笔触狂放9

这个屌丝很懒，什么也没留下！

热门标签

12-海豚调度器DolphinScheduler

作者：笔触狂放9 | 2024-04-18 06:56:27

踩

海豚调度器

一、概述

跟之前学习过的Azkaban非常的相似，两者二选一。架构师就是老中医（同样的病，抓不同的药）。


Azkaban 能做任务调度，任务编排  A --> B
        还可以做定时任务，还能预警（发邮件，发钉钉，打电话）


数仓项目因为是分层的，分层的数据之间，是有先后顺序的。所以可以编写
ods.sh  dwd.sh  dws.sh dim.sh ads.sh  编排好顺序，每天执行一次，每天自动分析，自动导出指标，可视化界面一刷新就是新的指标数据。

DolphinScheduler是2019年中国易观公司开源的一个调度系统。目前是apache顶级项目之一：https://dolphinscheduler.apache.org/zh-cn/index.html

Apache DolphinScheduler是一个分布式、易扩展的可视化DAG工作流任务调度平台。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（拎包入住）。

DAG --有向无环图，有顺序，但是不会形成环的图表。

二、DS架构图（了解即可）


DolphinScheduler的主要角色如下：
MasterServer采用分布式无中心设计理念，MasterServer主要负责 DAG 任务切分、任务提交、任务监控，并同时监听其它MasterServer和WorkerServer的健康状态。
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。
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。
Alert服务，提供告警相关服务。
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，提供系统的各种可视化操作界面。

三、DolphinScheduler部署说明


DS是一个大型的，专业的调度工具，非常的耗内存。
 
到公司一定要看好是什么操作系统：
CentOS  6.x和7.x 命令有所变化  7.x  systemctl restart 服务名
                              6.x  service mysql restart等
Unbantu 或者 redhat 命令也不一样。

四、安装部署

DolphinScheduler支持多种部署模式，包括单机模式（Standalone）、伪集群模式（Pseudo-Cluster）、集群模式（Cluster）等。

虚拟机的准备工作：

如果是集群的话（至少 8G+3G+3G）,如果是单台的（10G+）

4.1 单机模式

单机模式（standalone）模式下，所有服务均集中于一个StandaloneServer进程中，并且其中内置了注册中心Zookeeper和数据库H2。只需配置JDK环境，就可一键启动DolphinScheduler，快速体验其功能。

配置链接：

https://dolphinscheduler.apache.org/zh-cn/docs/latest/user_doc/guide/installation/standalone.html


注意: Standalone 仅建议 20 个以下工作流使用，因为其采用内存式的 H2 Database, Zookeeper Testing Server，任务过多可能导致不稳定，并且如果重启或者停止 standalone-server 会导致内存中数据库里的数据清空。 
 
如何启动和关闭单机版：
# 启动 Standalone Server 服务
bash ./bin/dolphinscheduler-daemon.sh start standalone-server
# 停止 Standalone Server 服务
bash ./bin/dolphinscheduler-daemon.sh stop standalone-server
# 查看 Standalone Server 状态
bash ./bin/dolphinscheduler-daemon.sh status standalone-server

单机启动，不需要zk，它内置了zk，把我们自己的zk服务停掉。

单机模式比较省内存：


访问地址：http://bigdata01:12345/dolphinscheduler
账号和密码：  admin  dolphinscheduler123

4.2 伪集群模式

伪集群模式（Pseudo-Cluster）是在单台机器部署 DolphinScheduler 各项服务，该模式下master、worker、api server、logger server等服务都只在同一台机器上。Zookeeper和数据库需单独安装并进行相应配置。

配置链接：

https://dolphinscheduler.apache.org/zh-cn/docs/latest/user_doc/guide/installation/pseudo-cluster.html

4.3 集群模式

集群模式（Cluster）与伪集群模式的区别就是在多台机器部署 DolphinScheduler各项服务，并且可以配置多个Master及多个Worker。

五、 DolphinScheduler伪分布部署

5.1 前期准备工作


1）节点均需部署JDK（1.8+），并配置相关环境变量。
2）需部署数据库，支持MySQL（8.0+）或者PostgreSQL（8.2.15+）。
3）需部署Zookeeper（3.4.6+）。
4）需安装进程管理工具包psmisc
   yum install -y psmisc


