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:
- 受影响Worker组确实存在且正常运行
- 800+任务使用相同Worker组,仅部分任务随机失败
- 重试后任务都能成功执行
- 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:
-
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
-
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:- 对
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
- 对
-
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:
-
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
-
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
-
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:
-
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
-
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
-
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
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
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!C0305- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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 kernel ~ openGauss is an open source relational database management system
C++
129
183

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

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

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

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 Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3