CN112579267A - 一种去中心化大数据作业流调度方法及装置 - Google Patents
一种去中心化大数据作业流调度方法及装置 Download PDFInfo
- Publication number
- CN112579267A CN112579267A CN202011044841.4A CN202011044841A CN112579267A CN 112579267 A CN112579267 A CN 112579267A CN 202011044841 A CN202011044841 A CN 202011044841A CN 112579267 A CN112579267 A CN 112579267A
- Authority
- CN
- China
- Prior art keywords
- task
- cluster
- job flow
- process instance
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/52—Program synchronisation; Mutual exclusion, e.g. by means of semaphores
- G06F9/524—Deadlock detection or avoidance
Abstract
本发明涉及一种去中心化大数据作业流调度方法及装置。作业流调度方法包括以下步骤:步骤S1,构建作业流并转化为进程实例,对进程实例执行操作命令并写入工作流命令表;步骤S2,Master集群竞争获取工作流命令表中的命令并分析对应进程实例,将进程实例拆分成任务实例,并且写入任务队列中;步骤S3,Worker集群竞争获取任务队列中的批次任务,将批次任务实例化之后执行批次任务。本发明Master集群和Worker集群都采用去中心化的方式布设,同时采用分布式锁来选定其中一台服务器作为管理者执行任务,所有节点都可以充当Maste/Worker职能,不存在区别于其他节点的单一管理者,避免因中心化Master节点出故障而导致整个大数据作业调度而停止运行,提高了系统的稳定性和鲁棒性。
Description
技术领域
本发明涉及大数据作业流处理技术,尤其涉及一种去中心化大数据作业流调度方法及装置。
背景技术
身处于大数据时代,无论是哪个行业,都大大小小受到大数据的影响大。随着大数据技术的广泛应用及普及,越来越多的数据处理、数据分析等任务需要使用大数据集群如hadoop、Spark来进行计算完成。同时某个数据分析事务需要由多个计算子任务以工作流方式进行组装完成,按照工作流程配置的先后顺序制定严格调度执行策略。为了进一步提高编程的灵活性和作业执行的效率,通常通过构建统一大数据作业流管理平台方式进行大数据作业调度的管理,将所有需要提交到大数据集群中进行数据分析任务以jar包、shell、SQL语法等方式提交,通过组件方式设置任务执行的集群位置、执行方式、执行时间等。
目前市场上主流大数据作业流调度平台主要是以主节点主要以中心化部署模式为主,工作节点采用分布式部署。主工作节点(Master)目前更多是提供HA(Master/Slave)方式进行部署,满足基本故障转移。但是当主节点的工作服务器与备份服务器同时发生故障时,整个大数据作业调度任务将完全瘫痪,所有大数据计算工作将无法正常进行,给终端行业客户带来巨大损失。
在大数据作业流调度平台中,工作主节点主要是以中心化或故障转移方式进行部署,主节点Master充当整个作业流调度中对各个工作节点服务器Worker的资源协调及任务执行调度,来保障资源协调及任务。Master的角色主要负责任务分发并监督Slave的健康状态,可以动态的将任务均衡到Slave上,以致Slave节点不至于“忙死”或”闲死”的状态。Worker的角色主要负责任务的执行工作并维护和Master的心跳,以便Master可以分配任务给Slave。也有采用Master/Slave架构模式采用了主备Master的设计方案,可以是热备或者冷备,也可以是自动切换或手动切换,而且越来越多的新系统都开始具备自动选举切换Master的能力,以提升系统的可用性。
以上实现方式都存在主节点Master集中化风险,一旦主节点Master出现了故障,所有工作节点将无法正常进行,导致整个系统瘫痪。所有大数据作业调度任务将无法正常运行,作业流调度处理会受到极大影响。
发明内容
本发明的目的在于为克服现有技术的以上缺陷,而提供一种去中心化大数据作业流调度方法及装置,减少因为主节点出问题而导致整体瘫痪的情况,提高系统的稳定性和鲁棒性。
为实现上述目的,本发明采用以下技术方案:一种去中心化大数据作业流调度方法,其包括以下步骤:
步骤S1,构建作业流并转化为进程实例,对进程实例执行操作命令并写入工作流命令表;
步骤S2,Master集群竞争获取工作流命令表中的命令并分析对应进程实例,将进程实例拆分成任务实例,并且写入任务队列中;
步骤S3,Worker集群竞争获取任务队列中的批次任务,将批次任务实例化之后执行批次任务。
作业流调度方法还包括步骤S4,进程实例所有任务执行成功后,Master集群的服务器对作业流执行完毕状态入库。
步骤S1包括:在网络上构建有向无环图作业流,将作业流转化为一条进程实例,写入到进程实例表中;随后在网络上对该进程实例开始执行操作命令写入工作流命令表。
步骤S2包括:
