开源交流丨批流一体数据集成框架 ChunJun 数据传输模块详解分享
原创开源交流丨批流一体数据集成框架 ChunJun 数据传输模块详解分享
原创
视频回放：点击这里
前言
在分享之前，先为大家介绍一下任务和实例的关系。任务指的是我们在任务开发界面上去创建的任务，比如 Spark 任务、SparkSQL 任务、数据同步任务等，这些任务在开发过程中是静态的脚本，当被提交到计算节点去执行时，被执行的过程我们把它抽象成实例。举一个简单的例子来说明：比如我们写完一个 Java 的类然后把它打包成 Jar 包，其实这个 Jar 包就是一个静态类，当我们执行 Jar 包时，这个过程我们会把它抽象成一个实例，这就是任务与实例的关系。
Taier 实例生成
1、Taier 实例类型
首先我们来看一下 Taier 实例的类型，在 Taier 中实例主要有 3 种类型：
- 周期实例：T+1 生成，完整依赖
- 补数据实例：立即生成，局部依赖
- 临时运行实例：立即生成，无依赖
● 周期实例
周期实例是指在前一天生成的当天实例（T+1），拥有一个完整独立的实例依赖体系，也就是任务和任务之间形成的完整的 DAG 图。周期实例实际上指的是离线任务，因为实时任务并无上游依赖关系。
上图就是配置任务之间依赖的地方，任务和任务之间会形成一个完整 DAG (Direct Acyclic Graph) 图，中文名叫有向无环图，从图中任意一个节点出发，根据方向无法回到原节点的图就叫做有向无环图。
注意： 提交任务的时候回判断是否成环。
而实例依赖可分为两种：父子依赖关系和自依赖关系。
● 父子依赖关系
父子关系可以理解为不同的任务依赖：例如任务 A 运行需要任务 B 的运行结果，这个时候任务 A 就需要依赖任务 B，那么 B 任务就是 A 任务父任务。
● 自依赖关系
自依赖关系可以理解为相同任务的不同周期依赖：例如 任务 A 是一个小时任务，0 点开始执行，10 点结束，每小时运行一次，那么任务 A 在 0 点合 10 点这个时间段上需要执行 10 次，如果说任务 A 每次执行都需要上一个周期执行结束，那么任务 A 就是一个自依赖任务。
除了上述两种依赖任务，还有跨周期依赖，不同周期任务的父子依赖关系：子任务会找到父任务最近的执行的一个周期实例依赖。
● 补数据实例
补数据实例是用户通过页面或者调用接口触发生成实例，仅有局部的依赖关系且和周期实例的依赖关系相互独立互不影响，实例依赖关系和周期实例一致。
注意：补数据是生成局部的 DAG 图，例如 1、2、3 任务关系是 1->2->3，在页面上选择 1 和 3 任务进行补数据，那么 1，2，3 任务都会生成，但是最终结果只会运行 1 和 3 任务，2 任务不运行。
● 临时运行实例
临时运行实例可以分成两种离线和实时。
离线任务：用户可以直接运行任务生成实例，实例没有依赖关系。
实时任务：实时任务没有周期，上下游依赖这一概念，所以所以的实时实例都是临时运行的。
Taier 周期实例生成
接下来我们来看一下 Taier 周期实例的生成。
上图为 Taier 实例的整体生成图，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。
其中 CycleJobBuilder 是指用于生成周期实例，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 是用于生成 job 之间的依赖关系。
接下来为大家介绍下 Taier 的主从选举。
在 application.properties 文件中配置 zk：
nodeZkAddress=${ZK_HOST}:${ZK_PORT}/taier
● Taier 服务注册
每一台 Taier 服务都会去把自己的地址注册到 zk 上 /taier/brokers 下，在生成实例的时候，主节点就是从 /taier/brokers 获取所有注册在 zk 的 Taier 节点信息。
每一台 Taier 服务和 zk 会维持一个心跳，并保存在 /taier/brokers/ip:port/heart 节点下。
● 主节点选举
Taier 的主从选举是基于 LeaderLatch 来实现的，在启动 Taier 后，Taier 会尝试去抢占 /taier/masterLatchLock 这边锁，抢到锁的节点就是主节点，没有抢到锁的节点就是从节点。
Taier 实例调度
接下来为大家介绍下 Taier 实例调度，首先为大家介绍下调度流程。
上图就是 Taier 实例调度的整体流程，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。
● 调度器
由于实例类型的不同，我们需要的调度器也会不同，但是他们都有一个父类（Scheduler）。
例如 CycleJobScheduler 专门负责周期实例的调度，而 FillDataJobScheduler 是负责补数据实例的调度。
不同的调度器，提交的条件也不一定，例如 CycleJobScheduler 只会扫描 2 天内的周期实例，而 RestartJobScheduler 是没有时间限制的，而且每一个调度器的拦截器链也会不一样。
● 拦截器
拦截器是用于负责检查实例是否到达提交条件，多个拦截器会形成拦截器链。当实例通过拦截器链时，说明实例到达提交状态，所以实例会被放入到提交队列中，等待提交。
默认提供的拦截器：
1.JobStatusSubmitInterceptor：用于判断实例状态。
2.JobUpStreamSubmitInterceptor：用于判断实例上游是否运行完成。注意，该上游实例不仅仅是上游任务实例，还有可能是自依赖实例。
3.TaskStatusSubmitInterceptor：用于判断任务状态是否正常。
每个调度器内装载的拦截器可以不同。
Taier 实例提交
最后为大家介绍下 Taier 实例的提交，因为任务类型的不同，所以实例提交置计算节点的逻辑也不同，为了能有更好的扩展性，Taier 实现类插件化的处理。
开源项目库地址：https://github.com/DTStack
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。