A:DolphinScheduler
A:DolphinScheduler 由 5 个服务组成,MasterServer、WorkerServer、ApiServer、AlertServer、LoggerServer 和 UI。
服务 | 说明 |
---|---|
MasterServer | 主要负责 DAG 的切分和任务状态的监控 |
WorkerServer/LoggerServer | 主要负责任务的提交、执行和任务状态的更新。LoggerServer 用于 Rest Api 通过 RPC 查看日志 |
ApiServer | 提供 Rest Api 服务,供 UI 进行调用 |
AlertServer | 提供告警服务 |
UI | 前端页面展示 |
注意:由于服务比较多,建议单机部署最好是 4 核 16G 以上
A:支持绝大多数邮箱,qq、163、126、139、outlook、aliyun 等皆支持。支持 TLS 和 SSL 协议,可以在dolphinscheduler的ui中进行配置: 如何配置邮箱告警。
A:请参考使用手册 第8小节
A: 这个是 python 连接 Zookeeper 需要使用到的,用于删除Zookeeper中的master/worker临时节点信息。所以如果是第一次安装,就可以忽略错误。在1.3.0之后,kazoo不再需要了,我们用程序来代替kazoo所做的
A:使用 管理员 创建 Worker 分组,在 流程定义启动 的时候可指定Worker分组或者在任务节点上指定Worker分组。如果不指定,则使用 Default,Default默认是使用的集群里所有的Worker中随机选取一台来进行任务提交、执行
A:我们同时 支持流程和任务的优先级。优先级我们有 HIGHEST、HIGH、MEDIUM、LOW 和 LOWEST 五种级别。可以设置不同流程实例之间的优先级,也可以设置同一个流程实例中不同任务实例的优先级。详细内容请参考任务优先级设计 https://analysys.github.io/easyscheduler_docs_cn/%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E8%AE%BE%E8%AE%A1.html#%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E8%AE%BE%E8%AE%A1
A:在 1.2 及以前版本中,在根目录下执行:mvn -U clean package assembly:assembly -Dmaven.test.skip=true,然后刷新下整个项目就好,1.3版本中不再使用 GRPC 进行通信了
A: 理论上只有 Worker 是需要在 Linux 上运行的,其它的服务都是可以在 windows 上正常运行的。但是还是建议最好能在 linux 上部署使用
A:单独安装 npm install node-sass --unsafe-perm,之后再 npm install
A: 1,如果是 node 启动的查看 dolphinscheduler-ui 下的 .env 文件里的 API_BASE 配置是否是 Api Server 服务地址
2,如果是 nginx 启动的并且是通过 install-dolphinscheduler-ui.sh 安装的,查看
/etc/nginx/conf.d/dolphinscheduler.conf 中的 proxy_pass 配置是否是 Api Server 服务地址
3,如果以上配置都是正确的,那么请查看 Api Server 服务是否是正常的,
curl http://localhost:12345/dolphinscheduler/users/get-user-info 查看 Api Server 日志,
如果提示 cn.dolphinscheduler.api.interceptor.LoginHandlerInterceptor:[76] - session info is null,则证明 Api Server 服务是正常的
4,如果以上都没有问题,需要查看一下 application.properties 中的 server.context-path 和 server.port 配置是否正确 注意:1.3 版本直接使用 Jetty 进行前端代码的解析,无需再安装配置 nginx 了
A: 1,首先通过 jps 查看MasterServer服务是否存在,或者从服务监控直接查看 zk 中是否存在 master 服务
2,如果存在 master 服务,查看 命令状态统计 或者 t_ds_error_command 中是否增加的新记录,如果增加了,请查看 message 字段定位启动异常原因
A: 1,首先通过 jps 查看 WorkerServer 服务是否存在,或者从服务监控直接查看 zk 中是否存在 worker 服务
2,如果 WorkerServer 服务正常,需要 查看 MasterServer 是否把 task 任务放到 zk 队列中 ,需要查看 MasterServer 日志及 zk 队列中是否有任务阻塞
3,如果以上都没有问题,需要定位是否指定了 Worker 分组,但是 Worker 分组的机器不是在线状态
A: 1,如果替换变量中包含特殊字符,请用 \ 转移符进行转移
2,installPath=“/data1_1T/dolphinscheduler”,这个目录不能和当前要一键安装的 install.sh 目录是一样的
3,deployUser=“dolphinscheduler”,部署用户必须具有 sudo 权限,因为 worker 是通过 sudo -u 租户 sh xxx.command 进行执行的