Master集群中的所有第一服务器定时向外部协调集群竞争获取第一分布式锁,成功获取第一分布式锁的第一服务器从工作流命令表获取第一条命令,并分析该命令实例化对应的进程实例;
第一服务器将该进程实例提交执行并释放第一分布式锁;
第一服务器将该进程实例拆分成单独的任务实例,并且按照作业流顺序对有向无环图作业流进行绘制;
第一服务器定时判断上一个进程实例的任务是否执行成功,若成功,则将任务实例和进程实例写入到协调集群的任务队列上。
步骤S2中,协调集群为zookeeper集群,第一分布式锁为zookeeper分布式锁。
步骤S2中,第一服务器定时判断上一个进程实例的任务是否执行成功,若成功,根据有向无环图作业流将准备要执行的任务节点写入到任务实例表,得到任务实例ID和该任务实例对应的进程实例ID写入到协调集群的任务队列上。
步骤S3包括:
Worker集群的所有第二服务器定时向外部协调集群竞争获取第二分布式锁,成功获取第二分布式锁的第二服务器从任务队列上获取批次任务,随后将该批次任务解析并实例化得出任务实例和进程实例,放置在一个集合队列中;
第二服务器将集合队列里面的任务实例和进程实例提交执行并释放第二分布式锁;
第二服务器将批次任务的最终执行状态入库。
在步骤S3中,协调集群为zookeeper集群,第二分布式锁为zookeeper分布式锁。
本发明还公开一种电子设备,其包括:处理器;以及存储器,存储器上存储有计算机可读指令,计算机可读指令被处理器执行时实现根据以上的作业流调度方法。
本发明还公开一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现根据以上的作业流调度方法。
本发明与现有技术相比的有益效果是:Master集群和Worker集群都采用去中心化的方式布设,同时采用分布式锁来选定其中一台服务器作为管理者执行任务,所有节点都可以充当Maste/Worker职能,不存在区别于其他节点的单一管理者,单点故障不会影响整个系统运作,避免因中心化Master节点出故障而导致整个大数据作业调度而停止运行,提高了系统的稳定性和鲁棒性。
附图说明
图1为本发明作业流调度方法的流程图。
图2为本发明作业流调度方法涉及的系统框图。
需要说明的是,以上视图所示产品均为适应图纸大小及视图清楚而进行了适当的缩小/放大,并不对视图所示产品大小加以限制。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例。相反,提供这些实施例使得本公开将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本公开的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下,不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本发明实施例是一种去中心化大数据作业流调度方法,其流程图如图1所示。作业流调度方法涉及到的硬件如图2所示,具体涉及到WEB客户端、Master集群、Worker集群和外部的协调集群。作业流调度方法包括以下步骤:步骤S1,构建作业流并转化为进程实例,对进程实例执行操作命令并写入工作流命令表;步骤S2,Master集群竞争获取工作流命令表中的命令并分析对应进程实例,将进程实例拆分成任务实例,并且写入任务队列中;步骤S3,Worker集群竞争获取任务队列中的批次任务,将批次任务实例化之后执行批次任务;步骤S4,进程实例所有任务执行成功后,Master集群的第一服务器对作业流执行完毕状态入库。
本实施例的作业流调度方法中,Master集群和Worker集群都采用去中心化的方式布设,同时采用分布式锁来选定其中一台服务器作为管理者执行任务,所有节点都可以充当Maste/Worker职能,不存在区别于其他节点的单一管理者,单点故障不会影响整个系统运作,避免因中心化Master节点出故障而导致整个大数据作业调度而停止运行,提高了系统的稳定性和鲁棒性。
以下对作业流调度方法的各个步骤进行详细描述。
本实施例的步骤S1用于构建作业流并转化为进程实例,随后对进程实例执行操作命令并写入工作流命令表。具体地,步骤S1中,先在网络上构建有向无环图作业流。网络(WEB)是由所有的工作节点所构成的网络。有向无环图作业流是一种JAVA类。随后将作业流转化为一条进程实例,写入到进程实例表中。最后在网络上对该进程实例开始执行操作命令并写入工作流命令表。
本实施例的步骤S2用于控制Master集群竞争获取工作流命令表中的命令并分析对应进程实例,将进程实例拆分成任务实例,并且写入任务队列中。具体地,步骤S2中,先让Master集群中的所有第一服务器定时向外部协调集群竞争获取第一分布式锁。竞争的方式是速度优先,也即是哪一台第一服务器以最快速度获取到第一分布式锁即为竞争成功。在步骤S2中,协调集群为zookeeper集群,第一分布式锁为zookeeper分布式锁。成功获取第一分布式锁的第一服务器从工作流命令表获取第一条命令,并分析出该命令实例化对应的进程实例。随后该第一服务器将该进程实例放到进程实例处理线程池中并提交执行线程,此时该第一服务器还会释放第一分布式锁。当第一分布式锁被释放之后,Master集群中的第一服务器就可以继续开始竞争第一分布式锁,进行下一个命令的获取、执行。当进程实例被提交执行后,第一服务器将该进程实例拆分成单独的任务实例,并且按照作业流顺序对有向无环图作业流进行绘制。随后第一服务器定时判断上一个进程实例的任务是否执行成功。若之前并没有执行进程实例,则直接判断为成功。若上一个进程实例执行成功,则根据有向无环图作业流将下一个准备要执行的任务节点写入到任务实例表,得到任务实例ID和该任务实例对应的进程实例ID写入到协调集群的任务队列上。如果上一个进程实例执行失败,则停止整个进程实例的执行。
