Apache DolphinScheduler远程Shell任务执行失败问题分析与解决方案

问题现象

在使用Apache DolphinScheduler执行远程Shell任务时，用户遇到了任务执行失败的情况。具体表现为：当尝试执行简单的touch zkn.txt命令时，虽然命令实际上执行成功（返回状态码0），但系统却错误地报告任务失败。

错误分析

从日志中可以清晰地看到问题的根源：

1. 命令执行确实成功，日志中显示DOLPHINSCHEDULER-REMOTE-SHELL-TASK-STATUS-0，表明命令返回状态为0（成功）
2. 系统在解析状态码时抛出异常：NumberFormatException: For input string: "0\n"
3. 后续尝试取消任务时又出现了SSH连接失败的问题

根本原因

经过深入分析，发现问题的核心在于状态码处理逻辑存在缺陷：

1. 状态码解析错误：系统在获取任务退出码时，未能正确处理返回字符串中的换行符。返回的字符串是"0\n"（包含换行符），而解析逻辑直接尝试将整个字符串转为整数，导致NumberFormatException。

2. SSH连接管理问题：当任务执行失败后，系统尝试取消任务时，SSH客户端未正确启动，导致IllegalStateException: SshClient not started错误。

解决方案

针对上述问题，建议从以下几个方面进行修复：

1. 状态码处理优化：

   • 在解析状态码前，应先对字符串进行trim()操作，去除首尾空白字符
   • 增加对非数字返回值的容错处理
   • 示例代码修正：

     private int getTaskExitCode(String result) {
         String[] lines = result.split("\n");
         for (String line : lines) {
             if (line.contains("DOLPHINSCHEDULER-REMOTE-SHELL-TASK-STATUS-")) {
                 String exitCodeStr = line.substring(line.lastIndexOf("-") + 1).trim();
                 try {
                     return Integer.parseInt(exitCodeStr);
                 } catch (NumberFormatException e) {
                     throw new TaskException("Parse exit code error: " + exitCodeStr);
                 }
             }
         }
         throw new TaskException("Get exit code error, no status line found");
     }
     

2. SSH连接管理改进：

   • 确保在执行任何SSH操作前，客户端已正确启动
   • 实现连接池管理，避免频繁创建和销毁连接
   • 增加连接状态检查机制

最佳实践建议

为了避免在使用Apache DolphinScheduler远程Shell任务时遇到类似问题，建议用户：

1. 脚本编写规范：

   • 使用绝对路径执行命令
   • 明确指定工作目录
   • 避免在脚本中使用相对路径

2. 环境检查：

   • 确保目标服务器SSH服务正常运行
   • 验证网络连通性
   • 检查权限设置

3. 日志分析：

   • 仔细查看任务执行日志，特别是"Remote shell task log"部分
   • 关注命令实际执行结果而不仅是最终任务状态

版本说明

该问题在3.2.x版本中存在，已在后续开发分支(dev)中修复。建议受影响的用户考虑升级到包含修复的版本。

总结

远程Shell任务是Apache DolphinScheduler中常用的功能之一，正确处理命令执行状态对于任务流管理至关重要。通过本文分析的问题案例，我们不仅了解了具体问题的解决方法，也学习到了在使用此类调度系统时应注意的关键点。对于开发者而言，正确处理边界条件和异常情况是提高系统稳定性的重要手段。