把没有用的服务可以停掉了。
停止azkban  : azkaban.sh 0
停止datax-web服务:  
[root@bigdata01 bin]# cd /opt/installs/datax-web-2.1.2/
[root@bigdata01 datax-web-2.1.2]# cd bin
[root@bigdata01 bin]# ./stop-all.sh 
停止hive服务：
hive-server-manager.sh stop
停止hdfs以及yarn:
stop-all.sh 
 
停止单机模式：
[root@bigdata01 bin]# cd /opt/modules/apache-dolphinscheduler-1.3.9-bin/bin
[root@bigdata01 bin]# ./dolphinscheduler-daemon.sh stop standalone-server


原生的命令：
zkServer.sh start
关闭：
zkServer.sh stop
查看状态：
zkServer.sh status
 
使用脚本命令：
zk.sh start

初始化数据库：


创建一个用户，设置密码：
CREATE USER 'dolphinscheduler'@'%' IDENTIFIED BY '123456';
 
需要设置数据库的密码规则：
set global validate_password.policy=LOW;
set global validate_password.length=4;
set global validate_password.mixed_case_count=0;
set global validate_password.number_count=0;
set global validate_password.special_char_count=0;
 
开始创建一个数据库：
CREATE DATABASE dolphinscheduler DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
 
创建用户之后，赋予权限：
GRANT ALL PRIVILEGES ON dolphinscheduler.* TO 'dolphinscheduler'@'%';
flush privileges;

连接数据库：


ALTER USER 'dolphinscheduler'@'%' IDENTIFIED WITH mysql_native_password BY '123456';
 
为什么不需要设置远程连接？
因为创建用户的时候，这个% 就是所有IP的意思。

开始修改数据库连接：

cd /opt/modules/apache-dolphinscheduler-1.3.9-bin/conf

修改：datasource.properties


spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver
spring.datasource.url=jdbc:mysql://bigdata01:3306/dolphinscheduler?useUnicode=true&characterEncoding=UTF-8
spring.datasource.username=dolphinscheduler
spring.datasource.password=123456

拷贝一个mysql的驱动包：


第一次安装：
cp /opt/modules/mysql-connector-java-8.0.26.jar /opt/modules/apache-dolphinscheduler-1.3.9-bin/lib/
 
如果没有这个jar,从hive中拷贝一个：
cp /opt/installs/hive/lib/mysql-connector-java-8.0.26.jar /opt/modules/apache-dolphinscheduler-1.3.9-bin/lib/
 
假如已经安装过，需要修复：
cp /opt/modules/mysql-connector-java-8.0.26.jar /opt/installs/dolphinscheduler/lib/

初始化数据库：


进入  /opt/modules/apache-dolphinscheduler-1.3.9-bin/script
执行脚本：create-dolphinscheduler.sh
./create-dolphinscheduler.sh

5.2 配置一键部署脚本

该软件由于不是一解压就能使用的，所以，需要进行一键部署，在部署之前需要配置脚本中的数据

1）先上传

2）解压


tar -zxvf apache-dolphinscheduler-1.3.9-bin.tar.gz
不要解压到 /opt/installs 下，因为还没有安装呢。

3）修改一键部署脚本

cd /opt/modules/apache-dolphinscheduler-1.3.9-bin/conf/config

修改解压目录下的conf/config目录下的install_config.conf文件


#
# Licensed to the Apache Software Foundation (ASF) under one or more
# contributor license agreements.  See the NOTICE file distributed with
# this work for additional information regarding copyright ownership.
# The ASF licenses this file to You under the Apache License, Version 2.0
# (the "License"); you may not use this file except in compliance with
# the License.  You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
#
 
