Apache DolphinScheduler（海豚调度系统）介绍与环境部署_全球消息

Apache DolphinScheduler 和 Azkaban 都是开源的大数据工作流调度系统，用于管理和调度大数据处理任务。它们具有一些相似的特点，但也有一些区别。

一、概述

Apache DolphinScheduler（简称DolphinScheduler）是一种开源的、分布式的、易于使用的大数据工作流调度系统。它旨在为大数据处理提供一个可靠、高效和可扩展的调度解决方案。

(资料图片)

DolphinScheduler具有以下特点和功能：

分布式架构：DolphinScheduler采用了分布式架构，可以在大规模集群上运行，实现高并发的任务调度和执行。多种任务类型：支持多种类型的任务，包括Shell任务、Spark任务、Hadoop任务、SQL任务等，可以满足各种大数据处理需求。可视化工作流编辑器：提供了直观易用的工作流编辑器，可以通过图形界面进行工作流的创建、编辑和调度管理，无需编写复杂的代码。丰富的调度策略：支持灵活的调度策略，可以根据任务依赖关系、优先级、资源需求等进行调度和管理。任务监控和告警：提供了实时的任务监控和告警功能，可以及时了解任务的执行情况和异常情况，并采取相应的措施进行处理。安全和权限管理：支持用户认证和授权，可以对任务和资源进行细粒度的权限管理，保证系统的安全性和数据的隐私性。扩展性和集成性：DolphinScheduler提供了丰富的扩展接口和插件机制，可以方便地集成到现有的大数据生态系统中，并支持自定义插件开发。

总之，Apache DolphinScheduler是一个功能强大的大数据工作流调度系统，可以帮助用户实现高效、可靠的大数据处理任务调度和管理。它是开源社区的项目，用户可以根据自己的需求进行定制和扩展，并参与社区共同贡献和发展。

官网：https://dolphinscheduler.apache.org/zh-cnGitHub：https://github.com/apache/dolphinscheduler

二、Apache DolphinScheduler 与 Azkaban 对比

Apache DolphinScheduler和Azkaban都是开源的大数据工作流调度系统，用于管理和调度大数据处理任务。它们具有一些相似的特点，但也有一些区别。

相似之处：

工作流调度：两者都提供了工作流调度功能，可以定义任务之间的依赖关系，按照指定的调度策略和优先级来执行任务。可视化编辑器：两者都提供了可视化的工作流编辑器，可以通过图形界面创建、编辑和管理工作流，减少了对复杂的脚本编写的依赖。多任务类型支持：两者都支持多种类型的任务，如Shell任务、Hadoop任务、Spark任务等，可以满足各种大数据处理需求。调度监控和告警：两者都提供了任务的监控和告警功能，可以实时查看任务的执行状态，并及时通知用户执行结果或异常情况。

区别之处：

架构设计：DolphinScheduler采用分布式架构，可以在大规模集群上运行，支持高并发的任务调度和执行。而Azkaban采用集中式架构，适用于中小规模的集群。扩展性和集成性：DolphinScheduler提供了丰富的扩展接口和插件机制，可以方便地与其他大数据生态系统进行集成，并支持自定义插件开发。Azkaban在扩展性和集成性方面相对较弱。权限管理：DolphinScheduler支持用户认证和授权，可以对任务和资源进行细粒度的权限管理。Azkaban也支持权限管理，但在细粒度控制方面较弱。社区发展和支持：DolphinScheduler是一个新兴的开源项目，社区活跃度逐渐增加，但相对于Azkaban来说，社区支持和文档资源相对较少。

选择使用Apache DolphinScheduler还是Azkaban取决于具体的需求和情况。如果您需要一个高可扩展性和灵活性的调度系统，并且希望与其他大数据生态系统进行深度集成，DolphinScheduler可能是一个不错的选择。如果您的集群规模较小，并且对权限管理的要求不是很高，同时希望使用一个经过长期发展和广泛使用的调度系统，Azkaban可能更适合您的需求。

