Apache DolphinScheduler Master节点心跳任务中的故障转移问题分析
2025-05-19 22:30:43作者:瞿蔚英Wynne
问题背景
在Apache DolphinScheduler分布式任务调度系统中,Master节点负责任务调度和故障转移处理。系统中存在一个MasterHeartBeatTask心跳任务,用于监控Master节点的健康状态。近期发现当Master节点完成故障转移(failover)流程后,会出现异常停止的情况,这影响了系统的稳定性和可靠性。
问题现象
当Master节点执行以下操作序列时会出现问题:
- Master节点停止运行
- 重新启动Master节点
- Master节点开始执行自身的故障转移流程
- 完成故障转移后,Master节点检测到自身的故障转移节点路径(failoverNodePath)仍然存在
- 根据心跳任务的逻辑,Master节点会自行停止运行
技术原理分析
故障转移机制设计
DolphinScheduler的故障转移机制设计如下:
- 每个Master节点启动时会记录启动时间(startupTime)
- 故障转移节点路径的格式为:
/{masterAddress}-{masterStartupTime}
- 这个路径用于避免重复对同一个Master节点执行故障转移
- 同时也用于确保已经被故障转移的Master节点不会继续运行
问题根源
问题的根本原因在于:
- 当只有一个Master节点时,它需要执行自身的故障转移
- 在故障转移过程中,Master节点会发布GlobalMasterFailoverEvent事件
- 这个事件的时间戳与Master节点的启动时间相同
- 导致故障转移完成后,故障转移节点路径仍然包含当前Master的启动时间
- 心跳任务检测到这个路径后,误认为当前Master应该停止
解决方案
改进方案设计
为了解决这个问题,需要对故障转移节点路径的生成方式进行改进:
- 为每个Master节点分配唯一ID(可以使用UUID)
- 修改故障转移节点路径格式为:
/{masterAddress}-{masterStartupTime}-{masterId}
- 对于全局Master故障转移事件,由于masterId未知,需要特殊处理
实现细节
具体实现需要考虑以下方面:
- Master节点初始化时需要生成唯一ID
- 修改FailoverCoordinator中相关逻辑
- 确保向后兼容性
- 更新相关文档说明
影响评估
这个改进将影响以下组件:
- Master节点的启动和故障转移流程
- 心跳任务的检测逻辑
- 系统的高可用性保证机制
总结
Apache DolphinScheduler中Master节点心跳任务与故障转移机制的交互存在设计缺陷,导致Master节点在完成自身故障转移后异常停止。通过引入Master节点唯一ID并改进故障转移节点路径的生成方式,可以有效解决这个问题,提高系统的稳定性和可靠性。这个改进对于生产环境中使用单Master节点或需要频繁重启Master节点的场景尤为重要。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-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~0278community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息012Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

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

🎉 (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
941
555

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
405
387

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)。
Python
75
70

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
992
395

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
510
44

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
1.32 K

React Native鸿蒙化仓库
C++
194
279