数据系统架构-8.任务调度系统

任务调度系统

序

在有了各种数据统计任务之后，就产生了任务调度需求，我们需要把任务管理起来统一调度，保证任务之间上下游的依赖关系，监控任务运行状态，异常情况下及时告警，尽可能自动化处理异常，调度系统高可用，使每天的数据统计任务按时执行完成。
这里我们采用了自研的方式来开发任务调度系统，保证系统的高度可控，以及后续功能扩展性。

当然也有一些开源比较好用的调度系统可以直接使用，比如：azkaban、xxl-job 等，可以参考这些开源的架构做调度系统设计。

系统目标

整个任务调度系统需要完成以下功能：

• 任务信息管理
• 依赖关系维护
• 任务调度
• 调度器高可用
• 任务异常告警
• 任务血缘关系管理

架构设计

目前整体架构如上图所示，各个部分的功能如下。

web端：负责各类任务信息的配置与维护，包括基本信息管理、依赖关系管理、输入输出管理、调度信息配置、报警信息配置等；

mysql：负责保存任务配置信息、任务调度执行计划信息等相关任务信息；

master-active：调度器主节点，主要负责任务的触发、依赖检查、任务发布至zookeeper、任务报警等模块；

master-standby：调度器主节点备用节点，通过zookeeper完成主备识别与自动切换容灾；

zookeeper：负责主备切换、管理可执行任务信息；

executor：任务执行器，包括任务的解析器、执行器、yarn资源感知、任务信息管理、任务报警等模块。

这个图描述了任务整体的调度流程，整体流程大致分为以下几个部分

• master-scheduler[主节点-调度解析]
  step1：每60s拉取一次任务配置信息
  step2：获取上线任务列表 + 已在Quartz队列的任务
  step3：循环任务列表在scheduler中上下线定时任务
  step4：触发任务
• master-quartzJob[主节点-执行计划解析]
  step5：获取执行任务信息
  step6：生成与更新执行任务信息记录至mysql表
• master-taskWatcher[主节点-执行计划观察者]
  step7：获取待执行任务信息
  step8：按照日期分组获取等待执行的任务信息
  step9：检查zk节点是否存在，创建准备执行节点 /schedule/ready\_{date}
  step10：检查是否支持并发与【依赖】任务是否完成，在zk上创建任务节点 /schedule/ready\_{date}/{job\_id}，并在节点上保存关键调度信息
• executor-readyWatcher[执行器-待执行任务观察者]
  step11：每30s从zk上获取/schedule/ 下的节点信息
  step12：循环ready节点的信息创建对应running节点 /schedule/running\_{date}
  step13：检查执行中的任务是否超过单节点任务执行数量上限
  step14：获取可执行任务数量以下的ready任务信息，循环判断【资源】是否允许允许。允许运行则根据任务类型通过python脚本生成可执行命令
  step15：更新任务状态并开启线程执行任务
• executor-jobExecutor[执行器-任务执行]
  step16：开启线程执行运行脚本
  step17：获取执行线程info、error输入流，根据运行结果判断是否成功，是否需要重试执行，并更新执行状态

其中相对独立的2个模块：

• executor-python解析器
  根据任务类型，调用不同的python解析脚本，生成对应任务可执行命令文件，以供调度器实际运行时调度使用。由于该部分频繁的改动各类参数，所以采用python脚本生成的方式。
• executor-yarn资源控制
  通过yarn的api接口获取到集群当前资源情况，控制执行器是否能向当前集群继续提交任务

整体操作zookeeper部分采用了Curator分布式锁。

优化升级

在项目上线一段时间之后，后续我们陆续做了一下功能优化：

• 任务通过hash负载均衡到各个executor进行执行
• 任务支持并行执行
• 任务支持配置重试次数
• 延迟告警
• 任务变动通知下游任务
• 支持自定义运行参数
• 任务资源使用率等健康情况监控统计
• 扩展支持更多的任务类型

至此整个任务调度系统暂时开发完成，初步完了任务调度系统所需要的核心功能。

上一篇 《数据系统架构-7.数据智能》
下一篇 《数据系统架构-9.统一查询服务one-service》