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 13:25:43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

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
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
930
553
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
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
423
392
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
75
66
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
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511