本实施例的步骤S3用于控制Worker集群竞争获取任务队列中的批次任务,并将批次任务实例化之后执行批次任务。具体地,在步骤S3中,Worker集群的所有第二服务器定时向外部协调集群竞争获取第二分布式锁。竞争的方式是速度优先,也即是哪一台第二服务器以最快速度获取到第二分布式锁即为竞争成功。在步骤S3中,协调集群为zookeeper集群,第二分布式锁为zookeeper分布式锁。步骤S3中的第二分布式锁与步骤S2中的第一分布式锁并不是同一个分布式锁。成功获取了第二分布式锁的第二服务器从协调集群的任务队列上获取批次任务。随后将该批次任务解析并实例化得出任务实例和进程实例,放置在一个集合队列中。第二服务器循环遍历集合队列,以将集合队列里面的任务实例和进程实例放入到任务执行线程池中并提交线程执行。与此同时,第二服务器会释放第二分布式锁。当第二分布式锁被释放之后,Worker集群中的第二服务器就可以继续开始竞争第二分布式锁,进行下一批次任务的获取、执行。
第二服务器将批次任务执行完成之后,将批次任务的最终执行状态存入共用的数据库中。此数据库中存有的任务执行状态可以供步骤S2中第一服务器定时判断上一个进程实例的任务是否执行成功。
本实施例的步骤S4中,当进程实例所有任务执行成功后,Master集群的第一服务器对作业流执行完毕状态存入共用的数据库中。作业流执行完毕状态可以是全部执行成功、部分执行成功或全部执行失败。
本实施例的作业流调度方法实现了整个大数据作业任务调度所有服务器集群节点都可以随时选择充当主节点,通过多线程调度方式,保障第一服务器和第二服务器之间有序异步运行,同时根据具体的业务逻辑进行流程实例容错或者任务实例容错。也避免了因单个中心化节点出故障而导致整个作业流调度集群停止运行的情况。
此外,在本发明的实施例中,还提供了一种能够实现上述作业流调度方法的电子设备。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施例、完全的软件实施例(包括固件、微代码等),或硬件和软件方面结合的实施例,这里可以统称为“电路”、“模块”或“系统”。
电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于:上述至少一个处理单元、上述至少一个存储单元、连接不同系统组件(包括存储单元和处理单元)的总线、显示单元。
其中,存储单元存储有程序代码,程序代码可以被处理单元执行,使得处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如,处理单元可以执行本发明作业流调度方法的步骤S1至步骤S4。
存储单元可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)和/或高速缓存存储单元,还可以进一步包括只读存储单元(ROM)。
存储单元还可以包括具有一组(至少一个)程序模块的程序/实用工具,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备交互的设备通信,和/或与使得该电子设备能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口进行。并且,电子设备还可以通过网络适配器与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器通过总线与电子设备的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述,本领域的技术人员易于理解,这里描述的示例实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施例的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述作业流调度方法的程序产品。在一些可能的实施例中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
根据本发明的实施例的用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限定。
Claims (10)
1.一种去中心化大数据作业流调度方法,其特征在于,其包括以下步骤:
步骤S1,构建作业流并转化为进程实例,对进程实例执行操作命令并写入工作流命令表;
步骤S2,Master集群竞争获取工作流命令表中的命令并分析对应进程实例,将进程实例拆分成任务实例,并且写入任务队列中;
步骤S3,Worker集群竞争获取任务队列中的批次任务,将批次任务实例化之后执行批次任务。
2.如权利要求1所述的去中心化大数据作业流调度方法,其特征在于,还包括步骤S4,进程实例所有任务执行成功后,Master集群的第一服务器对作业流执行完毕状态入库。
