Apache DolphinScheduler是一个分布式去中心化，易扩展的可视化DAG工作流任务调度系统。致力于解决数据处理流程中错综复杂的依赖关系，使调度系统在数据处理流程中开箱即用。

SQL节点

测试sql节点，简单做个测试创建一张表并插入测试数据，再从这张表数据并行导入到第二张和第三张表。

1、创建测试库

Create database testdb;

2、创建三张表

CREATE TABLE `testa`(
  `id` int,
  `name` string);
 
CREATE TABLE `testb`(
  `id` int,
  `name` string);
CREATE TABLE `testc`(
  `id` int,
  `name` string);

3、创建新的工作流

4、在工作流创建画布中选择数据库图标，创建hive任务，在testa表中插入测试数据。

5、创建hive任务，将testa中的测试数据插入到testb中。

6、创建hive任务，将testa中的测试数据插入到testc中。

7、使用箭头给三个任务建立联系，指定先后执行顺序，保存并设置工作流名称。

8、上线，执行，查看运行结果。

Datax节点

1、因为在安装时没有配置datax路径，先停止ds集群。演示一个从hive数据导入到mysql的例子。

[root@hadoop101 ds]# sh bin/stop-all.sh

2、在worker节点102、103安装datax。

[root@hadoop102 module]# wget datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
[root@hadoop102 module]# tar -zxvf datax.tar.gz
[root@hadoop102 module]# scp -r datax hadoop103:/opt/module/

3、配置DolphinScheduler env下的dolphinscheduler_env.sh,设置datax路径

[root@hadoop101 ds]# vim conf/env/dolphinscheduler_env.sh
exportDATAX_HOME=/opt/module/datax/bin/datax.py
[root@hadoop101 ds]# scp conf/env/dolphinscheduler_env.sh hadoop102:/opt/module/ds/conf/env/
[root@hadoop101 ds]# scp conf/env/dolphinscheduler_env.sh hadoop103:/opt/module/ds/conf/env/

4、重启ds,创建datax节点

[root@hadoop101 ds]# sh bin/start-all.sh

5、创建新的工作流。

6、在工作流画布上添加DataX任务。

7、由于默认数据源中不存在hive，所以开启自定义模板，放入对应json，在json中定义了具体的操作和必要的配置参数。hdfs路径上存在分区目录，在实际情况导数据的时候分区肯定不能写死，需要传参，所以使用自定义参数。

8、设置好参数后，启动任务。

9、查看任务执行结果。

系统参数

1、刚才演示的datax任务中网站分区和时间分区参数都写成了固定值，那么在实际环境中，跑离线数仓任务，都是今天跑昨天的全量数据，所以时间参数不能定死，需要用到以下参数。

2、参数里是引用系统参数，也可以是指定常量。也可以使用以下格式

* 后 N 年：$[add_months(yyyyMMdd,12*N)]

* 前 N 年：$[add_months(yyyyMMdd,-12*N)]

* 后 N 月：$[add_months(yyyyMMdd,N)]

* 前 N 月：$[add_months(yyyyMMdd,-N)]

* 后 N 周：$[yyyyMMdd+7*N]

* 前 N 周：$[yyyyMMdd-7*N]

* 后 N 天：$[yyyyMMdd+N]

* 前 N 天：$[yyyyMMdd-N]

* 后 N 小时：$[HHmmss+N/24]

* 前 N 小时：$[HHmmss-N/24]

* 后 N 分钟：$[HHmmss+N/24/60]

* 前 N 分钟：$[HHmmss-N/24/60]

3、测试，发现日期已发生变化，变成了前一天的日期，该函数可以用来跑每日的定时任务。

子节点

1、创建工作流，演示一个完整流程，先跑spark任务，跑完之后跑datax任务。

2、创建三个spark节点任务。

3、选中子添加点图标，添加对应datax子节点。

4、使用箭头确定任务的先后执行顺序。

5、删除HDFS和mysql上的历史数据。

[root@hadoop103 ~]# hadoop dfs -rm -r -skipTrash /user/hive/warehouse/dwd.db
[root@hadoop103 ~]# hadoop dfs -rm -r -skipTrash /user/hive/warehouse/dws.db
[root@hadoop103 ~]# hadoop dfs -rm -r -skipTrash /user/hive/warehouse/ads.db
 
TRUNCATE TABLE user_question_detail

6、上线、执行。

7、查看运行结果。

配置邮件服务器

1、开启邮箱的SMTP服务，并且获取对应授权码，我这里接收分别为zxuxrvbrwcsydhfi 和ihohwbjladjdeahh。

2、在alert.properties配置文件中做如下配置。由于我演示的阿里云环境，默认25端口不开启，改用stmps服务对应587端口。

[root@hadoop101 conf]# vim alert.properties
mail.protocol=SMTP
mail.server.host=smtp.qq.com
mail.server.port=587
mail.sender=2473196869@qq.com
mail.user=2473196869@qq.com
mail.passwd=zxuxrvbrwcsydhfi
# TLS
mail.smtp.starttls.enable=true
# SSL
mail.smtp.ssl.enable=false
mail.smtp.ssl.trust=smtp.qq.com
[root@hadoop101 conf]# scp alert.properties hadoop102:/opt/module/ds/conf/
[root@hadoop101 conf]# scp alert.properties hadoop103:/opt/module/ds/conf/
[root@hadoop101 conf]# cd ..
[root@hadoop101 ds]# sh bin/stop-all.sh
[root@hadoop101 ds]# sh bin/start-all.sh

3、创建测试工作流。

4、执行工作流，并在启动前配置参数，配置为任务成功则发送邮件。

5、执行成功后，查看邮件。

了解更多内容：

任务调度系统的后起之秀——DolphinScheduler（二）

任务调度系统的后起之秀——DolphinSchedular（一）

Airflow教程——使用Airflow实现简单的工作流调度

hadoop 支持三种调度器

触发事务回滚得异常、超时和只读属性