4,monitorServerState=“false”,服务监控脚本是否启动,默认是不启动服务监控脚本的。如果启动服务监控脚本,则每 5 分钟定时来监控 master 和 worker 的服务是否 down 机,如果 down 机则会自动重启
5,hdfsStartupSate=“false”,是否开启 HDFS 资源上传功能。默认是不开启的,如果不开启则资源中心是不能使用的。如果开启,需要 conf/common/hadoop/hadoop.properties 中配置 fs.defaultFS 和 yarn 的相关配置,如果使用 namenode HA,需要将 core-site.xml 和 hdfs-site.xml 复制到conf根目录下
注意:1.0.x 版本是不会自动创建 hdfs 根目录的,需要自行创建,并且需要部署用户有hdfs的操作权限
A : 对于 1.0.4 以前的版本中,修改 dolphinscheduler-api cn.dolphinscheduler.api.quartz 包下的代码即可
public boolean deleteJob(String jobName, String jobGroupName) { lock.writeLock().lock(); try { JobKey jobKey = new JobKey(jobName,jobGroupName); if(scheduler.checkExists(jobKey)){ logger.info("try to delete job, job name: {}, job group name: {},", jobName, jobGroupName); return scheduler.deleteJob(jobKey); }else { return true; } } catch (SchedulerException e) { logger.error(String.format("delete job : %s failed",jobName), e); } finally { lock.writeLock().unlock(); } return false; }
A: 不能。因为在未启动 HDFS 创建的租户,不会在 HDFS 中注册租户目录。所以上次资源会报错
A: 注意:Master 监控 Master 及 Worker 服务。
1,如果 Master 服务掉了,其它的 Master 会接管挂掉的 Master 的流程,继续监控 Worker task 状态
2,如果 Worker 服务掉了,Master 会监控到 Worker 服务掉了,如果存在 Yarn 任务,Kill Yarn 任务之后走重试
A : 1.0.3 版本只实现了 Master 启动流程容错,不走 Worker 容错。也就是说如果 Worker 挂掉的时候,没有 Master 存在。这流程将会出现问题。我们会在 1.1.0 版本中增加 Master 和 Worker 启动自容错,修复这个问题。如果想手动修改这个问题,需要针对 跨重启正在运行流程 并且已经掉的正在运行的 Worker 任务,需要修改为失败,同时跨重启正在运行流程设置为失败状态。然后从失败节点进行流程恢复即可
A : 设置定时的时候需要注意,如果第一位(* * * * * ? *)设置成 * ,则表示每秒执行。我们将会在 1.1.0 版本中加入显示最近调度的时间列表 ,使用 http://cron.qqe2.com/ 可以在线看近 5 次运行时间
A:有的,如果定时的起止时间是同一个时间,那么此定时将是无效的定时。如果起止时间的结束时间比当前的时间小,很有可能定时会被自动删除
A: 1,DAG 之间的任务依赖关系,是从 入度为零 进行 DAG 切分的
2,有 任务依赖节点 ,可以实现跨流程的任务或者流程依赖,具体请参考 依赖(DEPENDENT)节点:https://analysys.github.io/easyscheduler_docs_cn/%E7%B3%BB%E7%BB%9F%E4%BD%BF%E7%94%A8%E6%89%8B%E5%86%8C.html#%E4%BB%BB%E5%8A%A1%E8%8A%82%E7%82%B9%E7%B1%BB%E5%9E%8B%E5%92%8C%E5%8F%82%E6%95%B0%E8%AE%BE%E7%BD%AE
A: 1,在 流程定义列表,点击 启动 按钮
2,流程定义列表添加定时器,调度启动流程定义
3,流程定义 查看或编辑 DAG 页面,任意 任务节点右击 启动流程定义
4,可以对流程定义 DAG 编辑,设置某些任务的运行标志位 禁止运行,则在启动流程定义的时候,将该节点的连线将从 DAG 中去掉
A: 只需要修改 bin/env/dolphinscheduler_env.sh
中的 PYTHON_HOME
export PYTHON_HOME=/bin/python
注意:这了 PYTHON_HOME ,是 python 命令的绝对路径,而不是单纯的 PYTHON_HOME,还需要注意的是 export PATH 的时候,需要直接
export PATH=$HADOOP_HOME/bin:$SPARK_HOME1/bin:$SPARK_HOME2/bin:$PYTHON_HOME:$JAVA_HOME/bin:$HIVE_HOME/bin:$PATH
A: 我们会在 1.0.4 中增加 kill 任务同时,kill 掉任务产生的各种所有子进程
