DolphinScheduler任务调度
DolphinScheduler任务调度
- 1. DolphinScheduler简介
- 2. DolphinScheduler特点
- 3. DolphinScheduler安装
- 3.1 依赖软件
- 3.2 下载二进制tar.gz包
- 3.3 数据库初始化
- 3.4 修改运行参数
- 3.5 启动Zookeeper集群
- 3.6 一键部署
- 3.7 集群服务的启停
- 4. DolphinScheduler基础操作
- 4.1 登录系统
- 4.2 创建队列
- 4.3 创建租户
- 4.4 创建普通用户
- 4.5 创建告警组
- 4.6 创建Worker分组
- 4.7 使用普通用户登录
- 4.8 创建项目
- 4.9 创建工作流
- 4.10 运行工作流
- 5. 在DolphinScheduler调度Sqoop脚本任务
- 5.1 定义工作流
- 5.2 工作流上线
- 5.3 结果验证
最近在学习大数据的相关知识,将其中用到的工具记录下来。
1. DolphinScheduler简介
DolphinScheduler官方地址
Apache DolphinScheduler 是一个分布式、去中心化、易扩展的可视化DAG工作流任务调度系统,其致力于解决数据处理流程中错综复杂的依赖关系,使调度系统在数据处理流程中开箱即用。
DolphinScheduler是2019年中国易观公司开源的一个调度系统,在美国时间2019年8月29号,易观开源的分布式任务调度引擎DolphinScheduler(原EasyScheduler)正式通过顶级开源组织Apache基金会的投票决议,根据Apache基金会邮件列表显示,在包含11个约束性投票(binding votes)和2个无约束性投票(non-binding votes)的投票全部持赞同意见,无弃权票和反对票,投票顺利通过,这样便以全票通过的优秀表现正式成为了Apache孵化器项目!
2. DolphinScheduler特点
DolphinScheduler提供了许多易于使用的功能,可加快数据ETL工作开发流程的效率。其主要特点如下:
- 通过拖拽以DAG 图的方式将 Task 按照任务的依赖关系关联起来,可实时可视化监控任务的运行状态;
- 支持丰富的任务类型;
- 支持工作流定时调度、依赖调度、手动调度、手动暂停/停止/恢复,同时支持失败重试/告警、从指定节点恢复失败、Kill 任务等操作;
- 支持工作流全局参数及节点自定义参数设置;
- 支持集群HA,通过 Zookeeper实现 Master 集群和 Worker 集群去中心化;
- 支持工作流运行历史树形/甘特图展示、支持任务状态统计、流程状态统计;
- 支持补数,并行或串行回填数据。
3. DolphinScheduler安装
单机版部署文档
3.1 依赖软件
- MySQL (5.7系列) :需要JDBC Driver 5.1+;
- JDK (1.8+) : 必装,请安装好后在/etc/profile下配置 JAVA_HOME 及 PATH 变量;
- ZooKeeper (3.4.6+) :必装;
- Hadoop (2.6+):选装, 如果需要用到资源上传功能,针对单机可以选择本地文件目录作为上传文件夹(此操作不需要部署Hadoop);当然也可以选择上传到Hadoop集群上。
注意: DolphinScheduler本身不依赖Hadoop、Hive、Spark,仅是会调用他们的Client,用于对应任务的运行。
3.2 下载二进制tar.gz包
下载最新版本的后端安装包至服务器部署目录,比如创建 /export/server 做为安装部署目录,下载地址:选择相应版本下载后上传tar包到该目录中,并进行解压。
# 创建部署目录,部署目录不要创建在/root、/home等高权限目录,如创建目录/export/server/
mkdir -p /export/server/;
mkdir -p /export/software/;
# 将dolphinscheduler的.bin.tar.gz上传到目录/export/software/ 后解压
# 解压
tar -zxvf /export/software/apache-dolphinscheduler-incubating-1.3.5-dolphinscheduler-bin.tar.gz -C /export/server/;
cd /export/server/
mv apache-dolphinscheduler-incubating-1.3.5-dolphinscheduler-bin dolphinscheduler;
3.3 数据库初始化
进入数据库,默认数据库是PostgreSQL,如选择MySQL的话,后续需要添加mysql-connector-java驱动包到DolphinScheduler的lib目录下。
mysql -uroot -p
# 执行数据库初始化命令,设置访问账号和密码。
mysql> CREATE DATABASE dolphinscheduler DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
mysql> GRANT ALL PRIVILEGES ON dolphinscheduler.* TO 'root'@'%' IDENTIFIED BY 'XXXXXX';
mysql> flush privileges;
修改 conf 目录下 datasource.properties 中的下列配置
vim conf/datasource.properties
如果选择 MySQL,请注释掉 PostgreSQL 相关配置(反之同理), 还需要手动添加 [ mysql-connector-java 驱动 jar ] 包到 lib 目录下,这里添加的是mysql-connector-java-5.1.38.jar,然后正确配置数据库连接相关信息
# postgresql
#spring.datasource.driver-class-name=com.mysql.jdbc.Driver
#spring.datasource.url=jdbc:mysql://XXX.XXX.XXX.XXX:3306/dolphinscheduler?characterEncoding=UTF-8&allowMultiQueries=true
#spring.datasource.username=root
#spring.datasource.password=XXXXXX# mysql
spring.datasource.driver-class-name=com.mysql.jdbc.Driver
spring.datasource.url=jdbc:mysql://XXX.XXX.XXX.XXX/dolphinscheduler?characterEncoding=UTF-8&allowMultiQueries=true
