Schedulis:金融级工作流任务调度系统,助力数据应用开发全流程
在数据驱动的时代,高效、可靠的任务调度系统是企业数据应用开发的关键。Schedulis,作为一款基于LinkedIn开源项目Azkaban开发的工作流任务调度系统,不仅继承了Azkaban的优秀特性,更在性能、可用性和多租户资源隔离等方面进行了深度优化,成为金融级数据应用开发的理想选择。
项目介绍
Schedulis是一个高性能、高可用的工作流任务调度系统,专为金融级应用设计。它支持去中心化的多调度中心和多执行器架构,确保系统的高可用性和稳定性。此外,Schedulis还支持多租户资源隔离,满足企业级应用对资源管理的需求。
项目技术分析
架构设计
Schedulis的架构设计充分考虑了系统的扩展性和稳定性。其去中心化的多调度中心和多执行器架构,使得系统能够在高并发环境下保持稳定运行。同时,Schedulis还实现了与Linkis的插件对接,使得任务提交更加高效。
技术栈
Schedulis基于Azkaban开发,采用了Java作为主要开发语言,并集成了多种大数据处理技术,如HadoopMR、Hive、Spark、Sqoop和Python等。此外,Schedulis还支持多种任务类型,包括常规的Command Shell任务和大数据任务,以及特色的数据检查和工作流之间的依赖任务。
项目及技术应用场景
Schedulis广泛应用于金融、电商、制造等多个行业,尤其适合需要处理大规模数据的企业。其与DataSphere Studio和Linkis的无缝对接,使得数据应用开发全流程更加连贯顺滑。无论是数据仓库的ETL任务,还是复杂的数据分析工作流,Schedulis都能提供稳定、高效的调度支持。
项目特点
高可用性
Schedulis支持调度中心的高可用,确保在任何情况下都能保持系统的稳定运行。
多租户资源隔离
Schedulis支持执行节点的多租户资源隔离,满足企业级应用对资源管理的需求。
丰富的任务类型
Schedulis不仅支持常规的Command Shell和大数据任务,还支持特色的数据检查和工作流之间的依赖任务。
灵活的参数设置
Schedulis提供多种类型的参数设置,支持动态全局变量,使得任务配置更加灵活。
完善的告警和执行策略
Schedulis支持任务失败暂停、跳过、重试、超时处理等多种失败策略,确保任务执行的可靠性。
用户友好的UI
Schedulis的UI设计简洁直观,用户可以清晰地查看任务状态、任务类型、工作流状态和重试次数等关键信息。
界面预览

文档与支持
Schedulis提供了详细的环境部署文档、用户使用手册、AppConn插件安装指南和版本升级手册,帮助用户快速上手。如果您在使用过程中遇到问题,可以通过GitHub的issue系统或扫码进群获得支持。
结语
Schedulis作为一款金融级工作流任务调度系统,凭借其高性能、高可用性和丰富的功能特性,已经成为众多企业数据应用开发的首选。无论您是数据工程师还是数据科学家,Schedulis都能为您提供稳定、高效的调度支持,助力您在数据驱动的道路上走得更远。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00