Apache DolphinScheduler（海豚调度系统）介绍与环境部署

Posted 2023-06-20 技术栈

目录

• 一、概述
• 二、Apache DolphinScheduler 与 Azkaban 对比
• 三、DolphinScheduler 架构设计
• 四、环境部署
  • 1）环境信息
  • 2）安装 JDK
  • 3）安装 MySQL 数据库
    • 1、部署 docker
    • 2、部署 docker-compose
    • 3、安装 git
    • 3、开始部署
  • 4）安装注册中心 Zookeeper
  • 5）下载 dolphinscheduler 安装包
  • 6）修改配置
    • 1、修改 install_env.sh 文件
    • 2、修改 dolphinscheduler_env.sh 文件
    • 3、下载MySQL驱动包
  • 7）将配置copy其它节点
  • 8）初始化数据库
  • 9）启动服务
  • 10）web 地址访问

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。

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-cn
• GitHub：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 java
export JAVA_HOME=/opt/apache/jdk1.8.0_212
export 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.repo
yum-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 docker
docker --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-compose

chmod +x /usr/local/bin/docker-compose
docker-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.git

cd docker-compose-mysql

# create network
docker 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mysql
mysql -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.git

cd 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 configuration
export 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 center
export 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.jar
mv 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 Master
bash ./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 Api
bash ./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 Alert
bash ./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 Worker
bash ./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://<your_ip>:12345/dolphinscheduler/ui/login
http://192.168.182.110:12345/dolphinscheduler/ui/login

默认账户密码：admin/dolphinscheduler123

Apache DolphinScheduler（海豚调度系统）介绍与环境部署 就到这里了，有任何疑问环境给我留言或私信，可关注我公众号：大数据与云原生技术分享，加群交流或私信沟通~