大数据平台任务调度监控系统

阅读更多

 

记录一下正在开发的一个任务调度系统，目的是为了解决大数据平台下的任务管理、调度及监控。

定时触发和依赖触发。

 

 

 

系统模块:

 

JobManager：调度系统的Master，提供RPC服务，接收并处理JobClient/Web提交的所有操作；与元数据通讯，维护Job元数据；负责任务的统一配置维护、触发、调度、监控；
JobMonitor: 监控正在运行的Job状态、监控任务池、监控等待运行的Job；
JobWorker：调度系统的Slave，从任务池中获取Job、负责启动并收集Job的执行状态，维护至元数据；使用Jetty提供任务运行日志访问服务。
JobClient/Web：调度系统客户端类，前端界面提供给用户，用作任务的配置、管理、监控等；
任务元数据：目前使用Mysql，保存Job的配置、依赖关系、运行历史、资源配置、告警配置等;使用Mysql很不靠谱，任务多的时候会成瓶颈，必须迁移至分布式存储，Zookeeper也行；

系统特性：

分布式：容量和负载能力(JobWorker)可线性扩充；
高可用性：拥有主备Master，一旦主Master异常，备Master会接替主Master提供服务；
高容错性：Master重新启动后，会将之前未完成的任务重新调度运行；
完善易用的Web用户界面：用于用户配置、提交、查询、监控任务及任务的依赖关系；
支持任意类型的任务：除了Hadoop生态圈的MapReduce、Hive、Pig等，还支持其他任何语言开发的任务，如Java、Shell、Python、Perl、Spark等；
完整的日志记录：收集并记录任务运行过程中产生的标准输出和标准错误，提供Http访问，用户可通过访问任务对应的日志Url来方便的访问任务运行日志；
任务之间的灵活依赖：可将任意一个任务作为自己的父任务进行依赖触发；
灵活多样的告警规则：除了失败告警，也支持任务超时未完成、任务超时未开始等告警规则；

难点：

依赖触发时候，业务日期以及子孙任务的判断，特别是手工运行任务，并且运行所有子孙任务的场景；

元数据的设计和存储：刚开始想借鉴MapReduce的架构，元数据只做持久化，其他全通过RPC，在内存中进行，但复杂度太高。

任务的恢复：服务异常重启之后，想将之前所有的任务恢复到原来的状态。

JobWorker之间的共享存储：暂时将任务程序放在HDFS上，JobWorker在运行任务时候从HDFS获取到本地。

任务超时告警：当一个任务超过某一时间还没开始或者成功结束时触发告警，此类告警放到Quartz中去触发。

JobWorker可以运行在任意机器上，只需要能访问元数据，一些不好迁移的业务程序可以将JobWorker运行在其机器上，添加任务时候需指定资源，这样，在分配任务的时候只会分配到指定的资源上去。

不同的业务需要用不同的用户去执行：将业务类型和用户名绑定。

KILL任务：对于Hadoop和Hive任务，不能仅仅销毁执行进程，需要从日志中解析Hadoop jobid，执行hadoop kill命令。

 

 

 

 

 

 

获取更新信息请查看我的博客： http://lxw1234.com

• 
• 大小: 66.2 KB

• 
• 大小: 174 KB

• 
• 大小: 202.3 KB

• 
• 大小: 168 KB

• 查看图片附件