spring.datasource.username=root
spring.datasource.password=XXXXXX
修改保存后,执行script目录下的创建表及导入基础数据脚本
sh script/create-dolphinscheduler.sh
注意: 如果执行上述脚本报 ”/bin/java: No such file or directory“ 错误,请在/etc/profile下配置 JAVA_HOME 及 PATH 变量。
3.4 修改运行参数
修改 conf/env/dolphinscheduler_env.sh 环境变量:
export HADOOP_HOME=/export/server/hadoop
export HADOOP_CONF_DIR=/export/server/hadoop/etc/hadoop
#export SPARK_HOME1=/opt/soft/spark1
#export SPARK_HOME2=/opt/soft/spark2
export PYTHON_HOME=/usr/bin/python
export JAVA_HOME=/export/server/jdk
export HIVE_HOME=/export/server/hive
#export FLINK_HOME=/opt/soft/flink
#export DATAX_HOME=/opt/soft/datax/bin/datax.py
export SQOOP_HOME=/export/server/sqoopexport PATH=$HADOOP_HOME/bin:$PYTHON_HOME:$JAVA_HOME/bin:$HIVE_HOME/bin:$SQOOP_HOME/bin:$PATH
注: 这一步非常重要,例如 JAVA_HOME 和 PATH 是必须要配置的,没有用到的可以忽略或者注释掉;
将jdk软链到/usr/bin/java下
ln -s /export/server/jdk1.8.0_241/bin/java /usr/bin/java
修改一件部署配置文件:
conf/config/install_config.conf中的各参数,特别注意以下参数的配置:
# 这里填 mysql or postgresql
dbtype="mysql"# 数据库连接地址
dbhost="XXX.XXX.XX.XXX:3306"# 数据库名
dbname="dolphinscheduler"# 数据库用户名,此处需要修改为上面设置的{user}具体值
username=" root" # 数据库密码, 如果有特殊字符,请使用\转义,需要修改为上面设置的{password}具体值
password="XXXXXX"#Zookeeper地址,单机本机是localhost:2181,记得把2181端口带上
zkQuorum="node1:2181,node2:2181,node3:2181"#将DS安装到哪个目录,如: /opt/soft/dolphinscheduler,不同于现在的目录
installPath="/export/server/dolphinscheduler_install"#使用哪个用户部署
deployUser="root"# 邮件配置,以qq邮箱为例
# 邮件协议
#mailProtocol="SMTP"# 邮件服务地址
#mailServerHost="smtp.qq.com"# 邮件服务端口
#mailServerPort="25"# mailSender和mailUser配置成一样即可
# 发送者
#mailSender="xxx@qq.com"# 发送用户
#mailUser="xxx@qq.com"# 邮箱密码
#mailPassword="xxx"# 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,参考上面 mailServerHost
#sslTrust="smtp.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,单机如果想使用本地文件系统,请配置为HDFS,因为HDFS支持本地文件系统;如果不需要资源上传功能请选择NONE。强调一点:使用本地文件系统不需要部署hadoop
resourceStorageType="HDFS"# 这里以保存到本地文件系统为例
#注:但是如果你想上传到HDFS的话,NameNode启用了HA,则需要将hadoop的配置文件core-site.xml和hdfs-site.xml放到conf目录下,本例即是放到/opt/dolphinscheduler/conf下面,并配置namenode cluster名称;如果NameNode不是HA,则修改为具体的ip或者主机名即可
defaultFS="hdfs://node1:8020" #hdfs://{具体的ip/主机名}:8020# 如果没有使用到Yarn,保持以下默认值即可;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";如果是单ResourceManager请配置yarnHaIps=""即可
#yarnHaIps="192.168.xx.xx,192.168.xx.xx"# 如果ResourceManager是HA或者没有使用到Yarn保持默认值即可;如果是单ResourceManager,请配置真实的ResourceManager主机名或者ip
singleYarnIp="node1"# 资源上传根路径,支持HDFS和S3,由于hdfs支持本地文件系统,需要确保本地文件夹存在且有读写权限
resourceUploadPath="/dolphinscheduler"# 具备权限创建resourceUploadPath的用户
#hdfsRootUser="hdfs"#在哪些机器上部署DS服务,本机选localhost
ips="node1,node2,node3"#ssh端口,默认22
sshPort="22"#master服务部署在哪台机器上
masters="node1,node2"#worker服务部署在哪台机器上,并指定此worker属于哪一个worker组,下面示例的default即为组名
workers="node3"#报警服务部署在哪台机器上
alertServer="node3"#后端api服务部署在在哪台机器上
apiServers="node1"
修改dolphinscheduler/conf/application-api.properties,指定web前端的端口和域名目录。
# server.port=12345
server.port=12345# session config