 
# NOTICE :  If the following config has special characters in the variable `.*[]^${}\+?|()@#&`, Please escape, for example, `[` escape to `\[`
# postgresql or mysql
dbtype="mysql"
 
# db config
# db address and port
dbhost="bigdata01:3306"
 
# 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="123456"
 
# zk cluster
zkQuorum="bigdata01:2181,bigdata02:2181,bigdata03:2181"
 
# Note: the target installation path for dolphinscheduler, please not config as the same as the current path (pwd)
installPath="/opt/installs/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="root"
 
 
# alert config
# mail server host
mailServerHost="smtp.exmail.qq.com"
 
# mail server port
# note: Different protocols and encryption methods correspond to different ports, when SSL/TLS is enabled, make sure the port is correct.
mailServerPort="25"
 
# sender
mailSender="xxxxxxxxxx"
 
# user
mailUser="xxxxxxxxxx"
 
# sender password
# note: The mail.passwd is email service authorization code, not the email login password.
mailPassword="xxxxxxxxxx"
 
# TLS mail protocol support
starttlsEnable="true"
 
# SSL mail protocol support
# only one of TLS and SSL can be in the true state.
sslEnable="false"
 
#note: sslTrust is the same as mailServerHost
sslTrust="smtp.exmail.qq.com"
 
# user data local directory path, please make sure the directory exists and have read write permissions
dataBasedirPath="/tmp/dolphinscheduler"
 
# 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://bigdata01:9820"
 
# if resourceStorageType is S3, the following three configuration is required, otherwise please ignore
s3Endpoint="http://192.168.xx.xx:9010"
s3AccessKey="xxxxxxxxxx"
s3SecretKey="xxxxxxxxxx"
 
# 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="bigdata01"
 
# who have permissions to create directory under HDFS/S3 root path
# Note: if kerberos is enabled, please config hdfsRootUser=
hdfsRootUser="root"
 
# kerberos config
# whether kerberos starts, if kerberos starts, following four items need to config, otherwise please ignore
kerberosStartUp="false"
# kdc krb5 config file path
krb5ConfPath="$installPath/conf/krb5.conf"
# keytab username
keytabUserName="hdfs-mycluster@ESZ.COM"
# username keytab path
keytabPath="$installPath/conf/hdfs.headless.keytab"
# kerberos expire time, the unit is hour
kerberosExpireTime="2"
 
# 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="bigdata01"
 
# 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="bigdata01"
 
# run worker machine
# note: need to write the worker group name of each worker, the default value is "default"
workers="bigdata01:default"
 
# run alert machine
# note: list of machine hostnames for deploying alert server
alertServer="bigdata01"
 
# run api machine
# note: list of machine hostnames for deploying api server
apiServers="bigdata01"

开始进行安装：


安装之前先启动zk，因为安装完会自动启动，启动过程需要zk，否则启动失败
因为这个软件比较大，所以需要先停止到没有用的服务。
 
cd /opt/modules/apache-dolphinscheduler-1.3.9-bin
执行一键安装脚本：  ./install.sh


以下操作都是在安装目录下：
1）一键启停所有服务
./bin/start-all.sh
./bin/stop-all.sh
注意同Hadoop的启停脚本进行区分。
2）启停 Master
./bin/dolphinscheduler-daemon.sh start master-server
./bin/dolphinscheduler-daemon.sh stop master-server
3）启停 Worker
./bin/dolphinscheduler-daemon.sh start worker-server
./bin/dolphinscheduler-daemon.sh stop worker-server
4）启停 Api
./bin/dolphinscheduler-daemon.sh start api-server
./bin/dolphinscheduler-daemon.sh stop api-server
5）启停 Logger
./bin/dolphinscheduler-daemon.sh start logger-server
./bin/dolphinscheduler-daemon.sh stop logger-server
6）启停 Alert
./bin/dolphinscheduler-daemon.sh start alert-server
./bin/dolphinscheduler-daemon.sh stop alert-server

