深入浅出Apache DolphinScheduler

Posted 2022-02-16 朱清云的技术博客

Apache DolphinScheduler 是一个大数据调度任务框架。从当前的CSDN的GitCode的热度来看，其在二月份排名第6位。那是相当的热门的。

Apache DolphinScheduler 是Apache旗下的开源项目，目前已经被Fork了2700次，Star了7300次；

这还是相当厉害了！其是一个云原生的可视化的大数据工作流调度系统，其使命就是致力于解决复杂大数据任务依赖，默认就支持多个大数据任务之间的数据操作的编排。

相对于其他的大数据调度框架：

• azkaban
• Airflow
• XxJob

DolphinScheduler 功能强大了不少！其支持的强大功能如下：

• 本身就支持HA
• 任务状态、任务类型、重试次数、任务运行机器、可视化变量等关键信息一目了然
• 任务队列机制，单个机器上可调度的任务数量可以灵活配置，当任务过多时会缓存在任务队列中，不会造成机器卡死
• 任务状态、任务类型、重试次数、任务运行机器、可视化变量等关键信息一目了然
• 所有流程定义操作都是可视化的，通过拖拽任务来绘制DAG,配置数据源及资源。同时对于第三方系统，提供api方式的操作。
• 一键部署
• 支持暂停，恢复操作
• easyscheduler上的用户可以通过租户和hadoop用户实现多对一或一对一的映射关系，这对大数据作业的调度是非常重要的。
• 支持传统的shell任务，同时支持大数据平台任务调度： MR、Spark、SQL(mysql、postgresql、hive、sparksql)、Python、Procedure、Sub_Process
• 调度器使用分布式调度，整体的调度能力会随便集群的规模线性增长，Master和Worker支持动态上下线

其基本架构如下，从下图可以看出，其主要包括下面的组件：

• UI
• API 网关
• Master 服务器
• Worker 服务器
• DB（MySQL，PostgreSQL）
• Zookeeper

其启动流程活动图如下：

DolphinScheduler提供3种部署模式：
1. 单节点部署模式
主要是看看DolphinScheduler提供了哪些功能，感受一下DolphinScheduler的功能

2. 伪集群模式
   在单一服务器上部署多个集群，在测试环境下经常用到此模式，其需要连接数据库

3. 在生产环境部署
   支持两个模式：
   3.1 在多个服务器上集群部署
   3.2 在K8S里面部署

下面笔者部署一个简单的单节点服务器（笔者的机器是CentOs 7 64bit）：
步骤1 下载并安装JDK 1.8+
步骤2 下载DolphinScheduler
当前的最新版本是2.0.3

wget https://dlcdn.apache.org/dolphinscheduler/2.0.3/apache-dolphinscheduler-2.0.3-bin.tar.gz --no-check-certificate

步骤3 解压缩tar包并启动

tar -xvzf apache-dolphinscheduler-*-bin.tar.gz
cd apache-dolphinscheduler-*-bin
sh ./bin/dolphinscheduler-daemon.sh start standalone-server

步骤4 输入地址 http://<host_name>:12345/dolphinscheduler
默认密码是： admin/dolphinscheduler123

步骤5 查看主界面

步骤6 创建项目并定义工作流

从工作流的工具栏来看，其支持：

• Shell
• SUB_Process
• Procedure
• SQL
• Spark
• Flink
• MR
• Python
• Dependent
• HTTP
• DATAX
• PEGEON
• SQOOP
• Conditions
• Switch
• WATERDROP

由此可见，其支持的大数据的功能模块还是非常丰富多彩的！

另外值得一提的是，其也支持多租户！ 这在一些业务环境里面还是非常有用的！