Apache DolphinScheduler 诞生记

newfarhui 2020-08-03

Apache DolphinScheduler 诞生记

DolphinScheduler,简称”DS”, 中文名 “小海豚调度”(海豚聪明、人性化,又左右脑可互相换班,终生不用睡觉)。希望 DolphinScheduler 就像它的名字一样,成为一个“开箱即用”的灵活易用的调度系统。

1概述

DAG 全称Directed Acyclic Graph,简称DAG。工作流中的Task任务以有向无环图的形式组装起来,从入度为零的节点进行拓扑遍历,直到无后继节点为止。

Apache DolphinScheduler(目前处在孵化阶段)是一个分布式、去中心化、易扩展的可视化DAG工作流任务调度系统,其致力于解决数据处理流程中错综复杂的依赖关系,使调度系统在数据处理流程中开箱即用。

DolphinScheduler是2019年开源的一个调度系统,在去年美国时间2019年8月29号,分布式任务调度引擎DolphinScheduler(原EasyScheduler)正式通过顶级开源组织Apache基金会的投票决议,以全票通过的优秀表现正式成为了Apache孵化器项目!

2背景

在2017年,易观在运营自己6.8Pb大小、6.02亿月活、每天近万个调度任务的大数据平台时,受到ETL复杂的依赖关系、平台易用性、可维护性及二次开发等方面掣肘,易观的技术团队渴望找到一个具有以下功能的数据调度工具:

易于使用,开发人员可以通过非常简单的拖拽操作构建ETL过程。不仅对于ETL开发人员,无法编写代码的人也可以使用此工具进行ETL操作,例如系统管理员和分析师;
解决“复杂任务依赖”问题,并且可以实时监视ETL运行状态;
支持多租户;
支持许多任务类型:Shell,MR,Spark,Flink,SQL(mysql,postgresql,hive,sparksql,clickhouse等),DataX,Sqoop,Python,Sub_Process,Procedure等;
支持HA和线性可扩展性。
易观技术团队意识到现有开源项目没有能够达到他们要求的,因此决定自行开发这个工具。他们在2017年底设计了DolphinScheduler的主要架构;2018年5月完成第一个内部使用版本,后来又迭代了几个内部版本后,系统逐渐稳定下来。

3特点

DolphinScheduler提供了许多易于使用的功能,可加快数据ETL工作开发流程的效率。其主要特点如下:

  • 通过拖拽以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;
  • 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;
  • 支持工作流全局参数及节点自定义参数设置;
  • 支持集群HA,通过 Zookeeper实现 Master 集群和 Worker 集群去中心化;
  • 支持工作流运行历史树形/甘特图展示、支持任务状态统计、流程状态统计;
  • 支持补数,并行或串行回填数据。

4系统架构

DolphinScheduler 是从数据处理的痛点出发,其解决的问题以及优化的方向主要有以下 5 点:

  • 可视化流程设计减轻了开发者配置工作流的复杂度,从繁琐的基础配置中解放出来,不用再靠编程来配置流程,提升开发效率;

  • 扩展性强,在当下这样一个业务变化快、技术迭代频繁的现在,丰富的任务类型、跨语言和自定义插件机制良好的可扩展性,无疑使这款框架具备了更长的寿命和更广泛的落地场景;

  • 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

  • 支持集群 HA,通过 Zookeeper 实现 Master 集群和 Worker 集群的天然去中心化架构设计,使得系统的高可用性得到保证;

  • 通过拖拽以 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,完善的服务监控系统,方便运维人员快速进行问题定位。

目前,IBM、中国平安、美团、360、招商银行、科大讯飞、联通、多点、芒果tv、雪球等多家企业都已经将 Apache DolphinScheduler 应用到了实际场景中。

Apache DolphinScheduler 诞生记
1.2.x 架构

5开源推进路线

万丈高楼平地起,从项目启动的那一刻,我们就确定了开源的目标,从那一刻,开源的种子就种在了每一位项目成员的心中,它是一个使命,
也是所有人的共识和承诺。

要采用模块化的设计,这样才能便于开源后的协同开发;
要选用开源的技术组件,这样才能便于开源后让更多的开发者参与进来;
大道至简,一定要做到开箱即用,我们调度的名字就叫EasyScheduler。
...
就这样,伴随着每一位的手舞足蹈,热情澎湃和唇枪舌剑,2017年12月在北京市朝阳区恒通商务园B12栋3层办公室里,拉开了EasyScheduler的序幕。

使命必达、分秒必争,每一位伙伴都自动自发、随时待命。

2018年5月,EasyScheduler在易观千帆成功上线使用。

2019年3月,开放给外部种子用户使用,正式发布第一个开源版本1.0.0。

2019年5月,相继推出了1.0.1、1.0.2和1.0.3版本。

Apache DolphinScheduler 诞生记

开源的种子早已种下,只有破土而出,才能扎根于大地。
ASF作为全球最大的开源基金会,一直致力于开源软件生态的营造,让软件技术能够在全球共享,这是ASF无比耀眼的魅力所在。

我们要扎根ASF,我们要进入到全球最大的开源组织,让我们的项目在全球共享,于是我们决定正式探索Apache开源孵化之路。

这是一个0到1的问题,这是一个需要拿到入场券资格的问题,那么如何才能够进入Apache呢?
一个项目如果希望进入到Apache孵化器,至少需要1名Champion和2名mentor。所以我们的第一个难题就是如何找到champion和mentor.
ASF孵化器拥有导师200多位,然而活跃的中国导师不超过5位,ALC Beijing也没有成立,我们只能四处询问,八方求援,经历了无数次的尝试,甚至出现了一丝丝的动摇,
但是我们马上就想到团队每一个人的付出和努力、想到那些默默支持我们前行的用户、想到一开始就种在我们心中的开源之梦,
我们坚信有信念就一定有远方,有梦想就一定有希望,我们坚信彩虹一定会出现,最终我们幸运地迎来了我们的champion和mentor。

