引言

来自 eBay 的文俊同学在近期的上海开源大数据 Meetup 上做了十分精彩的 “Apache DolphinScheduler 的架构演进” 分享。本次分享有近 200 人参与，在线观看次数超过 2,500 次

图为现场

分享视频请参见

Apache DolphinScheduler 是一个云原生的分布式去中心化，易扩展的可视化 DAG 工作流任务调度平台。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 以有向无环图的方式将任务连接起来，可实时监控任务的运行状态，同时支持取消、暂停、恢复、从指定任务节点重跑等操作。

DolphinScheduler 具有以下几个优良功能特性：

• Cloud Native — 支持多云/数据中心工作流管理，也支持 Kubernetes、Docker 部署和自定义任务类型，分布式调度，整体调度能力随集群规模线性增长

• 高可靠与高可扩展性 — 去中心化的多 Master 多 Worker 设计架构，支持服务动态上下线，自我容错与调节能力

• 支持多租户

• 丰富的使用场景 — 包括流、暂停、恢复操作，以及额外的任务类型，如 Spark、Hive、MR、Shell、Python、Flink 以及 DS 独有的子工作流、任务依赖设计，扩展点采用插件化的实现方式

• 简单易用 — 所有流程定义操作可视化编排，定义关键信息一目了然，一键部署

关于 DolphinSheduler 更多功能介绍和开发文档请查阅官网详细信息 https://dolphinscheduler.apache.org/zh-cn/。

1.2.x 架构

DolphinScheduler 最初进入 Apache 孵化器的版本是 1.2，在这一版本中采用的架构由以下几个重要部分组成：

• 去中心化的 master 节点，负责工作流调度、DAG 任务切分、任务提交监控和监听其它节点健康状态等任务

• 去中心化的 worker 节点，负责执行任务和维护任务的生命周期等

• 数据库，存储工作流元数据，运行实例数据

• Zookeeper，主要负责注册中心、分布式锁、任务队列等工作任务

1.2 版本基本实现了高可靠的工作流调度系统，但是也存在多个问题：

• 重量级的 worker，worker 节点需要负责多种任务

• 异步派发任务会导致任务执行延迟

• 由于 masker 和 worker 都需要依赖数据库，导致数据库压力大

1.3.x 架构

针对 1.2 版本存在的问题，1.3 架构进行了如下改进：

• 去任务队列，保证 master 节点同步派发任务，降低任务执行延迟

• 轻量级 worker，worker 节点只负责执行任务，单一化 worker 职责

• 减小数据库压力，worker 不再连接数据库

• 采用多任务负载均衡策略，master 根据 worker 节点资源使用情况分配任务，提高 worker 资源利用率

这些改进有效改进了 1.2 版本的缺陷，但仍存在一些问题，例如：

• master 调度工作流时需要依赖分布式锁，导致工作流吞吐量难以提升

• 因为需要创建大量线程池，多数线程处于轮询数据库，导致 master 资源利用率低

• master 轮询数据库，仍然导致数据库压力大

• 各组件存在耦合情况

2.0 架构

针对 1.3 版本的缺陷，2.0 架构进一步做出以下改进：

• 去分布式锁，对 master 进行分区编号，实现错位查询数据库，避免多个节点同时访问同一个工作流造成的冲突问题

• 重构 master 线程模型，对所有工作流使用统一的线程池

• 重构数据库中 DAG 元数据模型

• 彻底的插件化，所有扩展点都采用插件化实现

• 数据血缘关系分析

1 去分布式锁

2 重构 master 中的线程模型

• SchedulerThread 负责从数据库中查询 Command 并提交到 Command Queue

• DagExecuteThreadPool 从 Command Queue 中取 command，并构造 DAG实例添加到 DAG 队列，进行处理，当前 DAG 没有未执行的任务，则当前 DAG 执行结束

• TaskExecuteThreadPool 提交任务给 Worker

• TaskEventThread 监听任务事件队列，修改任务状态

3 彻底的插件化

所有扩展点都采用插件化实现

• 告警SPI

• 注册中心SPI

• 资源存储SPI

• 任务插件SPI

• 数据源SPI

• ……

文俊针对 DolphinScheduler 的未来发展方向，也分享了一些看法：

• 系统更稳、速度更快（高吞吐、低延迟、智能化运维、高可用）

• 支持更多的任务集成（深度学习任务、CI/CD等其它系统集成、存储过程和数据质量任务、容器调度任务、复杂调度场景等）

• 轻量化 DolphinScheduler 内核，提供基础调度服务

最后，开发者阮文俊针对入门新手如何参与开源贡献的问题，提出了宝贵的指导意见：

• 从小事做起，积累开发经验

• 关注社区动态，积极参与讨论，更好融入社区

• 坚持开源精神，乐于帮助他人

• 保持持之以恒的开发和贡献心态

分享讲师：阮文俊，eBay 开发工程师，DolphinScheduler 深度贡献者，开源深度玩家

编辑：徐玮毅，天津大学 2018 级计算机科学与技术本科生，热爱编程，开拓进取。本文是第一次参与 DolphinScheduler 社区的开源工作，希望能逐渐积累经验，继续为社区作出更大贡献！

点击阅读原文，加入官方 Slack 讨论群 也欢迎关注推特: https://twitter.com/DolphinSchedule