[add_months(yyyyMMdd,N)] | 后 N 月 |
$[add_months(yyyyMMdd,-N)] | 前 N 月 |
$[yyyyMMdd+7*N] | 后 N 周 |
$[yyyyMMdd-7*N] | 前 N 周 |
$[yyyyMMdd+N] | 后 N 天 |
$[yyyyMMdd-N] | 前 N 天 |
$[HHmmss+N/24] | 后 N 小时 |
$[HHmmss-N/24] | 前 N 小时 |
$[HHmmss+N/24/60] | 后 N 分钟 |
$[HHmmss-N/24/60] | 前 N 分钟 |
若执行的脚本需要一个格式为yyyy-MM-dd的前一天日期的参数,进行如下配置即可。
5.2 引用依赖资源
有些任务需要引用一些额外的资源,例如MR、Spark等任务需引用jar包,Shell任务需要引用其他脚本等。DolphinScheduler提供了资源中心来对这些资源进行统一管理。
下面以Shell任务为例,演示如何引用资源中心的其他脚本。
修改工作流,引用上述脚本
5.3 告警通知
5.3.1 准备电子邮箱账户
如需使用DolphinScheduler的邮件告警通知功能,需要准备一个电子邮箱账号,并启用SMTP服务。
5.3.2 配置AlertServer
[bigdata@node1 ~]$ vim /opt/module/dolphinscheduler/conf/alert.properties
a. 不使用加密协议
#alert type is EMAIL/SMS
alert.type=EMAIL
# mail server configuration
mail.protocol=SMTP
mail.server.host=smtp.qq.com
mail.server.port=25
mail.sender=*********@qq.com
mail.user=*********@qq.com
mail.passwd=*************
# TLS
mail.smtp.starttls.enable=false
# SSL
mail.smtp.ssl.enable=false
mail.smtp.ssl.trust=smtp.exmail.qq.com
b. 使用STARTTLS加密协议
#alert type is EMAIL/SMS
alert.type=EMAIL
# mail server configuration
mail.protocol=SMTP
mail.server.host=smtp.qq.com
mail.server.port=587
mail.sender=*********@qq.com
mail.user=*********@qq.com
mail.passwd=*************
# TLS
mail.smtp.starttls.enable=true
# SSL
mail.smtp.ssl.enable=false
mail.smtp.ssl.trust=smtp.qq.com
c. 使用SSL加密协议
#alert type is EMAIL/SMS
alert.type=EMAIL
# mail server configuration
mail.protocol=SMTP
mail.server.host=smtp.qq.com
mail.server.port=465
mail.sender=*********@qq.com
mail.user=*********@qq.com
mail.passwd=*************
# TLS
mail.smtp.starttls.enable=false
# SSL
mail.smtp.ssl.enable=true
mail.smtp.ssl.trust=smtp.qq.com
注:各邮箱支持的加密协议:https://blog.csdn.net/wustzjf/article/details/52481309
5.3.3 测试
通知人可通过邮箱执行,也可通过通知组指定。
5.4 工作流失败重跑
若工作流执行到一半失败了,需要重新启动工作流。重新启动时可选择从起点开始执行,也可选择从断点开始执行。
a. 修改Node-A配置如下 b. 修改资源中心的test.sh文件如下
a. 从起点开始 b. 从断点开始