至今仍清晰记得初见吴晟老师的场景:吴晟老师用了将近一下午的时间给我们普及了Apache孵化器的一些标准和Apache Way,我们也从最开始的喜悦兴奋变为了默默沉思。
第二个迎头重击就是Apache的license协议遵从,我们需要检查所有的依赖是否符合license许可,否则就需要修改,于是又经过了几个月的重构和升级。
这里还有一个小插曲,我们在申请进入Apache孵化器过程当中,发现Easy Scheduler不是全球唯一的名字,于是又进行了投票最终选中了
DolphinScheduler.

所幸我们一直坚定着信念,天道酬勤,当美国时间2019年8月29号DolphinScheduler全票通过正式成为Apache孵化器项目的时候,
每个人都洋溢着开心的笑容,但是我们又很快的冷静下来,真正的Apache Way也许才刚刚开始。

第一次的Apache release,是孵化过程中很重要的一个里程碑。DS用了4个月的时间发出了第一个Apache release,一个很大的原因
就是起初代码层面上关注较多,而Apache对于license和商标有着近乎严苛的要求,在release的时候会进行非常仔细地检查,
字体的版权或者某个前端组件使用的license不合规范都会结束一周左右的发版流程。

经历过第一次Apache release发版后,会对Apache Community Over Code的名言有着更切身的体会,成功的开源项目最重要的因素就是:
社区、社区还是社区。时间仿佛回到了吴晟老师给我们首次讲述Apache Way的那个下午:
“Apache 是一个透明、开放的社区,需要让工作的人来决定;如果一件事情没有出现在邮件列表中,那它就没有发生;
Apache 社区是一个公开、平等、精英治理的社区;Apache更多的是给一个思路,很多时候没有一个固定的规则和流程。。。”

感谢吴晟老师、史少峰老师、陈亮老师、Furkan Kamaci老师和Kevin Ratnasekera老师。
感谢每一位使用过DS的用户、每一位参与过DS社区贡献的伙伴,感谢你们愿意牺牲自己宝贵的时间与我们一同前行,一个star,一个issue,
一篇文章、一行代码、一封邮件列表,参加一场meetup的举办,这都是我们一起同在的见证!也期待更多的伙伴加入到DS社区,
我们一起披荆斩棘、一起高歌猛进!一起经历风雨、一起见证胜利!

欢迎加入Apache dolphinscheduler 社区

订阅邮件列表

  • 用自己的邮箱向发送一封邮件,主题和内容任意。

  • 接收确认邮件并回复。 完成步骤1后,将收到一封来自的确认邮件(如未收到,请确认邮件是否被自动归入垃圾邮件、推广邮件、订阅邮件等文件夹)。然后直接回复该邮件,或点击邮件里的链接快捷回复即可,主题和内容任意。

  • 接收欢迎邮件。 完成以上步骤后,会收到一封主题为WELCOME to 的欢迎邮件,至此已成功订阅Apache DolphinScheduler(Incubating)的邮件列表。

在线试用

如果您不想部署,而是想先体验一下,那么我们也提供了在线 Demo (1.2.0 版本),Demo可以快速体验一下 Shell、Python等任务类型,受制于服务器单机硬件条件,有些功能比如不能定时调度,各种数据源不能体验外,无其他限制,大家可以联系龙飞微信开通 Demo

Apache DolphinScheduler 诞生记

我们鼓励任何形式的参与社区,最终成为 Committer 或 PPMC,如:

  • 将遇到的问题通过 github 上 issue 的形式反馈出来
  • 回答别人遇到的 issue 问题
  • 帮助完善文档
  • 帮助项目增加测试用例
  • 为代码添加注释
  • 提交修复 Bug 或者 Feature 的 PR
  • 发表应用案例实践、调度流程分析或者与调度相关的技术文章
  • 帮助推广 DolphinScheduler,参与技术大会或者 meetup 的分享等

欢迎加入贡献的队伍,加入开源从提交第一个 PR 开始

  • 比如添加代码注释或找到带有 ”easy to fix” 标记或一些非常简单的 issue(拼写错误等) 等等,先通过第一个简单的 PR 熟悉提交流程

注:贡献不仅仅限于 PR 哈,对促进项目发展的都是贡献

相信参与 DolphinScheduler,一定会让您从开源中受益!

如何成为 ALC Beijing的成员

ALC Beijing 欢迎任何人的参与!不设置任何门槛,只要有意愿传播 Apache 以及开源之道的小伙伴都可以参与进来!具体的方式如下:

  • 加入我们的活动。大家可以通过关注ALC Beijing公众号获取最新的活动信息,并参加我们的线上或者线下的活动。
  • 成为ALC Beijing会员。ALC Beijing作为一个公益组织,需要大量的志愿者的来帮助协调和组织活动。志愿者成为会员的原则和Apache软件基金的其他项目发展Committer以及PMC成员的方式一样, 基于志愿者在社区中的贡献,采用投票邀请方式成为ALC Beijing 会员。
    欢迎关注"ALC Beijing"公众号

参考链接

[1] https://dolphinscheduler.apache.org/zh-cn/index.html

[2] https://www.infoq.cn/article/SeODu1bwlyjCUR70t6KD

感谢花时间阅读,谢谢!

相关推荐

lionelf / 0评论 2020-07-28