首页
/ Apache DolphinScheduler 3.2.x 版本中Worker组随机丢失问题分析与解决方案

Apache DolphinScheduler 3.2.x 版本中Worker组随机丢失问题分析与解决方案

2025-05-17 11:45:29作者:余洋婵Anita

问题现象

在Apache DolphinScheduler 3.2.2版本的生产环境中,我们观察到任务调度系统偶尔会出现任务失败的情况。错误日志显示系统无法找到已明确存在的Worker组,报错信息如下:

Dispatch task: 看板推送任务实例同步 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,这些失败是随机发生的,同一个Worker组下的800多个任务中只有少数会失败,且重试后都能成功执行。这种现象不仅出现在自定义Worker组(如"数仓")上,也会出现在默认Worker组上。

问题根源分析

通过对源代码的深入研究和日志分析,我们发现问题的根源在于Worker资源管理机制的设计:

  1. Worker状态同步机制:Master节点会定期同步Worker节点的资源状态,当Worker节点被标记为"BUSY"状态时,系统会将该Worker从可用资源列表中移除。

  2. 资源同步实现细节:在LowerWeightHostManager类中,syncWorkerResources方法会遍历所有Worker组和节点,检查每个Worker的心跳状态。如果Worker处于BUSY状态,则不会将其加入可用资源列表。

  3. 全量更新策略:系统采用全量更新策略,每次同步都会先清空workerHostWeightsMap再重新填充。这意味着如果某个Worker组的所有节点都处于BUSY状态,该Worker组会暂时从可用列表中消失。

  4. CPU过载保护:日志显示Worker节点CPU使用率偶尔会超过阈值(默认90%),触发系统的过载保护机制,将Worker标记为BUSY状态。

技术实现缺陷

当前的实现存在几个值得商榷的设计点:

  1. 状态表示不准确:将BUSY状态的Worker完全从资源列表中移除,导致系统误报"Worker组不存在",实际上只是资源暂时不可用。

  2. 同步策略激进:全量清空再重建的方式会导致短暂的资源真空期,可能引发任务调度失败。

  3. 错误处理不友好:系统将资源不足的情况错误地表示为资源不存在,给问题排查带来困扰。

解决方案

针对这一问题,我们建议从以下几个方面进行优化:

短期解决方案(配置调整)

对于正在使用3.2.2版本的用户,可以采取以下临时措施缓解问题:

  1. 调整Worker配置

    # 禁用服务器负载保护
    worker.server-load-protection.enabled=false
    # 增加执行线程数
    worker.exec-threads=500
    # 修改线程满策略为继续排队
    worker.task-execute-threads-full-policy=CONTINUE
    
  2. 增加Worker节点:分散任务负载,降低单个节点过载风险。

长期解决方案(代码优化)

建议在后续版本中改进资源管理机制:

  1. 区分资源状态:将"Worker组不存在"和"Worker资源不足"两种情况进行区分处理。

  2. 优化同步策略:改为增量更新方式,避免资源列表的完全重建。

  3. 改进错误处理:当Worker处于BUSY状态时,应明确提示资源紧张而非组不存在。

最佳实践建议

  1. 监控系统指标:密切监控Worker节点的CPU、内存和线程池使用情况,提前发现潜在问题。

  2. 合理设置阈值:根据实际硬件配置调整maxSystemCpuUsagePercentageThresholds等参数。

  3. 版本升级计划:关注社区后续版本中对此问题的修复,及时升级。

  4. 任务调度策略:考虑将重要任务分散到不同Worker组,提高系统容错能力。

总结

Apache DolphinScheduler作为优秀的分布式任务调度系统,其Worker资源管理机制在大多数场景下表现良好。本文分析的Worker组随机丢失问题揭示了在高负载场景下的一个边缘情况。通过理解其内部机制,我们可以更好地配置和使用系统,同时也为社区改进提供了方向。建议用户根据自身业务特点选择合适的解决方案,并在生产环境中充分测试配置变更的效果。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
178
262
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
867
513
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183
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
265
305
HarmonyOS-ExamplesHarmonyOS-Examples
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
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
1.07 K
0
ShopXO开源商城ShopXO开源商城
🔥🔥🔥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
note-gennote-gen
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-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57
GitNextGitNext
基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3