Apache DolphinScheduler 源码剖析之 Worker 容错处理流程

今天给大家带来的分享是 Apache DolphinScheduler 源码剖析之 Worker 容错处理流程

DolphinScheduler源码剖析之Worker容错处理流程

Worker容错流程是这样的：

1. 当 ZooKeeper 监听到有 Worker 节点挂了，就会去通知 Master 进行容错

2. 收到通知的 Master 会通过分布式锁去“抢”到容错的操作，拿到锁的 Master 开始进行容错处理。

3. 容错的流程如下：

    3.1 通过已下线的 Worker 的地址和表示[正在运行]的状态数组获取需要容错的TaskInstance 列表。

    3.2 遍历列表对每个 TaskInstance 进行处理：

         3.2.1 判断这个 TaskInstance 是否需要容错，因为 Worker 宕机以后有可能被 Monitor 重启动成功，那么 Master 会继续给它分配任务，所以只有老 Worker 上正在运行的 TaskInstance 需要容错，【3.1】里面拿到的需要容错的TaskInstance 列表可能会存在新 Worker 所执行的任务

        3.2.2 检查 Task 是否存在 YarnApplicationId，如果存在的话就把 Yarn 任务Kill 掉

        3.2.3 将 TaskInstance 的状态更新为 NEED_FAULT_TOLERANCE，更新到数据库里面

Master的任务调度处理如下：

在 MasterExecThread 这个线程里面如果检测到任务的状态为 NEED_FAULT_TOLERANCE，会进行 Alert，同时会将任务放到 readyToSubmitTaskList，重新分发给 Worker 去运行

以上就是我对 DolphinScheduler 的 Worker 容错处理的分析，欢迎大家指正

【相关阅读】

DolphinScheduler 源码剖析之 Master 容错处理流程

预告

为了更好的可扩展性和性能，DolphinScheduler 的重构讨论将于本周五晚19:00 开始，欢迎感兴趣的伙伴参与

您知道么？

参与 DolphinScheduler 社区有非常多的参与贡献的方式，包括文档、翻译、答疑、测试、代码、会议分享等，此外也极其欢迎各种实践文章，DolphinScheduler开源社区非常期待您的参与。

贡献第一个PR(文档、代码) 我们也希望是简单的，试想如果是一个新人一上来就贡献1个改了几十个文件的 PR 将会对参与 review 的伙伴的心理造成多大的摧残，????

文档github地址：https://github.com/apache/incubator-dolphinscheduler-website

当然如果您酷爱coding，社区也是非常欢迎“show me the code"的。

戳原文，立刻奔向

DolphinScheduler 的 github 仓库一起玩耍，来个 star 先收藏也是好的