首页
/ Apache DolphinScheduler 任务执行引擎统一化架构设计

Apache DolphinScheduler 任务执行引擎统一化架构设计

2025-05-19 12:46:35作者:乔或婵

背景与挑战

在分布式任务调度系统Apache DolphinScheduler中,长期以来存在着两套相似的任务执行机制:逻辑任务执行(在Master容器中执行)和物理任务执行(在Worker容器中执行)。这两套机制虽然功能相似,但在代码实现上却相互独立,导致开发维护时需要同时修改两处代码,增加了系统复杂度与维护成本。

设计目标

为解决上述问题,我们提出在DolphinScheduler中新增dolphinscheduler-task-executor模块,通过统一的TaskEngine来重构任务执行流程。该设计旨在:

  1. 统一任务执行逻辑,消除代码重复
  2. 提供灵活的任务执行容器模型
  3. 实现清晰的任务生命周期管理
  4. 提高系统的可维护性和扩展性

核心架构设计

整体架构

新的执行引擎采用分层设计,WorkflowEngine通过TaskExecutorClient与TaskEngine进行通信。TaskEngine不仅响应任务执行控制指令,还能向Master发送运行时事件。这种设计实现了控制流与数据流的分离,提高了系统的响应能力和可观测性。

关键组件

TaskExecutor

作为任务执行的核心抽象,每个TaskExecutor代表一个运行时任务实例。其内部采用事件驱动架构,通过专用EventBus处理所有任务生命周期事件。这种设计具有以下优势:

  • 所有操作都转化为TaskExecutorLifecycleEvent异步处理
  • 事件按顺序处理,避免并发问题
  • 状态变更与业务逻辑解耦

TaskExecutorRepository

作为运行时任务仓库,负责管理活跃的TaskExecutor实例。任务执行完成后自动从仓库移除,实现资源的自动回收。

TaskExecutorContainerDelegator

任务容器代理层,提供两种任务执行容器模式:

  1. 共享线程容器(SharedThreadTaskExecutorContainer)

    • 单个工作线程可执行多个任务
    • 适用于非阻塞型或短时任务
    • 提高线程利用率,减少资源消耗
  2. 独占线程容器(ExclusiveThreadTaskExecutorContainer)

    • 每个任务独占工作线程
    • 适用于长时运行或阻塞型任务
    • 保证任务执行不受干扰

这种双模式设计使系统能够根据任务特性灵活分配资源,在吞吐量和响应性之间取得平衡。

TaskExecutorEventBusCoordinator

事件总线协调器,负责将TaskExecutor分配到合适的TaskExecutorEventBusFireWorker。该组件实现了:

  • 动态负载均衡
  • 异常隔离
  • 资源配额管理

任务生命周期管理

新的执行引擎定义了清晰的任务状态转换机制:

  1. 初始化阶段:任务提交后创建TaskExecutor实例
  2. 准备阶段:加载依赖资源,验证执行环境
  3. 调度阶段:根据任务特性分配到合适的执行容器
  4. 执行阶段:实际任务处理过程
  5. 完成阶段:清理资源,发送结果事件

整个生命周期通过事件总线驱动,状态转换原子化,确保系统在异常情况下也能保持一致性。

技术实现要点

事件驱动架构

采用事件总线作为内部通信机制,所有操作都转化为事件进行处理。这种设计带来以下好处:

  • 解耦组件间的直接依赖
  • 易于扩展新的事件处理器
  • 支持异步非阻塞处理
  • 便于实现事务性操作

线程模型优化

根据任务特性提供两种线程模型:

  1. IO密集型任务:适合共享线程模型,通过少量线程服务大量任务
  2. CPU密集型任务:适合独占线程模型,避免资源竞争

执行引擎会自动监控任务行为特征,动态调整线程分配策略。

容错机制

设计包含多层容错保护:

  1. 任务级别隔离:单个任务异常不会影响其他任务
  2. 自动重试机制:可配置的重试策略
  3. 死锁检测:自动发现并解除资源死锁
  4. 心跳监控:实时检测僵尸任务

预期收益

该架构改造将为DolphinScheduler带来显著改进:

  1. 代码可维护性提升:消除重复代码,统一执行路径
  2. 资源利用率提高:智能的线程分配策略
  3. 系统稳定性增强:完善的容错机制
  4. 扩展性改善:清晰的内核接口,便于添加新任务类型
  5. 可观测性提升:统一的任务生命周期事件

总结

通过引入统一的TaskEngine架构,DolphinScheduler实现了任务执行逻辑的标准化和模块化。这种设计不仅解决了当前版本中的代码重复问题,还为未来的功能扩展奠定了坚实基础。特别是灵活的执行容器模型和事件驱动的架构,使系统能够适应各种复杂的任务调度场景,为用户提供更稳定、高效的任务执行服务。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8