使用DolphinScheduler调度Python任务

概述

• 需求：在某个特定的时间运行Python（Anaconda）任务
  方案1：crontab来定时调度
  方案2：crontab没有便于操作的Web界面及报警等功能，于是引入DolphinScheduler

• Apache DolphinScheduler是一个分布式去中心化，易扩展的可视化DAG工作流任务调度平台
  致力于解决数据处理流程中错综复杂的依赖关系，使调度系统在数据处理流程中开箱即用
  中文官网：https://dolphinscheduler.apache.org/zh-cn/

DolphinScheduler架构图

主要角色	主要职责
MasterServer	DAG任务切分、任务提交监控；监听其它MasterServer和WorkerServer的健康状态
WorkerServer	任务的执行和提供日志服务
ZK Cluster	MasterServer和WorkerServer启动时，会向Zookeeper注册临时节点
Alter	提供告警相关服务
API	处理前端UI层的请求
UI	提供Web操作界面

DolphinScheduler集群部署

部署规划	hadoop105	hadoop106	hadoop107	备注
MasterServer		1	1	端口（非通信的）默认5678
WorkerServer	1	1	1	端口（非通信的）默认1234
LoggerServer	1	1	1	日志服务，隶属WorkerServer 功能：日志分片查看、刷新、下载…
AlertServer	1			告警服务，暂时仅支持单机
ApiApplicationServer	1			提供后端通信，端口默认12345

DS依赖Java，集群部署依赖ZooKeeper
另外，本文还配置DS元数据存储到MySQL，资源存储到HDFS

1、准备工作

安装进程管理相关的命令，用于支持DolphinScheduler（每个节点都执行）

yum install -y psmisc

创建具有sudo权限的用户

https://yellow520.blog.youkuaiyun.com/article/details/115495027

集群用户免密登录（root和新创建的用户都要配）

https://blog.youkuaiyun.com/Yellow_python/article/details/110143502

2、下载DolphinScheduler

wget https://archive.apache.org/dist/dolphinscheduler/2.0.3/apache-dolphinscheduler-2.0.3-bin.tar.gz

解压

tar -zxvf apache-dolphinscheduler-2.0.3-bin.tar.gz

3、配置DolphinScheduler元数据存储在MySQL

MySQL建库ds和用户dolphinscheduler，自设密码

mysql -uroot -p

-- 创建数据库
CREATE DATABASE ds DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;
-- 创建用户和网络允许，并设置密码
CREATE