A : DolphinScheduler 中的队列可以在用户或者租户上指定队列,用户指定的队列优先级是高于租户队列的优先级的。,例如:对 MR 任务指定队列,是通过 mapreduce.job.queuename 来指定队列的。
注意:MR 在用以上方法指定队列的时候,传递参数请使用如下方式:
Configuration conf = new Configuration(); GenericOptionsParser optionParser = new GenericOptionsParser(conf, args); String[] remainingArgs = optionParser.getRemainingArgs();
如果是 Spark 任务 --queue 方式指定队列
A : 修改 conf 下的 master.properties master.reserved.memory 的值为更小的值,比如说 0.1 或者
worker.properties worker.reserved.memory 的值为更小的值,比如说 0.1
A: 将 hive pom
<dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-jdbc</artifactId> <version>2.1.0</version> </dependency>
修改为
<dependency> <groupId>org.apache.hive</groupId> <artifactId>hive-jdbc</artifactId> <version>1.1.0</version> </dependency>
A: 1,参考官网部署文档 1.3 小节,创建部署用户和 hosts 映射
2,参考官网部署文档 1.4 小节,配置 hosts 映射和 ssh 打通及修改目录权限. 1.4 小节的最后一步是在当前新增机器上执行的,即需要给部署目录部署用户的权限
3,复制正在运行的服务器上的部署目录到新机器的同样的部署目录下
4,到 bin 下,启动 worker server
./dolphinscheduler-daemon.sh start worker-server
A:1,Apache 项目的发版流程是通过邮件列表完成的。 你可以订阅 DolphinScheduler 的邮件列表,订阅之后如果有发版,你就可以收到邮件。请参照这篇指引来订阅 DolphinScheduler 的邮件列表。
2,当项目发版的时候,会有发版说明告知具体的变更内容,同时也会有从旧版本升级到新版本的升级文档。
3,版本号为 x.y.z, 当 x 增加时代表全新架构的版本。当 y 增加时代表与 y 版本之前的不兼容需要升级脚本或其他人工处理才能升级。当 z 增加代表是 bug 修复,升级完全兼容。无需额外处理。之前有个问题 1.0.2 的升级不兼容 1.0.1 需要升级脚本。
A:在启动工作流的时候,你可以设置失败策略:继续还是失败。
A:
1.2.1 version
master.properties 设置 master 节点并发执行的最大工作流数 master.exec.threads=100 Control the number of parallel tasks in each workflow 设置每个工作流可以并发执行的最大任务数 master.exec.task.number=20 worker.properties 设置 worker 节点并发执行的最大任务数 worker.exec.threads=100
A:Mysql jdbc 连接包的许可证和 apache v2 的许可证不兼容,因此它不能被加入到 docker 镜像里面。
zookeeper.session.timeout=60000 zookeeper.connection.timeout=30000
在docker-compose.yml文件中增加zookeeper的环境变量ZOO_4LW_COMMANDS_WHITELIST。 把minLatency,avgLatency and maxLatency的类型从int改成float。
1,清空 zk 下这个路径的任务:/dolphinscheduler/task_queue 2,修改任务状态为失败(int 值 6) 3,运行工作流来从失败中恢复
A:修复 bug:
1、confirm hostname $hostname hadoop1 2、hostname -i 127.0.0.1 10.3.57.15 3、edit /etc/hosts,delete hadoop1 from 127.0.0.1 record $cat /etc/hosts 127.0.0.1 localhost 10.3.57.15 ds1 hadoop1 4、hostname -i 10.3.57.15
hostname 命令返回服务器主机名,hostname -i 返回的是服务器主机名在 /etc/hosts 中所有匹配的ip地址。所以我把 /etc/hosts 中 127.0.0.1 中的主机名删掉,只保留内网 ip 的解析就可以了,没必要把 127.0.0.1 整条注释掉, 只要 hostname 命令返回值在 /etc/hosts 中对应的内网 ip 正确就可以,ds 程序取了第一个值,我理解上 ds 程序不应该用 hostname -i 取值这样有点问题,因为好多公司服务器的主机名都是运维配置的,感觉还是直接取配置文件的域名解析的返回 ip 更准确,或者 znode 中存域名信息而不是 /etc/hosts。
A:调度系统不支持秒级任务。
A:1,cd dolphinscheduler-ui 然后删除 node_modules 目录
