springboot项目集成大数据第三方dolphinscheduler调度器
@[TOC]
摘要
项目背景
使大数据平台具备更见健全及多种脚本模型等支持，需要搭载dolphinscheduler调度器，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：Shell、MR、Spark、SQL(mysql、postgresql、hive、sparksql),Python,Sub_Process、Procedure等，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，支持任务日志在线查看及滚动、在线下载日志等。
功能要求
大数据平台可视化配置spark执行任务、datax同步任务 -> 通过接入dolphinscheduler调度器 管理、执行。
功能说明
（大数据平台页面可显示的）大数据平台接入dolphinscheduler功能如下：项目管理操作、spark任务功能管理操作、datax数据同步任务管理、执行、停止任务操作。
（大数据平台页面不可见的）工作流管理操作，包括工作流创建、更新、删除操作页面。工作流实例页面、任务实例页面。
1.1用例图
1.2业务流程分析
1.3业务ER图
dolphinscheduler中项目、工作流、节点任务ER图
1.4 管理任务流程图
1.5功能设计详细说明点
说明：
① “项目定义”：由大数据平台所有用户所共享
② “工作流定义”：每个用户单独创建一类工作流，spark任务工作流叫userId-dragSparkTask、数据同步任务工作流叫：userId-dataxTask
③ “创建或更新工作流时更新参数locations”得x,y坐标，
第一次创建工作流节点x=0,y=0,更新节点时获取坐标y最大且离远点最远节点判断临界条件（如果x<1500 -> x+80，如果x>=1500 -> y+80），确保两节点不重叠且在同一页面
④
==1）针对spark任务：==
“创建或更新工作流时更新参数processDefinitionJson”时，需传转义字符()和字符串的双引号(")，不然工作流节点的主程序参数无法设置且在dolphinscheduler节点中无法执行，其中参数“mainArgs”中“}}”替换为“} }”，且需要拼接“\”转义字符，另外任务参数需要“\\”，不然接收方节点得main的args参数格式无法设置进去、解析及使用。
==2）针对数据同步任务：==
“创建或更新工作流时更新参数processDefinitionJson”时，需传转字符串的双引号(")，且params参数的json参数需要转义字符()，不然工作流节点的主程序参数无法设置且在dolphinscheduler节点中无法执行。
⑤ “创建或更新工作流”时，参数locations和processDefinitionJson中的两个参数（id、name）要保持一致，其中“spark-任务ID”和“datax-任务ID”，“name”:“xxx”->代表工作流中节点名字，举例说明：
| locations | {“spark-110”:{“name”:“spark-110” 、 {“datax-110”:{“name”:“datax-110” |
|---|---|
| processDefinitionJson | “id”:“spark-110”,“name”:“spark-110” 、 “id”:“datax-110”,“name”:“datax-110” |
⑥
1）创建spark任务节点参数说明
| 参数 | 值 | 说明 |
|---|---|---|
| connects | [] | 流程定义节点图标连接信息(json格式) |
| locations | {“spark-100”:{“name”:“spark-100”,“targetarr”:"",“nodenumber”:“0”,“x”:50,“y”:50}} | 流程定义节点坐标位置信息(json格式) |
| name | spark-任务ID | 流程定义名称 |
| id | 94 | 流程定义ID |
| processDefinitionJson | {“globalParams”:[],“tasks”:[{“type”:“SPARK”,“id”:“spark-100”,“name”:“spark-100”,“params”:{“mainClass”:“Test2”,“mainJar”:{“id”:64},“deployMode”:“cluster”,“resourceList”:[],“localParams”:[],“driverCores”:1,“driverMemory”:“1G”,“numExecutors”:“1”,“executorMemory”:“1G”,“executorCores”:“1”,“mainArgs”:""{\“nodes\”:[{\“outputs\”:[\“9e3be626\”],\“color\”:\"#1890FF\",\“shape\”:\“flow-circle\”,\“inputs\”:[],\“index\”:0,\“label\”:\“dataSource_8548f316\”,\“modelType\”:\“dataSource\”,\“type\”:\“node\”,\“size\”:\“7272\",\“x\”:227.05078125,\“name\”:\“数据源_8548f316\”,\“y\”:131.0625,\“id\”:\“8548f316\”,\“config\”:{\“targetTable\”:\“machine_learning_house_info2\”,\“sourceType\”:\“mysql\”} },{\“outputs\”:[],\“color\”:\"#cba022\",\“shape\”:\“flow-rect\”,\“inputs\”:[\“8548f316\”],\“index\”:1,\“label\”:\“simpleSampling_9e3be626\”,\“modelType\”:\“simpleSampling\”,\“type\”:\“node\”,\“size\”:\"15033\”,\“x\”:228.05078125,\“name\”:\“采样《随机采样》_9e3be626\”,\“y\”:346.0625,\“id\”:\“9e3be