server.servlet.session.timeout=7200server.servlet.context-path=/dolphinscheduler/# file size limit for upload
spring.servlet.multipart.max-file-size=1024MB
spring.servlet.multipart.max-request-size=1024MB# enable response compression
server.compression.enabled=true
server.compression.mime-types=text/html,text/xml,text/plain,text/css,text/javascript,application/javascript,application/json,application/xml# post content
server.jetty.max-http-post-size=5000000spring.messages.encoding=UTF-8#i18n classpath folder , file prefix messages, if have many files, use "," seperator
spring.messages.basename=i18n/messages# Authentication types (supported types: PASSWORD)
security.authentication.type=PASSWORD
3.5 启动Zookeeper集群
在node1,node2,node3上分别执行:
zkServer.sh start
3.6 一键部署
注意:
第一次部署的话,在运行中3.3的3,stop server
出现5次以下信息,此信息可以忽略
sh: bin/dolphinscheduler-daemon.sh: No such file or directory。
脚本完成后,在对应的机器上会启动以下5个服务,使用jps命令查看服务是否启动(jps为java JDK自带)
MasterServer ----- master服务
WorkerServer ----- worker服务
LoggerServer ----- logger服务
ApiApplicationServer ----- api服务
AlertServer ----- alert服务
如果以上服务都正常启动,说明自动部署成功;部署成功后,可以进行日志查看,日志统一存放于logs文件夹内:
logs/├── dolphinscheduler-alert-server.log├── dolphinscheduler-master-server.log|—— dolphinscheduler-worker-server.log|—— dolphinscheduler-api-server.log|—— dolphinscheduler-logger-server.log
3.7 集群服务的启停
- 一键停止集群所有服务
sh ./bin/stop-all.sh
- 一键启动居群所有服务
sh ./bin/start-all.sh
- 启停各子服务
sh ./bin/dolphinscheduler-daemon.sh start master-server
sh ./bin/dolphinscheduler-daemon.sh stop master-serversh ./bin/dolphinscheduler-daemon.sh start worker-server
sh ./bin/dolphinscheduler-daemon.sh stop worker-serversh ./bin/dolphinscheduler-daemon.sh start api-server
sh ./bin/dolphinscheduler-daemon.sh stop api-serversh ./bin/dolphinscheduler-daemon.sh start logger-server
sh ./bin/dolphinscheduler-daemon.sh stop logger-serversh ./bin/dolphinscheduler-daemon.sh start alert-server
sh ./bin/dolphinscheduler-daemon.sh stop alert-server
4. DolphinScheduler基础操作
官方操作部署及操作手册(1.3.5版本)
4.1 登录系统
访问前端页面地址,接口ip(自行修改) http://XXX.XXX.XXX.XXX:12345/dolphinscheduler
用户名admin
密码dolphinscheduler123
4.2 创建队列
创建任务对列,如下:
4.3 创建租户
如下图所示:
点击队列提交:
提交后,在Linux中给租户授予最大权限。修改文件/etc/passwd在最后一行,中间改为0:0,如下图。
4.4 创建普通用户
4.5 创建告警组
4.6 创建Worker分组
使用默认或者参考官方文档(1.3.5)-快速上手
4.7 使用普通用户登录
点击右上角用户名“退出”,重新使用普通用户登录。
4.8 创建项目
项目管理->创建项目->点击项目名称
4.9 创建工作流
点击工作流定义->创建工作流定义->上线工作流定义
4.10 运行工作流
5. 在DolphinScheduler调度Sqoop脚本任务
5.1 定义工作流
定义工作流如下:
注意
在脚本栏中,为了确保脚本能解析成功,最好添加了一句dos2unix
命令。并且使用Linux绝对路径不容易出错。如环境中无dos2unix,则需先在服务器用yum
命令先安装:
yum -y install dos2unix
dos2unix /sqoop_shell_path/sqoop/sqoop_import_XXX.sh
/sqoop_shell_path/sqoop/sqoop_import_XXX.sh
5.2 工作流上线
注意:
如果后期要修改工作流,需要先点击红色按钮下线,修改完再上线.。运行后会产生一个工作流实例。
工作流可以运行很多次,每次都在下面的任务实例中有日志。任务示例如下:
5.3 结果验证
- 任务实例状态显示成功,并且点击日志按钮,没有见到异常。
- 在hive中查询表结果是否存在。
DolphinScheduler任务调度相关推荐
- 工作流任务调度系统:Apache DolphinScheduler
1 概述 Apache DolphinScheduler(目前处在孵化阶段)是一个分布式.去中心化.易扩展的可视化DAG工作流任务调度系统,其致力于解决数据处理流程中错综复杂的依赖关系,使调度系统在数 ...
