一文读懂：开源大数据调度系统Taier1.2版本新增的「工作流」到底是什么？

一、什么是工作流？

在阐述什么是工作流之前，先说一下工作流和普通任务的区别，在于依赖视图。

普通任务本身他只会有自己的dag图，依赖视图是无边界的，不可控的，而工作流则是把整个工作流都展示出来，是有边界的，可控的，这是工作流的优势。下面为大家介绍工作流的相关功能：

01 工作流—功能介绍

● 虚拟节点

虚拟节点，它是不产生任何数据的空跑节点（即调度到该节点时，系统直接返回成功，不会真正执行、不会占用资源或阻塞下游节点运行），比如说任务并行执行，那么就会用到虚拟节点。

● 周期生成

指调度系统按照调度配置自动定时运行的任务。

● 补数据运行

当业务变更，可以使用补数据功能。如修改了某个任务的代码，可将本月的数据按照新的代码重新跑一遍，立即生成所需数据。

● 调度属性

工作流中的子任务依赖于父任务的周期调度属性，父任务修改后，子任务同步修改，以工作流的周期调度属性作为各个子节点的周期调度时间。

● 工作流所在目录

修改工作流目录同步修改工作流下的子任务目录。

02 工作流—依赖成环

具体实现：

任务完成依赖的关系，key为当前节点，value为该节点的所有父节点Map < long list> nodeMap。

遍历nodeMap，以此遍历单集合中的每一个节点。每遍历一个新节点，就从头检查新节点之前的所有节点，用新节点和此节点之前所有节点依次做比较。如果发现新节点和之前的某个节点相同，则说明该节点被遍历过两次，链表有环。如果之前的所有节点中不存在与新节点相同的节点，就继续遍历下一个新节点，继续重复刚才的操作。

二、Taier工作流周期实例运行

了解完工作流的功能介绍后，我们来为大家分享Taier工作流周期实例运行：

01 Taier—周期实例生成

Taier主节点在启动的时候，会开启一个定时器，定时器会不停的去判断当日的实例是否已经生成。如果没有生成，就会触发事件给CycleJobBuilder生成实例，再通过JobDependency封装实例之间的依赖关系。

● CycleJobBuilder

用于生成周期实例。扫描数据库任务表并且获取zk上所有的Taier节点，把封装后的实例分配到每一台Taier节点上。

● JobDependency

用于生成job之间的依赖关系。

02 Taier—调度流程

在启动Taier服务时，会启动配置的所有调度器，并且开始扫描实例，并提交。

03 Taier—工作流任务状态修改逻辑

任务提交拦截器处理：

1、工作流下无子任务更新为完成状态

2、工作流下任务都是完成状态，任务提交队列可以移除

3、同时更新工作流engine_job状态，工作流只有四种状态，成功/失败/取消/提交中：

(1) 所有子任务状态为运行成功时，工作流状态更新为成功

(2) 工作流状态根据子任务的运行状态来确定，失败状态存在优先级：运行失败>提交失败>上游失败

a.子任务存在运行失败时，工作流状态更新为运行失败

b.子任务不存在运行失败时，存在提交失败，工作流状态更新为提交失败

c.子任务不存在运行失败时，不存在提交失败，存在上游失败时，工作流状态更新为上游失败

(3) 子任务存在取消状态时，工作流状态更新为取消

(4) 若子任务中同时存在运行失败或取消状态，工作流状态更新为失败状态

(5) 其他工作流更新为运行中状态

三、Taier1.3即将上线功能

新增功能

· ChunJun的向导模式数据源增强 hive1、hive2、hive3、sparkThrift、oracle、mysql、postgresql、sqlserver 、es7

· flink on standalone、python.shell、spark jar 、pyspark支持

· 自定义任务类型 web界面配置抽取

· windows开发环境适配

袋鼠云开源框架钉钉技术交流qun（30537511），欢迎对大数据开源项目有兴趣的同学加入交流最新技术信息，开源项目库地址：https://github.com/DTStack/Taier