大数据平台任务调度与监控系统

背景

大数据平台技术框架支持的开发语言多种多样，开发人员的背景差异也很大，这就产生出很多不同类型的程序(任务)运行在大数据平台之上，如：MapReduce、Hive、Pig、Spark、Java、Shell、Python等。

这些任务需要不同的运行环境，并且除了定时运行，各种类型之间的任务存在依赖关系，一张简单的任务依赖图如下：

任务调度依赖图

目前各业务的数据任务基本都是靠Crontab定时调度，各个任务之间的依赖仅靠简单的串行来实现。

这样做的问题：

很容易造成前面的任务未结束或者失败，后面的任务也运行起来，最终跑出错误的分析结果;

任务不能并发执行，增加任务执行的整体时间窗口;

任务管理和维护很不方便，不好统计任务的执行时间及运行日志;

缺乏及时有效的告警;

SkyNet调度监控系统，正是为了解决以上问题。

系统架构

大数据任务调度

名词解释

系统模块

JobManager：SkyNet的Master，提供RPC服务，接收并处理JobClient/Web提交的所有操作;与元数据通讯，维护Job元数据;负责任务的统一配置维护、触发、调度、监控

JobMonitor: 监控正在运行的Job状态、监控任务池、监控等待运行的Job;

JobWorker：SkyNet的Slave，从任务池中获取Job、负责启动并收集Job的执行状态，维护至元数据库;

JobClient/Web：SkyNet客户端类，前端界面提供给用户，用作任务的配置、管理、监控等;

任务元数据：目前使用Mysql，保存Job的配置、依赖关系、运行历史、资源配置、告警配置等;

系统特性

分布式架构：容量和负载能力(JobWorker)可线性扩充，并可以跨外网部署(只需能访问元数据库即可);

高可用性：拥有主备Master，一旦主Master异常，备Master会接替主Master提供服务(后期实现);

高容错性：Master重新启动后，会将之前未完成的任务重新调度运行;

完善易用的Web用户界面：用于用户配置、提交、查询、监控任务及任务的依赖关系;

支持任意类型的任务：除了Hadoop生态圈的MapReduce、Hive、Pig等，还支持其他任何语言开发的任务，如Java、Shell、Python、Perl、Spark等;

完整的日志记录：收集并记录任务运行过程中产生的标准输出和标准错误，提供Http访问，用户可通过访问任务对应的日志Url来方便的访问任务运行日志;

任务之间的灵活依赖：可将任意一个任务作为自己的父任务进行依赖触发;

灵活多样的告警规则：除了失败告警，也支持任务超时未完成、任务超时未开始等告警规则;

页面展示

DashBoard：显示平台任务总体概况，资源总体概况

大数据任务调度

任务查询和维护：

大数据任务调度

添加任务：

大数据任务调度

查看任务依赖关系及运行状态：

大数据任务调度

查看任务运行状态及运行日志：