ZooKeeper以及DolphinScheduler的用法

目录

一、ZooKeeper的介绍

数据模型

​编辑 操作使用

①登录客户端

​编辑 ②可以查看下面节点有哪些

③创建新的节点，并指定数据

④查看节点内的数据

⑤、删除节点及数据

 特殊点：

运行机制：

二、DolphinScheduler的介绍

 架构：

架构说明

该服务内主要包含:

该服务包含：

 DolphinScheduler的启动访问和简单运行

①启动该服务，要先启动ZooKeeper

​编辑 ②访问web页面

 ③安全中心

创建队列

添加租户

④项目管理

⑤数据中心

⑥资源中心

​编辑 ⑦监控中心

---

一、ZooKeeper的介绍

ZooKeeper是一个具有高可用性的高性能分布式协调服务。

最重要的功能：解决单点故障

官网 ZooKeeper: Because Coordinating Distributed Systems is a Zoo

数据模型

树状结构保存 _____

znode 根节点 节点名称：/ 下面的每一个节点名称：/+路径最多存储1MB 每一级加上面父节点的名称

zk可存储小文件数据，用来保存其他服务的信息，比如保存hdfs的namenode信息，ds的运行信息

ZooKeeper 维护着一个树形层次结构，树中的节点被称为 znode。znode 可以用于存储数据，并且有一个与之相关联的 ACL。ZooKeeper 被设计用来实现协调服务(这类服务通常使用小数据文件),而不是用于大容量数据存储，因此一个 znode 能存储的数据被限制在1MB以内

 操作使用

①登录客户端

/opt/cloudera/parcels/CDH-6.2.1-1.cdh6.2.1.p0.1425774/lib/zookeeper/bin/zkCli.sh

 ②可以查看下面节点有哪些

③创建新的节点，并指定数据

create +节点（从根节点开始 ）+数据

例如：create /app 123 

④查看节点内的数据

 get 节点名

⑤、删除节点及数据

rmr 节点名 

 特殊点：

①如果写入成功，就会保存（一半以上响应成功），如果失败，就回全部清空

②如果领导者出现故障，

则会重新选取一个新的领导者，读取数据不需要转发给leader，直接读取连接到zk上的数据

运行机制：

第一阶段 启动服务，进行领导者选举

所有机器通过一个选择过程来选出一台被称为领导者(leader)的机器，其他的机器被称为跟随者(follower)。一旦半数以上(或指定数量)的跟随者已经将其状态与领导者同步，则表明这个阶段已经完成

第二阶段 原子广播进行数据读写

所有的写请求都会被转发给领导者，再由领导者将更新广播给跟随者。当半数以上的跟随者已经将修改持久化之后，领导者才会提交这个更新，然后客户端才会收到一个更新成功的响应。这个用来达成共识的协议被设计成具有原子性，因此每个修改要么成功要么失败。

如果领导者出现故障，其余的机器会选出另外一个领导者，并和新的领导者一起继续提供服务。随后，如果之前的领导者恢复正常，会成为一个跟随者。领导者选举的过程是非常快的，

二、DolphinScheduler的介绍

官网 https://dolphinscheduler.apache.org/zh-cn

Apache DolphinScheduler 是一个分布式易扩展的可视化DAG工作流任务调度开源系统。适用于企业级场景，提供了一个可视化操作任务、工作流和全生命周期数据处理过程的解决方案。

Apache DolphinScheduler 旨在解决复杂的大数据任务依赖关系，并为应用程序提供数据和各种 OPS 编排中的关系。 解决数据研发ETL依赖错综复杂，无法监控任务健康状态的问题。 DolphinScheduler 以 DAG（Directed Acyclic Graph，DAG）流式方式组装任务，可以及时监控任务的执行状态，支持重试、指定节点恢复失败、暂停、恢复、终止任务等操作。

---

对大数据数仓中每天产生的数据定时执行数据的处理操作

 架构：

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。

 DolphinScheduler的启动访问和简单运行

①启动该服务，要先启动ZooKeeper

# 启动
sh /export/server/dolphinscheduler/bin/start-all.sh
# 停止
sh /export/server/dolphinscheduler/bin/stop-all.sh

 ②访问web页面

http://192.168.88.80:12345/dolphinscheduler/ui/view/login/index.html

 ③安全中心

创建队列

• 队列是在执行 spark、mapreduce 等程序，需要用到“队列”参数时使用的。

• 管理员进入安全中心 -> 队列管理页面，点击“创建队列”按钮，创建队列。

注意：目前仅有 admin 用户可以修改队列。

添加租户

• 租户对应的是 Linux 的用户，用于 worker 提交作业所使用的用户。如果 linux 没有这个用户，则会导致任务运行失败。你可以通过修改 worker.properties 配置文件中参数 worker.tenant.auto.create=true 实现当 linux 用户不存在时自动创建该用户。worker.tenant.auto.create=true 参数会要求 worker 可以免密运行 sudo 命令

• 租户编码：租户编码是 Linux上 的用户，唯一，不能重复

• 管理员进入安全中心->租户管理页面，点击“创建租户”按钮，创建租户。

注意：目前仅有 admin 用户可以修改租户。

④项目管理

 

 

 

 

⑤数据中心

创建工作流

注意：如果是查询语句需要配置邮箱服务，当前ds未配置邮箱服务，所以无法执行查询语句

需要公司向第三方邮箱服务器公司申请或者公司自建邮箱服务

 

⑥资源中心

将编写好的代码文件资源交给ds进行保存，定义任务时直接执行文件

 

 ⑦监控中心

主要是对系统中的各个服务的健康状况和基本信息的监控和显示