3.如权利要求1所述的去中心化大数据作业流调度方法,其特征在于,所述步骤S1包括:在网络上构建有向无环图作业流,将作业流转化为一条进程实例,写入到进程实例表中;随后在网络上对该进程实例开始执行操作命令写入工作流命令表。
4.如权利要求1所述的去中心化大数据作业流调度方法,其特征在于,所述步骤S2包括:
Master集群中的所有第一服务器定时向外部协调集群竞争获取第一分布式锁,成功获取第一分布式锁的第一服务器从工作流命令表获取第一条命令,并分析该命令实例化对应的进程实例;
第一服务器将该进程实例提交执行并释放第一分布式锁;
第一服务器将该进程实例拆分成单独的任务实例,并且按照作业流顺序对所述有向无环图作业流进行绘制;
第一服务器定时判断上一个进程实例的任务是否执行成功,若成功,则将任务实例和进程实例写入到协调集群的任务队列上。
5.如权利要求4所述的去中心化大数据作业流调度方法,其特征在于,在所述步骤S2中,所述协调集群为zookeeper集群,所述第一分布式锁为zookeeper分布式锁。
6.如权利要求4所述的去中心化大数据作业流调度方法,其特征在于,所述步骤S2中,第一服务器定时判断上一个进程实例的任务是否执行成功,若成功,根据有向无环图作业流将准备要执行的任务节点写入到任务实例表,得到任务实例ID和该任务实例对应的进程实例ID写入到协调集群的任务队列上。
7.如权利要求1所述的去中心化大数据作业流调度方法,其特征在于,所述步骤S3包括:
Worker集群的所有第二服务器定时向外部协调集群竞争获取第二分布式锁,成功获取第二分布式锁的第二服务器从任务队列上获取批次任务,随后将该批次任务解析并实例化得出任务实例和进程实例,放置在一个集合队列中;
第二服务器将集合队列里面的任务实例和进程实例提交执行并释放第二分布式锁;
第二服务器将批次任务的最终执行状态入库。
8.如权利要求7所述的去中心化大数据作业流调度方法,其特征在于,在所述步骤S3中,所述协调集群为zookeeper集群,所述第二分布式锁为zookeeper分布式锁。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现根据权利要求1至8中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现根据权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044841.4A CN112579267A (zh) | 2020-09-28 | 2020-09-28 | 一种去中心化大数据作业流调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011044841.4A CN112579267A (zh) | 2020-09-28 | 2020-09-28 | 一种去中心化大数据作业流调度方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112579267A true CN112579267A (zh) | 2021-03-30 |
Family
ID=75119721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011044841.4A Pending CN112579267A (zh) | 2020-09-28 | 2020-09-28 | 一种去中心化大数据作业流调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112579267A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032125A (zh) * | 2021-04-02 | 2021-06-25 | 京东数字科技控股股份有限公司 | 作业调度方法、装置、计算机系统和计算机可读存储介质 |
CN113434279A (zh) * | 2021-07-14 | 2021-09-24 | 上海浦东发展银行股份有限公司 | 一种任务执行方法、装置、设备及存储介质 |
CN114221863A (zh) * | 2022-02-22 | 2022-03-22 | 湖南云畅网络科技有限公司 | 一种分布式集群的节点智能选举方法 |
CN115002124A (zh) * | 2022-08-01 | 2022-09-02 | 太极计算机股份有限公司 | 分布式任务调度处理方法、装置和设备 |
CN115840631A (zh) * | 2023-01-04 | 2023-03-24 | 中科金瑞(北京)大数据科技有限公司 | 基于raft的高可用分布式任务调度方法和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406983A (zh) * | 2015-07-27 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 一种集群中的任务调度方法及装置 |
CN106874115A (zh) * | 2017-01-20 | 2017-06-20 | 杭州虚核科技有限公司 | 一种虚拟机资源分配方法及分布式虚拟机资源调度系统 |