sudo rm -rf node_modules
2,通过 npm.taobao.org 下载 node-sass
sudo npm uninstall node-sass sudo npm i node-sass --sass_binary_site=https://npm.taobao.org/mirrors/node-sass/
3,如果步骤 2 报错,请重新构建 node-saas 参考链接
sudo npm rebuild node-sass
当问题解决之后,如果你不想每次编译都下载这个 node,你可以设置系统环境变量:SASS_BINARY_PATH= /xxx/xxx/xxx/xxx.node。
A:1,修改项目根目录 maven 配置文件,移除 scope 的 test 属性,这样 mysql 的包就可以在其它阶段被加载
<dependency> <groupId>mysql</groupId> <artifactId>mysql-connector-java</artifactId> <version>${mysql.connector.version}</version> <scope>test<scope> </dependency>
2,修改 application-dao.properties 和 quzrtz.properties 来使用 mysql 驱动 默认驱动是 postgres 主要由于许可证原因。
A:1,被执行的服务器在哪里配置,以及实际执行的服务器是哪台? 要指定在某个 worker 上去执行,可以在 worker 分组中配置,固定 IP,这样就可以把路径写死。如果配置的 worker 分组有多个 worker,实际执行的服务器由调度决定的,具有随机性。
2,如果是服务器上某个路径的一个 shell 文件,怎么指向这个路径?服务器上某个路径下的 shell 文件,涉及到权限问题,不建议这么做。建议你可以使用资源中心的存储功能,然后在 shell 编辑器里面使用资源引用就可以,系统会帮助你把脚本下载到执行目录下。如果以 hdfs 作为资源中心,在执行的时候,调度器会把依赖的 jar 包,文件等资源拉到 worker 的执行目录上,我这边是 /tmp/escheduler/exec/process,该配置可以在 install.sh 中进行指定。
3,以哪个用户来执行任务?执行任务的时候,调度器会采用 sudo -u 租户的方式去执行,租户是一个 linux 用户。
A:1,如果没有很多任务要运行,出于稳定性考虑我们建议使用 3 个节点,并且最好把 Master/Worder 服务部署在不同的节点。如果你只有一个节点,当然只能把所有的服务部署在同一个节点!通常来说,需要多少节点取决于你的业务,海豚调度系统本身不需要很多的资源。充分测试之后,你们将找到使用较少节点的合适的部署方式。
A:1,DEPENDENT 节点实际是没有执行体的,是专门用来配置数据周期依赖逻辑,然后再把执行节点挂载后面,来实现任务间的周期依赖。
A:1,我们可以成功创建调度任务,并且表 t_scheduler_schedules 中也成功加入了一条记录,但当我点击上线后,前端页面无反应且会把 t_scheduler_schedules 这张表锁定,我测试过将 t_scheduler_schedules 中的 RELEASE_state 字段手动更新为 1 这样前端会显示为上线状态。DS 版本 1.2+ 表名是 t_ds_schedules,其它版本表名是 t_scheduler_schedules。
A:1,1.2+ 版本地址是:http://apiServerIp:apiServerPort/dolphinscheduler/doc.html?language=zh_CN&lang=cn,其它版本是 http://apiServerIp:apiServerPort/escheduler/doc.html?language=zh_CN&lang=cn。
2,更新 google chrome 版本到最新版本。
A:1,edit /etc/nginx/conf.d/escheduler.conf
proxy_connect_timeout 300s; proxy_read_timeout 300s; proxy_send_timeout 300s;
A:1,目前是按照自然天来判断,上月末:判断时间是工作流 A start_time/scheduler_time between ‘2019-05-31 00:00:00’ and ‘2019-05-31 23:59:59’。上月:是判断上个月从 1 号到月末每天都要有完成的A实例。上周: 上周 7 天都要有完成的 A 实例。前两天: 判断昨天和前天,两天都要有完成的 A 实例。
A:1,http://106.75.43.194:8888/dolphinscheduler/doc.html?language=zh_CN&lang=zh。
master 服务、worker 服务在 zookeeper 注册时,会以 ip:port 的形式创建相关信息
如果 ip 地址获取错误,请检查网络信息,如 Linux 系统通过 ifconfig
命令查看网络信息,以下图为例:
可以使用 dolphinscheduler 提供的三种策略,获取可用 ip:
配置方式是在 common.properties
中修改相关配置:
# network IP gets priority, default: inner outer # dolphin.scheduler.network.priority.strategy=default
以上配置修改后重启服务生效