三、DolphinScheduler 架构设计

启动流程活动图

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:

DistributedQuartz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t_ds_command表，根据不同的命令类型进行不同的业务操作；

WorkflowExecuteRunnable主要是负责DAG任务切分、任务提交监控、各种不同事件类型的逻辑处理；

TaskExecuteRunnable主要负责任务的处理和持久化，并生成任务事件提交到工作流的事件队列；

EventExecuteService主要负责工作流实例的事件队列的轮询；

StateWheelExecuteThread主要负责工作流和任务超时、任务重试、任务依赖的轮询，并生成对应的工作流或任务事件提交到工作流的事件队列；

FailoverExecuteThread主要负责Master容错和Worker容错的相关逻辑；

WorkerServer：WorkerServer也采用分布式无中心设计理念，WorkerServer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。WorkerServer基于netty提供监听服务。该服务包含：

WorkerManagerThread主要负责任务队列的提交，不断从任务队列中领取任务，提交到线程池处理；

TaskExecuteThread主要负责任务执行的流程，根据不同的任务类型进行任务的实际处理；

RetryReportTaskStatusThread主要负责定时轮询向Master汇报任务的状态，直到Master回复状态的ack，避免任务状态丢失；

ZooKeeper：ZooKeeper服务，系统中的MasterServer和WorkerServer节点都通过ZooKeeper来进行集群管理和容错。另外系统还基于ZooKeeper进行事件监听和分布式锁。 我们也曾经基于Redis实现过队列，不过我们希望DolphinScheduler依赖到的组件尽量地少，所以最后还是去掉了Redis实现。

AlertServer：提供告警服务，通过告警插件的方式实现丰富的告警手段。

ApiServer：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。

UI：系统的前端页面，提供系统的各种可视化操作界面。

这里只是摘录了官方文档部分内容，更多内容可以参考官方文档：https://dolphinscheduler.apache.org/zh-cn/docs/3.1.7/architecture/design

四、环境部署

1）环境信息

IP	主机名	角色
192.168.182.110	local-168-182-110	master-server、api-server、alert-server、ZK、MySQL
192.168.182.111	local-168-182-111	master-server、worker-server
192.168.182.112	local-168-182-112	worker-server

2）安装 JDK

官网下载：https://www.oracle.com/java/technologies/downloads/

百度云下载

链接：https://pan.baidu.com/s/1-rgW-Z-syv24vU15bmMg1w提取码：8888

# 编辑/etc/profile,文末插入以下内容：# set javaexport JAVA_HOME=/opt/apache/jdk1.8.0_212export PATH=$JAVA_HOME/bin:$PATH

3）安装 MySQL 数据库

这里选择docker快速部署的方式：通过 docker-compose 快速部署 MySQL保姆级教程

1、部署 docker

# 安装yum-config-manager配置工具yum -y install yum-utils# 建议使用阿里云yum源：（推荐）#yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repoyum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo# 安装docker-ce版本yum install -y docker-ce# 启动并开机启动systemctl enable --now dockerdocker --version

2、部署 docker-compose

curl -SL https://github.com/docker/compose/releases/download/v2.16.0/docker-compose-linux-x86_64 -o /usr/local/bin/docker-composechmod +x /usr/local/bin/docker-composedocker-compose --version

3、安装 git

yum -y install git

3、开始部署

git clone https://gitee.com/hadoop-bigdata/docker-compose-mysql.gitcd docker-compose-mysql# create networkdocker network create hadoop-network# 部署docker-compose -f docker-compose.yaml up -d# 查看docker-compose -f docker-compose.yaml ps# 登录mysqlmysql -uroot -p# 输入密码：123456# 创建数据库create database dolphinscheduler character set utf8 ;  CREATE USER "dolphinscheduler"@"%"IDENTIFIED BY "dolphinscheduler@123";GRANT ALL PRIVILEGES ON dolphinscheduler.* TO "dolphinscheduler"@"%";FLUSH PRIVILEGES;

