DolphinScheduler 3.3.0版本更新一览

本文主要是介绍DolphinScheduler 3.3.0版本更新一览，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Apache DolphinScheduler即将迎来3.3.0版本的发布，届时将有一系列重要的更新和改进。在近期的社区5月份用户线上分享会上，项目PMC 阮文俊为大家介绍了3.3.0版本将带来的主要更新和改进，并为大家指出了如何参与社区的方式。

什么是DolphinScheduler？

DolphinScheduler是一个开源的项目，主要用来进行工作流编排、运行和管理。 它有四个重要的特点：

• 工作流是基本单位，所有的功能设计都是围绕工作流
• 这是一个低代码平台，可以不用代码，或用少量的代码来完成工作流相关的工作
• 不用数据迁移即可进行服务器节点的扩缩容
• 采用插件化架构

工作流是基本单位

• 工作流可以包含任务和子工作流，每个任务都需要属于一个工作流。
• 工作流可以依赖其他工作流，工作流是最小的执行单元。
• 工作流的执行支持手动或自动触发。

无/低代码操作

• 可以在UI门户，通过页面托拉拽的交互方式完成工作流的定义和管控操作；
• 也可以通过OpenAPI或PyDolphinScheduler来完成对工作流的相关操作。

无需数据迁移进行扩缩容

• 元数据存储在共享的关系数据库中，无需数据迁移即可扩展系统。
• 服务上线时自动注册到集群，服务下线时，运行中的任务自动转移，无需人工介入。

插件化架构

• 工作流引擎之外的组件以插件形式实现。
• 报警插件：Email、Http、微信、Slack等
• 任务插件：Shell, SQL, Spark, K8s等
• 数据源插件：Mysql, PG, Oracle等
• 支持Zookeeper、JDBC、ETCD作为注册中心
• 支持HDFS、S3、OSS等存储系统

接下来看一下3.3.0版本中有哪些新的变化。

3.3.0版本更新一览

架构更新

3.3.0版本在整体架构和部署方式上没有太大的变化，依然是三个核心服务：API主要用来做一些源数据的管理和授权方面的事情，Master主要是用来做工作流的编排和执行，Worker主要用来做任务的执行和管控。大部份核心组件通过插件的方式被加载。

新版中的一些重大变化包括：

新的任务插件接口

之前的版本在任务插件定义上有着如下问题：

• 任务插件中的方法与生命周期不匹配，在任务插件定义上没有暴露生命周期的方法，导致任务插件实现时会缺失，暂停、容错等控制方法。。
• 目前的任务插件接口过于复杂，任务插件接口包含很多子插件的方法，导致任务插件接口越来越膨胀。

3.3.0版本将引入新的任务插件定义接口（V2版本）来管理任务插件实例的生命周期。任务插件实例的生命周期管理包括运行、暂停、杀死、容错、成功和失败状态。

新的任务插件接口会更加清晰明了：

• 增加ITaskApplicationContext：表示任务插件实例运行的上下文信息，例如 processId、applicationId
• 增加ITaskListenerManager：可以注册用于侦听任务插件实例的信息更改，便于对任务执行流程进行扩展

容错改进

• Master容错：
  • 对下线的Master节点持有的工作流程进行容错
  • 插入工作流容错命令
  • 工作流容错将从Worker服务器接管正在运行的任务
• Worker容错：
  • 处理下线的Worker节点运行的任务
  • 把容错任务分发给新的Worker节点
  • 不同的任务插件的容错行为可能会不同
  • 支持精确一次（exactly-once）、至少一次（at-least-once）、至多一次（at-most-once）的容错行为

参数优先级统一

此前，DolphinScheduler中有多重参数类型，包括启动参数、工作流定义参数、任务定义参数、租户参数等，但存在的问题是这些参数没有统一的优先级，有些参数在运行时无法更改。 在3.3.0版本中，我们对参数优先级进行了优化：

• 统一了参数优先级，遵循就近原则，如启动参数 > 任务定义参数 > 工作流定义参数。
• 启动参数优先级最高，其他参数可被启动参数覆盖，解决了参数优先级不一致以及某些参数无法在运行时更改的问题。

工作流触发解耦

目前，DolphinScheduler中所有工作流触发都通过命令表示。目前的方式存在以下弊端：

• 只能在数据库中插入触发命令，trigger与数据库严格绑定
• 没有触发命令的schema，难以扩展新的触发

新版本对工作流触发进行了解耦，并可以通过消息中间件来进行工作流触发：

• 提供了标准的Trigger schema，方便扩展trigger
• 引入CommandEngine组件来探测待处理的命令
• 命令的repository不再仅限于关系型数据库，支持从流式系统（如Kafka）中消费命令

事件线程模型改进

当前，DolphinScheduler Master中存在两个事件线程池，分别处理工作流事件和任务状态变更事件。这样的模型导致运行中很难协调这两个线程池，而且事件的顺序可能会丢失，并且用户也很难去设置这两个线程池的大小。

为了改变这一点，3.3.0中做了以下优化：

• 合并两个事件线程池，一个工作流中的所有事件按FIFO顺序在事件队列中处理
• 提供了更多的事件指标和事件查询接口，便于监控和管理工作流事件

支持接入多个Hadoop/S3集群

3.3.0之前版本中，当当资源中心配置HDFS/S3，配置第三方系统任务时只能通过配置文件去进行配置，这就导致在运行时不能新增Hadoop集群或S3集群。而且配置文件过大。 新版本中这一块有了变化：

• 允许在元数据存储中进行配置
• 支持多个集群
• 支持在运行时添加新集群
• 不同任务可以使用不同的集群

AlertServer改进

AlertServer通过HA实现了高可用，使用单线程发送警报。这就导致需要使用额外的机器来部署AlertServer。 新版本中，允许用户将AlertServer嵌入API服务器，并采用多线程模型发送警报，提高了效率。

以上为Apache DolphinScheduler 3.3.0版本将带来的新功能与优化项参考，具体更新内容请关注官网和GitHub发布消息。

如何参与社区

• 邮件：是讨论问题的首选方式，包括用户和开发者邮件列表，用来讨论使用问题、设计方案、新的想法等，以及新版本发布投票。
  • 用户组邮件：users@dolphinscheduler.apache.org
  • 开发者邮件：dev@dolphinscheduler.apache.org
• GitHub：是参与项目最简单的方式，包括DolphinScheduler的多个GitHub仓库
  • 通过DSIP引入新功能是惟一的渠道
  • 提bug和修bug同样重要
  • PR越简单越好
  • https://github.com/apache/dolphinscheduler
  • https://github.com/apache/dolphinscheduler-website
  • https://github.com/apache/dolphinscheduler-operator
  • https://github.com/apache/dolphinscheduler-sdk-python
  • https://github.com/apache/dolphinscheduler
  • 注意事项：
    • 通过DSIP引入新功能是唯一的渠道
    • 汇报bug和修bug同样重要
    • PR越简单越好

结语

Apache DolphinScheduler 3.3.0版本带来了多项重要更新，增强了系统的稳定性、扩展性和易用性。我们鼓励社区成员积极参与，共同推动项目的发展。

嘉宾简介

• 姓名：阮文俊
• Title：Apache DolphinScheduler/SeaTunnel/EventMesh PMC 成员
• GitHub：ruanwenjun
• 就职经历：白鲸开源/eBay/拼多多
• 专业领域：专注于分布式系统和微服务中间件

  本文由 白鲸开源科技 提供发布支持！

这篇关于DolphinScheduler 3.3.0版本更新一览的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---