如果 ip 地址获取依然错误,请下载 dolphinscheduler-netutils.jar 到相应机器,执行以下命令以进一步排障,并反馈给社区开发人员:
java -jar target/dolphinscheduler-netutils.jar
配置 dolphinscheduler OS 账号的 sudo 权限为部分普通用户范围内的一个普通用户管理者,限制指定用户在指定主机上运行某些命令,详细配置请看 sudo 权限管理 例如 sudo 权限管理配置 dolphinscheduler OS 账号只能操作用户 userA,userB,userC 的权限(其中用户 userA,userB,userC 用于多租户向大数据集群提交作业)
echo 'dolphinscheduler ALL=(userA,userB,userC) NOPASSWD: NOPASSWD: ALL' >> /etc/sudoers sed -i 's/Defaults requirett/#Defaults requirett/g' /etc/sudoers
A:将Worker节点分别部署至多个Yarn集群,步骤如下(例如AWS EMR):
将 Worker 节点部署至 EMR 集群的 Master 节点
将 conf/common.properties
中的 yarn.application.status.address
修改为当前集群的 Yarn 的信息
通过 bin/dolphinscheduler-daemon.sh start worker-server
启动 worker-server
A:在DS 2.0.4之前(2.0.0-alpha之后),可能存在版本切换的重复键问题,导致更新工作流失败;可参考如下SQL进行重复数据的删除,以MySQL为例:(注意:操作前请务必备份原数据,SQL来源于pr #8408)
DELETE FROM t_ds_process_task_relation_log WHERE id IN ( SELECT x.id FROM ( SELECT aa.id FROM t_ds_process_task_relation_log aa JOIN ( SELECT a.process_definition_code ,MAX(a.id) as min_id ,a.pre_task_code ,a.pre_task_version ,a.post_task_code ,a.post_task_version ,a.process_definition_version ,COUNT(*) cnt FROM t_ds_process_task_relation_log a JOIN ( SELECT code FROM t_ds_process_definition GROUP BY code )b ON b.code = a.process_definition_code WHERE 1=1 GROUP BY a.pre_task_code ,a.post_task_code ,a.pre_task_version ,a.post_task_version ,a.process_definition_code ,a.process_definition_version HAVING COUNT(*) > 1 )bb ON bb.process_definition_code = aa.process_definition_code AND bb.pre_task_code = aa.pre_task_code AND bb.post_task_code = aa.post_task_code AND bb.process_definition_version = aa.process_definition_version AND bb.pre_task_version = aa.pre_task_version AND bb.post_task_version = aa.post_task_version AND bb.min_id != aa.id )x ) ; DELETE FROM t_ds_task_definition_log WHERE id IN ( SELECT x.id FROM ( SELECT a.id FROM t_ds_task_definition_log a JOIN ( SELECT code ,name ,version ,MAX(id) AS min_id FROM t_ds_task_definition_log GROUP BY code ,name ,version HAVING COUNT(*) > 1 )b ON b.code = a.code AND b.name = a.name AND b.version = a.version AND b.min_id != a.id )x ) ;
A:在数据库中执行以下SQL即可完成修复:
update t_ds_version set version='2.0.1';
A:在 3.0.0-alpha 版本之后,Python gateway server 集成到 api server 中,当您启动 api server 后,Python gateway server 将启动。 如果您不想在 api server 启动的时候启动 Python gateway server,您可以修改 api server 中的配置文件 api-server/conf/application.yaml
并更改可选项 python-gateway.enabled
中的值设置为 false
。
我们会持续收集更多的 FAQ。