首页
/ Apache DolphinScheduler 3.2.x 版本中Worker组随机丢失问题的分析与解决方案

Apache DolphinScheduler 3.2.x 版本中Worker组随机丢失问题的分析与解决方案

2025-05-19 19:52:51作者:侯霆垣

问题现象

在Apache DolphinScheduler 3.2.2版本的生产环境中,部分定时任务会随机出现调度失败的情况,错误日志显示系统无法找到已明确存在的Worker组(如"数仓"和"default"组)。典型错误表现为:

Dispatch task failed, worker group not found.
org.apache.dolphinscheduler.server.master.dispatch.exceptions.WorkerGroupNotFoundException: 
Cannot find worker group: Can not find worker group 数仓

值得注意的是:

  1. 受影响Worker组确实存在且正常运行
  2. 800+任务使用相同Worker组,仅部分任务随机失败
  3. 重试后任务都能成功执行
  4. 问题会周期性出现(每天)

根本原因分析

通过深入源码分析和日志排查,发现问题源于Worker节点的负载保护机制与资源同步逻辑的交互问题:

  1. 负载保护触发机制
    当Worker节点CPU使用率超过maxSystemCpuUsagePercentageThresholds(默认90%)时,节点会标记为BUSY状态:

    OverLoad: the system cpu usage: 0.990 is over then the maxSystemCpuUsagePercentageThresholds 0.9
    
  2. 资源同步逻辑缺陷
    Master节点的LowerWeightHostManager会定期同步Worker资源,其关键逻辑存在两个问题:

    • BUSY状态的Worker直接返回Optional.empty()
    • 同步时会先清空workerHostWeightsMap再填充新数据
  3. 竞态条件产生
    当所有Worker节点同时处于BUSY状态时:

    if (!hostWeights.isEmpty()) {
        workerHostWeights.put(workerGroup, hostWeights);
    }
    

    会导致该Worker组的记录从workerHostWeightsMap中消失,直到有Worker恢复可用状态。

解决方案与优化建议

临时解决方案

对于3.2.2版本,建议调整以下配置参数:

# 关闭负载保护(需评估风险)
worker.server-load-protection.enabled=false

# 增加工作线程数
worker.exec-threads=500

# 修改满负载策略为继续排队
worker.task-execute-threads-full-policy=CONTINUE

长期改进建议

从架构角度,建议在后续版本中优化以下方面:

  1. 资源同步逻辑改进

    • 保留Worker组记录,仅标记不可用状态
    • 实现增量更新而非全量刷新
  2. 负载状态处理优化

    • 区分"组不存在"和"节点不可用"两种状态
    • 对BUSY状态实现排队机制而非直接丢弃
  3. 心跳机制增强

    • 增加心跳超时判定
    • 实现分级预警(WARN/CRITICAL)

最佳实践

对于高负载环境的生产部署,建议:

  1. 资源监控
    建立对以下指标的监控看板:

    • Worker节点CPU/内存使用率
    • 线程池使用情况
    • 任务排队数量
  2. 容量规划
    根据业务量合理设置:

    # 建议值为(CPU核心数 * 2 ~ 3)
    worker.exec-threads=200
    
    # 建议设置为实际CPU核心数的80%
    worker.server-load-protection.max-system-cpu-usage-percentage=0.8
    
  3. 高可用配置

    • 每个Worker组至少配置3个节点
    • 跨机架/可用区部署

总结

该问题暴露了任务调度系统在资源竞争场景下的状态同步机制缺陷。通过本次分析,我们不仅找到了3.2.x版本的解决方案,也为系统优化提供了方向。建议用户根据实际业务场景选择合适的临时方案,并关注后续版本的官方修复。

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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
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
866
513
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
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
265
305
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3