4）安装注册中心 Zookeeper

这里选择docker快速部署的方式：【中间件】通过 docker-compose 快速部署 Zookeeper 保姆级教程

git clone https://gitee.com/hadoop-bigdata/docker-compose-zookeeper.gitcd docker-compose-zookeeper# 部署docker-compose -f docker-compose.yaml up -d# 查看docker-compose -f docker-compose.yaml ps

5）下载 dolphinscheduler 安装包

wget https://dlcdn.apache.org/dolphinscheduler/3.1.7/apache-dolphinscheduler-3.1.7-bin.tar.gz --no-check-certificate# 解压tar -xvzf apache-dolphinscheduler-*-bin.tar.gz

注意:DolphinScheduler本身不依赖 Hadoop、Hive、Spark，但如果你运行的任务需要依赖他们，就需要有对应的环境支持。

6）修改配置

1、修改 install_env.sh 文件

文件install_env.sh描述了哪些机器将被安装DolphinScheduler以及每台机器对应安装哪些服务。

bin/env/install_env.sh

配置

# ---------------------------------------------------------# INSTALL MACHINE# ---------------------------------------------------------# 需要配置master、worker、API server，所在服务器的IP均为机器IP或者localhost# 如果是配置hostname的话，需要保证机器间可以通过hostname相互链接# 如下图所示，部署 DolphinScheduler 机器的 hostname 为 ds1,ds2,ds3,ds4,ds5，其中 ds1,ds2 安装 master 服务，ds3,ds4,ds5安装 worker 服务，alert server安装在ds4中，api server 安装在ds5中# ips="ds1,ds2,ds3,ds4,ds5"ips="192.168.182.110,192.168.182.111,192.168.182.112"# masters="ds1,ds2"masters="192.168.182.110,192.168.182.111"# workers="ds3:default,ds4:default,ds5:default"workers="192.168.182.111:default,192.168.182.112:default"# alertServer="ds4"alertServer="192.168.182.110"# apiServers="ds5"apiServers="192.168.182.110"

2、修改 dolphinscheduler_env.sh 文件

文件 ./bin/env/dolphinscheduler_env.sh 描述了下列配置：

DolphinScheduler的数据库配置，详细配置方法见初始化数据库一些任务类型外部依赖路径或库文件，如JAVA_HOME和SPARK_HOME都是在这里定义的注册中心zookeeper服务端相关配置，比如缓存，时区设置等。

如果您不使用某些任务类型，您可以忽略任务外部依赖项，但您必须根据您的环境更改 JAVA_HOME、注册中心和数据库相关配置。

# JAVA_HOME, will use it to start DolphinScheduler server# export JAVA_HOME=${JAVA_HOME:-/opt/soft/java}export JAVA_HOME=/opt/apache/jdk1.8.0_212# Database related configuration, set database type, username and password# export DATABASE=${DATABASE:-postgresql}export DATABASE=${DATABASE:-mysql}export SPRING_PROFILES_ACTIVE=${DATABASE}# export SPRING_DATASOURCE_URL="jdbc:postgresql://127.0.0.1:5432/dolphinscheduler"export SPRING_DATASOURCE_URL="jdbc:mysql://192.168.182.110:3306/dolphinscheduler?useUnicode=true&characterEncoding=UTF-8&useSSL=false"# export SPRING_DATASOURCE_USERNAME={user}export SPRING_DATASOURCE_USERNAME=dolphinscheduler# export SPRING_DATASOURCE_PASSWORD={password}export SPRING_DATASOURCE_PASSWORD=dolphinscheduler@123# DolphinScheduler server related configurationexport SPRING_CACHE_TYPE=${SPRING_CACHE_TYPE:-none}export SPRING_JACKSON_TIME_ZONE=${SPRING_JACKSON_TIME_ZONE:-UTC}export MASTER_FETCH_COMMAND_NUM=${MASTER_FETCH_COMMAND_NUM:-10}# Registry center configuration, determines the type and link of the registry centerexport REGISTRY_TYPE=${REGISTRY_TYPE:-zookeeper}# export REGISTRY_ZOOKEEPER_CONNECT_STRING=${REGISTRY_ZOOKEEPER_CONNECT_STRING:-localhost:2181}export REGISTRY_ZOOKEEPER_CONNECT_STRING="192.168.182.110:31181,192.168.182.110:32181,192.168.182.110:33181"# Tasks related configurations, need to change the configuration if you use the related tasks.export HADOOP_HOME=${HADOOP_HOME:-/opt/soft/hadoop}export HADOOP_CONF_DIR=${HADOOP_CONF_DIR:-/opt/soft/hadoop/etc/hadoop}export SPARK_HOME1=${SPARK_HOME1:-/opt/soft/spark1}export SPARK_HOME2=${SPARK_HOME2:-/opt/soft/spark2}export PYTHON_HOME=${PYTHON_HOME:-/opt/soft/python}export HIVE_HOME=${HIVE_HOME:-/opt/soft/hive}export FLINK_HOME=${FLINK_HOME:-/opt/soft/flink}export DATAX_HOME=${DATAX_HOME:-/opt/soft/datax}export PATH=$HADOOP_HOME/bin:$SPARK_HOME1/bin:$SPARK_HOME2/bin:$PYTHON_HOME/bin:$JAVA_HOME/bin:$HIVE_HOME/bin:$FLINK_HOME/bin:$DATAX_HOME/bin:$PATH