- 工作流调度系统Apache DolphinScheduler介绍和设计原理
1 概述 Apache DolphinScheduler(目前处在孵化阶段)是一个分布式.去中心化.易扩展的可视化DAG工作流任务调度系统,其致力于解决数据处理流程中错综复杂的依赖关系,使调度系统在数 ...
- 大数据主要学些什么?(大数据学习路线图)
在程序员的赛道上,也不只是有Java.Python和前端,大数据也是一个不错的就业方向. 不同于其他赛道,大数据这个岗位因为本身学习有难度,毕竟对学历有一定的要求(本科及以上),所以目前这个岗位的需求 ...
- 电商数据仓库项目总结
一.项目架构 技术选型 数据采集:Flume,Kafka,Datax 数据存储:Mysql,HDFS 数据计算:Hive,Saprk 任务调度:DolphinScheduler 数据可视化:Super ...
- 分享111个Java源码,总有一款适合您
Java源码 分享111个Java源码,总有一款适合您 源码下载链接:https://pan.baidu.com/s/1fycjYHA7y6r-IH8H7v5XKA?pwd=ag8l 提取码:ag8 ...
- 大数据分布式工作流任务调度系统DolphinScheduler v1.3.4
简介: Apache DolphinScheduler(incubator,原EasyScheduler)是一个大数据分布式工作流任务调度系统,主要解决大数据研发过程中ETL处理错综复杂的依赖关系,而 ...
- 第二十章 分布式任务调度中心DolphinScheduler架构设计
1.调度系统概述 1.1.调度系统介绍 含义:在指定时间协调器通过分布式执行器并行执行任务. (1)目标 分布式环境下处理任务调度,在基于给定的时间点,给定的时间间隔或者给定执行次数自动的执行任务 ...
- 大数据任务调度工具 Apache DolphinScheduler
文章目录 大数据任务调度工具 Apache DolphinScheduler 项目亮点 DolphinScheduler 简介 调度系统选型 为什么大数据要选择 DolphinScheduler Do ...
- 新一代大数据任务调度系统 - Apache DolphinScheduler 1.3.4 发布,推荐下载
| 本文编辑:朱桐 新一代大数据任务调度 - Apache DolphinScheduler(incubator) 在经过社区 30 多位小伙伴的贡献与努力下于发布了 1.3.4 版本,1.3.4 作 ...
最新文章
- 【青少年编程】绘制等腰直角三角形
- 今天试了一下iscroll
- 图片向上滚动字幕代码html,如何通过制作滚动字幕的软件实现这种片尾的向上滚动字幕效果...
- python做网络的仿真_用python自动化仿真HFSS,超简易
- 想念一个人是一种温馨,被别人想念是一种幸福
- pandas to_sql保存数据到数据库后,添加自增长的主键ID(PRIMARY KEY)
- 腾讯看点基于 Flink 构建万亿数据量下的实时数仓及实时查询系统
- android中jni数据加密,Android jni字符串如何加密
- NbPreferences使用用户首选项时要注意的问题
- Spring Cloud Alibaba @SentinelResource配置详解
- 量子加密_量子强化加密协议
- Invalid use of SingleClientConnManager: connection still allocated解决方案
- UOJ132 【NOI2015】小园丁与老司机
- 二手房房源信息数据分析项目完整流程
- 告别996之Stream学习总结
- RichEdit控件设置默认字体时只对中文起作用,对英文不起作用的解决办法
- python 标准输入设备_实时获取MIDI设备的输入(Python)
- 字符串的长度和字符串数据的长度,length和length()
- 算法工程师5——计算机视觉知识点概览
- 【ESP32_8266_WiFi (二)】接入点模式、无线终端模式