DolphinScheduler 3.2.1版本数据库升级问题分析与解决方案
问题背景
在将DolphinScheduler从3.1.8版本升级到3.2.1版本的过程中,执行数据库升级脚本./tools/bin/upgrade-schema.sh时遇到了一个关键错误。错误信息显示系统无法找到snakeyaml组件,导致应用启动失败。
错误现象
当用户尝试执行升级脚本时,控制台输出了以下关键错误信息:
java.lang.IllegalStateException: Attempted to load Config resource 'class path resource [application.yaml]' via location 'optional:classpath:/' but snakeyaml was not found on the classpath
这个错误表明Spring Boot框架在尝试加载YAML配置文件时,发现缺少必要的snakeyaml依赖库。
问题分析
-
依赖关系分析:DolphinScheduler 3.2.1版本的工具模块(dolphinscheduler-tools)在构建时可能遗漏了对snakeyaml的显式依赖声明。
-
运行机制:升级脚本实际上是通过Spring Boot应用来执行数据库迁移操作的,而Spring Boot默认使用snakeyaml来解析YAML格式的配置文件。
-
环境差异:虽然主服务(master-server)模块包含了snakeyaml依赖,但工具模块却没有包含这个必要的依赖库。
解决方案
临时解决方案
对于急需升级环境的用户,可以采用以下临时解决方案:
- 从master-server模块的libs目录复制snakeyaml库到tools模块:
cp ./master-server/libs/snakeyaml-1.33.jar ./tools/libs/
- 然后重新执行升级脚本:
sh ./tools/bin/upgrade-schema.sh
长期解决方案
建议项目维护者在后续版本中修复此问题,具体可以:
- 在dolphinscheduler-tools模块的pom.xml中显式添加snakeyaml依赖
- 确保构建过程会将所有运行时依赖正确打包到tools/libs目录下
升级注意事项
- DolphinScheduler 3.2.1版本的数据库升级脚本需要在API节点上执行
- 升级前建议备份数据库,以防意外情况发生
- 确保执行升级操作的用户对数据库有足够的权限
技术原理深入
snakeyaml是一个YAML解析器/生成器库,Spring Boot使用它来处理application.yaml/application.yml配置文件。在Spring Boot 2.4.0之后,对YAML文件的支持从核心模块中分离出来,需要显式添加snakeyaml依赖。
当Spring Boot应用启动时,它会自动查找classpath中的YAML配置文件并尝试解析。如果找不到snakeyaml库,就会抛出我们看到的异常。这就是为什么即使有application.yaml文件,没有snakeyaml库也会导致启动失败的原因。
总结
DolphinScheduler 3.2.1版本的数据库升级过程中遇到的这个问题,本质上是模块间依赖管理不够完善导致的。通过临时复制依赖库可以快速解决问题,但从长远来看,项目应该完善各模块的依赖声明,确保每个模块都能独立运行。对于用户来说,了解这个问题的原因和解决方案,可以更顺利地完成版本升级工作。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00