3、下载MySQL驱动包

wget https://repo1.maven.org/maven2/mysql/mysql-connector-java/8.0.16/mysql-connector-java-8.0.16.jarmv mysql-connector-java-8.0.16.jar tools/libs/cp tools/libs/mysql-connector-java-8.0.16.jar master-server/libs/cp tools/libs/mysql-connector-java-8.0.16.jar worker-server/libs/cp tools/libs/mysql-connector-java-8.0.16.jar alert-server/libs/cp tools/libs/mysql-connector-java-8.0.16.jar api-server/libs/

【注意】除了将mysql-connector-java-8.0.16.jar驱动放到以上的libs文件夹后，还需要将mysql-connector-java-8.0.16.jar驱动放到tools目录下的libs目录一份。

7）将配置copy其它节点

scp -r /opt/apache/dolphinscheduler local-168-182-111:/opt/apache/scp -r /opt/apache/dolphinscheduler local-168-182-112:/opt/apache/

8）初始化数据库

bash tools/bin/upgrade-schema.sh

9）启动服务

因为机器资源有限，这里调整一下jvm内存

# master-server/bin/start.sh# api-server/bin/start.sh# alert-server/bin/start.sh# ./worker-server/bin/start.sh

根据规划，分别在不同机器上启动对应的服务

IP	主机名	角色
192.168.182.110	local-168-182-110	master-server、api-server、alert-server、ZK、MySQL
192.168.182.111	local-168-182-111	master-server、worker-server
192.168.182.112	local-168-182-112	worker-server

# 启停 Masterbash ./bin/dolphinscheduler-daemon.sh start master-server# 查看日志tail -f master-server/logs/dolphinscheduler-master.log# bash ./bin/dolphinscheduler-daemon.sh stop master-server# 启停 Apibash ./bin/dolphinscheduler-daemon.sh start api-server# 查看日志tail -f api-server/logs/dolphinscheduler-api.log# bash ./bin/dolphinscheduler-daemon.sh stop api-server# 启停 Alertbash ./bin/dolphinscheduler-daemon.sh start alert-server# 查看日志tail -f alert-server/logs/dolphinscheduler-alert.log# bash ./bin/dolphinscheduler-daemon.sh stop alert-server# 启停 Workerbash ./bin/dolphinscheduler-daemon.sh start worker-server# 查看日志tail -f worker-server/logs/dolphinscheduler-worker.log# bash ./bin/dolphinscheduler-daemon.sh stop worker-server

10）web 地址访问

# http://:12345/dolphinscheduler/ui/loginhttp://192.168.182.110:12345/dolphinscheduler/ui/login

默认账户密码：admin/dolphinscheduler123

标签：