进入：


DolphinScheduler UI地址为http://bigdata01:12345/dolphinscheduler
 
初始用户的用户名为：admin，密码为dolphinscheduler123

查看安装路径：

/opt/installs/dolphinscheduler    以后都使用这个文件夹下的命令或者配置文件

安装原理图：


    假如zookeeper 在安装的时候，你安装的是集群的话，启动的时候也必须是集群，否则会zk 有可能没启动，这个错误。
假如启动完成后连接不上：
检查你的数据库连接是否初始化成功了。
去查看日志：/opt/installs 这个文件夹下的ds中的logs 查看
检查zk状态是否正常（如果是集群，就要启动集群）
查看防火墙是否关系

六、使用DS

1、安全中心

1）队列（了解一下）

2）租户管理--执行任务的

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。比如Linux中 root , 还可以创建laoyan，假如你使用了一个Linux中不存在的用户，会在linux中创建该用户。

一看上面的错误，就知道hadoop没有启动hdfs

start-all.sh  启动hadoop集群

3）创建用户--操作ds的

可以使用普通用户登录ds

4) 创建worker分组--工作的worker节点

5）告警组-- 任务执行情况通知谁

添加组内成员：

2 如何使用ds执行任务

切换普通用户

1）创建项目

2）创建任务


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。

定义工作流：

依次创建B任务，和C任务

将这三个任务，进行任务编排：

点击保存按钮，出现保存界面：

定义任务结束：

3）执行任务

任务必须先上线才能执行，只有下线才能编辑

点击上线，并没有运行，需要点击--执行

此时任务实例就会出现：


假如你的任务运行了，但是没有工作流实例，只提示成功，可以查看一下是否为内存不够了。
 worker 192.168.233.128:1234 current cpu load average 0.43 is too high or available memory 0.17G is too low
提升一下内存即可。

4）定时任务

创建好的定时任务需要将定时任务上线才可以运行。

查看定时任务是否运行了：


当Linux的系统时间，不对的时候，定时任务，普通任务都会受到影响
同步时间的两个命令：
systemctl restart chronyd
ntpdate time1.aliyun.com

七、进阶

1、传参数

此处的传参，有两种，一个是局部变量，一个是全局变量

1）局部变量--只针对一个任务

将工作流上线，执行，查看A的日志，发现打印了：

2）全局变量--多个任务中都需要一个字段

目前 A\B\C 任务都需要一个变量 dt。

在保存工作流的时候，弹出来的界面可以指定全局变量。

执行结果：


B和C都是打印的2023-7-20，唯独A打印的是2023-7-18
因为A设置了局部变量，当一个任务有局部变量又有全局变量的时候，以局部变量的值为准（就近原则）

3）日期


Linux中获取前一天数据的命令：date -d '1 day ago' +'%y%m%d'
date1=`date -d '1 day ago' +'%y%m%d'`

DolphinScheduler提供了一些时间相关的系统参数，方便定时调度使用

1）系统参数--格式太固定，没法自定义

实战：

查看B的日志：

4）自定义时间

在C任务中：

自定义日期格式


$[yyyyMMdd], $[HHmmss], $[yyyy-MM-dd]
$[yyyyMMdd]也可以写成$[yyyy-MM-dd]
$[HHmmss] 也可以添加: $[HH:mm:ss]

2、资源中心

保存之后其实本质上是上传到了hdfs路径下。

资源如何使用？

3、告警通知

DS默认支持两种告警：邮件和SMS(短信)，短信这个功能有点Bug，可以演示邮件。


DS是一个任务调度工具，任务执行很慢，所以我们不需要一个告警通知，不管是成功还是失败，都需要第一时间通知我。
联想到Azkaban 里面有 邮箱、电话、钉钉

需要一个能够发送邮件的邮箱（这个邮箱是一个发送方，需要将信息发送给需要的人）


vi /opt/installs/dolphinscheduler/conf/alert.properties 
 
   不要修改/opt/modules下的dolphinscheduler，这个文件夹下的内容在你安装完之后的那一刻已经没有任何价值了。


修改alert.properties中的文件：
 
# mail server configuration
mail.protocol=SMTP
mail.server.host=smtp.163.com
mail.server.port=25
mail.sender=邮箱
mail.user=邮箱
mail.passwd=授权码
# TLS
mail.smtp.starttls.enable=false
# SSL
mail.smtp.ssl.enable=false
mail.smtp.ssl.trust=smtp.exmail.qq.com

