Kettle之Carte最佳实践

前言

kettle支持Carte服务级部署模式，即服务器后台会跑一个常驻Carte程序，job/trans都运行在这个服务里。这篇文章主要讲述carte从配置、任务提交到监控的实践。

0x01 介绍

Kettle有多种运行模式，最简单易用的是直接运行Kitchen/Pan应用程序来执行job/transformations，但每次运行任务时，kitchen/pan都要启动一次。而应用的启动是有代价的，并且如果服务器上同时跑了很多Kitchen/Pan程序，也不利于资源分配和监控。

Carte是一个轻量级的web服务，允许远程请求HTTP进行监控、启动、停止在Carte服务上运行的job和trans。运行Carte的服务器在kettle术语里称为slave server。

0x02 配置&启动

Kettle的下载安装就不再赘述，carte的配置文件主要用来配置端口、安全认证等。比如配置文件pwd/carte-config-master.xml，配置项：

port：绑定的端口号

hostname: 绑定的IP

username/password：认证用户

启动命令：nohup ./carte.sh pwd/carte-config-master.xml2>&1 &

web地址：http://ip:9080，会提示输入用户名密码，可能Chrome不会有弹出框，多换个浏览器试试。

在carte上跑的任务的日志统一输出到了carte日志里，不能为每个任务设置日志。

0x03 调用

远程提交job/trans时，同样支持资料库提交任务，carte服务器上需要提前配置好资料库。执行job的api是kettle/executeJob，通过curl提交命令：

curl -u "cluster:cluster" "http://dev-bi-cdh05:9080/kettle/executeJob/?rep=rep-test01&job=/test01_job&P1=test"

-u ：指定用户名和密码

rep参数：指定配置的资料库

job参数：执行的job

P1参数：kettle的参数变量P1的值

访问web url可以看每个任务的运行状态、查看任务的运行日志：

0x04 监控

上述配置jmx绑定9180端口，为了调试方便，禁用安全认证。开启JMX后，通过第三方服务就能很便捷的对carte应用和服务器各个指标进行监控，如carte内存使用情况、cpu占用率、GC、服务器物理内存等。

0x05 分布式

独立部署的多台slave server，可以组成一个类似分布式的架构，各个slave进行抢占式执行任务。实现逻辑：同一时刻多个slave同时提交同一个任务，在任务内加唯一排他锁校验。举个例子，slave1和slave2同时提交任务A，在A中先判断有没有实际开始执行(比如查表中记录)，如果没有执行就往数据库写一条记录，任务继续执行;如果判断A任务已经开始执行(比如从表中查到相关记录)，任务就直接结束，不再处理后续业务。

这个框架设计重点在唯一排他锁校验，借助数据库表的主键特性也能实现这个功能: 假如任务id是表的主键，任务开始执行时往表里插入id，后来的slave再插入这个任务id时就会异常，就不用再处理后面业务。

缺点：从任务角度看，本质上一个任务还是在一个服务上跑，这样在执行期间就存在单点问题，如果执行任务的slave宕掉，之上的任务不能进行故障转移

优点：slave之间彼此独立，互不影响，如果单台slave宕机，不影响后续任务调度，从整个集群来看是高可用的。而且多个任务平均分布到多台slave上，也能达到负载均衡的效果

0x06 集群

多台slave server可以组成一个集群，集群内指定一个节点充当master角色，其他节点是slave角色，kettle集群采用主从结构，由master统一提交任务。后续再写文章细聊集群。

本文为原创，欢迎分享到朋友圈。