626\”,\“config\”:{\“seed\”:\"\",\“withReplacement\”:false,\“countOrRatio\”:\“200\”,\“sampleType\”:0} }],\“name\”:\“da’s13\”,\“id\”:44,\“describeInfo\”:\“sdasad\”}"",“others”:"",“programType”:“JAVA”,“sparkVersion”:“SPARK2”},“description”:"",“timeout”:{“strategy”:"",“interval”:null,“enable”:false},“runFlag”:“NORMAL”,“conditionResult”:{“successNode”:[""],“failedNode”:[""]},“dependence”:{},“maxRetryTimes”:“0”,“retryInterval”:“1”,“taskInstancePriority”:“MEDIUM”,“workerGroup”:“default”,“preTasks”:[]}],“tenantId”:3,“timeout”:0} | ==流程定义详细信息(json格式)，type：节点类型，id：tasks-任务ID，代表节点ID，name，spark-任务ID，代表节点名称，params：节点所有参数，mainClass：spark任务jar得主函数，mainJar：代dolphinscheduler调度器得资源中心上得资源ID，mainArgs：代表spark任务jar所需要的参数String[] args tenantId：租户ID，也就是hdfs租户ID== |
2）创建datax任务节点参数说明
| 参数 | 值 | 说明 |
|---|---|---|
| connects | [] | 流程定义节点图标连接信息(json格式) |
| locations | {“datax-100”:{“name”:“datax-100”,“targetarr”:"",“nodenumber”:“0”,“x”:50,“y”:50}} | 流程定义节点坐标位置信息(json格式) |
| name | datax-任务ID | 流程定义名称 |
| id | 95 | 流程定义ID |
| processDefinitionJson | {“tenantId”:3,“globalParams”:[],“timeout”:0,“tasks”:[{“conditionResult”:{“successNode”:[],“failedNode”:[]},“description”:"",“runFlag”:“NORMAL”,“type”:“DATAX”,“params”:{“customConfig”:1,“json”:"{“job”:{“content”:[{“reader”:{“parameter”:{“password”:“gee123456”,“connection”:[{“querySql”:[“SELECT id, name FROM test_test”],“jdbcUrl”:[“jdbc:mysql://192.168.20.75:9950/geespace_bd_platform_dev”]}],“username”:“geespace”},“name”:“mysqlreader”},“writer”:{“parameter”:{“password”:“gee123456”,“column”:[“id”,“name”],“connection”:[{“jdbcUrl”:“jdbc:mysql://192.168.20.75:9950/geespace_bd_platform_dev”,“table”:[“test_test_1”]}],“writeMode”:“insert”,“username”:“geespace”},“name”:“mysqlwriter”}}],“setting”:{“errorLimit”:{“record”:0,“percentage”:0.02},“speed”:{“channel”:1}}}}",“localParams”:[]},“timeout”:{“enable”:false,“strategy”:""},“maxRetryTimes”:“0”,“taskInstancePriority”:“MEDIUM”,“name”:“datax-144”,“dependence”:{},“retryInterval”:“1”,“preTasks”:[],“id”:“datax-144”,“workerGroup”:“default”}]} | ==流程定义详细信息(json格式)，type：节点类型，id：datax-任务ID，代表节点ID，name：datax-任务ID，代表节点名称，params：节点所有参数，customConfig：代表数据同步类型，json：数据同步datax的json，localParams：[]，tenantId：租户ID，也就是hdfs租户ID== |
1.6页面原型
三、本人相关其他文章链接
1.springboot项目集成dolphinscheduler调度器 可拖拽spark任务管理：
https://blog.csdn.net/a924382407/article/details/117119831
2.springboot项目集成dolphinscheduler调度器 实现datax数据同步任务：
https://blog.csdn.net/a924382407/article/details/120951230
3.springboot项目集成dolphinscheduler调度器 项目管理：
https://blog.csdn.net/a924382407/article/details/117118931
4.springboot项目集成大数据第三方dolphinscheduler调度器 执行/停止任务
https://blog.csdn.net/a924382407/article/details/117121181
5.springboot项目集成大数据第三方dolphinscheduler调度器
https://blog.csdn.net/a924382407/article/details/117113848
- 点赞
- 收藏
- 关注作者
评论（0）