重启alert服务：


./bin/dolphinscheduler-daemon.sh start alert-server
./bin/dolphinscheduler-daemon.sh stop alert-server

记得同步一下时间，在ds中，同步时间有奇效。

假如需要你做一个电话通知，怎么办？默认不支持。


使用第三方平台 -- 睿象云
只需要获取一个睿象云的邮箱即可得到电话通知。

4、工作流重跑

当一个工作流特长，任务特别复杂的时候，执行到某一处失败了，下一次想从失败的地方开始运行，而不是重新开始。

修改任务，将失败的地方修复一下，开始运行。


重跑：从头开始，再来一遍
恢复失败：从失败的节点开始运行，直到运行结束。

八、如何在项目中使用


数仓项目中，其实只统计了一天的数据  20230711
真实的数仓，应该是每天都会将我们编写的SQL语句执行一遍，手动执行的效率太低了，占用大量的时间。
可以使用ds将任务进行编排。
 
可以编写4个脚本：
ods.sh dwd.sh dws.sh ads.sh
这四个脚本依次执行，有先后顺序的。
每一个脚本中：
以ods.sh 为例：
第一：执行sqoopJob.sh
第二：采集本地的数据到hdfs上（flume）执行导入语句
第三：广告数据每天都在采集中，所以不用管了。
 
dwd.sh 干点：
/opt/installs/hive/bin/hive -f dwd.hql 
dwd.hql语句：
 
比如这样的语句：
insert overwrite table dwd_nshop.dwd_nshop_actlog_launch partition(bdp_day='20230711')
select 
customer_id ,
device_num ,
device_type ,
os  ,
os_version ,
manufacturer,
carrier,
network_type,
area_code,
case 
when from_unixtime(cast(ct/1000 as int) + 3600*8,'HH')  between 0 and 6 then 1 
when from_unixtime(cast(ct/1000 as int) + 3600*8,'HH')  between 7 and 12 then 2
when from_unixtime(cast(ct/1000 as int) + 3600*8,'HH')  between 13 and 18 then 3
when  from_unixtime(cast(ct/1000 as int) + 3600*8,'HH') between 19 and 24 then 4
  end launch_time_segment,
   ct
from ods_nshop.ods_nshop_01_useractlog where action='02' 
   and bdp_day='20230711';
 
一个文件中，写一堆这样的语句，后缀名修改为hql即可。hql语句中需要动态传参,每日日期不一样。
 
将4个任务编写完之后，还有定时执行，一般 在12:30, 因为12点之后，还有一些采集数据的任务没有执行完。

九、如何关闭linux中的提醒


cat /dev/null > /var/spool/mail/root
echo "unset MAILCHECK" >> /etc/profile
source /etc/profile

声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】

12-海豚调度器DolphinScheduler

一、概述

二、DS架构图（了解即可）

三、DolphinScheduler部署说明

四、安装部署

4.1 单机模式

4.2 伪集群模式

4.3 集群模式

五、 DolphinScheduler伪分布部署

5.1 前期准备工作

初始化数据库：

5.2 配置一键部署脚本

六、使用DS

1、安全中心

1）队列（了解一下）

2）租户管理--执行任务的

3）创建用户--操作ds的

4) 创建worker分组--工作的worker节点

5）告警组-- 任务执行情况通知谁

2 如何使用ds执行任务

1） 创建项目

2）创建任务

3）执行任务

4）定时任务

七、进阶

1、传参数

1）局部变量--只针对一个任务

2）全局变量--多个任务中都需要一个字段

3）日期

4）自定义时间

2、资源中心

3、告警通知

4、工作流重跑

八、如何在项目中使用

九、如何关闭linux中的提醒

1）创建项目