US10331380B1 (en) * | 2015-04-06 | 2019-06-25 | EMC IP Holding Company LLC | Scalable distributed in-memory computation utilizing batch mode extensions |
CN110096342A (zh) * | 2019-05-08 | 2019-08-06 | 深圳乐信软件技术有限公司 | 任务处理方法、装置、服务器和存储介质 |
-
2020
- 2020-09-28 CN CN202011044841.4A patent/CN112579267A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10331380B1 (en) * | 2015-04-06 | 2019-06-25 | EMC IP Holding Company LLC | Scalable distributed in-memory computation utilizing batch mode extensions |
CN106406983A (zh) * | 2015-07-27 | 2017-02-15 | 阿里巴巴集团控股有限公司 | 一种集群中的任务调度方法及装置 |
CN106874115A (zh) * | 2017-01-20 | 2017-06-20 | 杭州虚核科技有限公司 | 一种虚拟机资源分配方法及分布式虚拟机资源调度系统 |
CN110096342A (zh) * | 2019-05-08 | 2019-08-06 | 深圳乐信软件技术有限公司 | 任务处理方法、装置、服务器和存储介质 |
Non-Patent Citations (3)
Title |
---|
KIRARALOU: "海豚调度DolphinScheduler源码分析(一)", 《HTTPS://BLOG.CSDN.NET/MRERLOU/ARTICLE/DETAILS/109214000》 * |
SMALL_925_ANT: "dolphinscheduler入门学习", 《HTTPS://M.IMOOC.COM/MIP/ARTICLE/300193?IVK_SA=1024320U》 * |
张明智等: "Map Reduce框架下空间大数据的关联规则分析方法", 《系统仿真学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032125A (zh) * | 2021-04-02 | 2021-06-25 | 京东数字科技控股股份有限公司 | 作业调度方法、装置、计算机系统和计算机可读存储介质 |
CN113434279A (zh) * | 2021-07-14 | 2021-09-24 | 上海浦东发展银行股份有限公司 | 一种任务执行方法、装置、设备及存储介质 |
CN114221863A (zh) * | 2022-02-22 | 2022-03-22 | 湖南云畅网络科技有限公司 | 一种分布式集群的节点智能选举方法 |
CN115002124A (zh) * | 2022-08-01 | 2022-09-02 | 太极计算机股份有限公司 | 分布式任务调度处理方法、装置和设备 |
CN115840631A (zh) * | 2023-01-04 | 2023-03-24 | 中科金瑞(北京)大数据科技有限公司 | 基于raft的高可用分布式任务调度方法和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112579267A (zh) | 一种去中心化大数据作业流调度方法及装置 | |
Gu et al. | Liquid: Intelligent resource estimation and network-efficient scheduling for deep learning jobs on distributed GPU clusters | |
US20190220319A1 (en) | Usage instrumented workload scheduling | |
US7779298B2 (en) | Distributed job manager recovery | |
US8595732B2 (en) | Reducing the response time of flexible highly data parallel task by assigning task sets using dynamic combined longest processing time scheme | |
Xu et al. | Adaptive task scheduling strategy based on dynamic workload adjustment for heterogeneous Hadoop clusters | |
CN109347974B (zh) | 提高在线服务质量和集群资源利用率的混合调度系统 | |
US20160055066A1 (en) | Fault tolerance for complex distributed computing operations | |
CN103780655A (zh) | 一种消息传递接口任务和资源调度系统及方法 | |
CN113569987A (zh) | 模型训练方法和装置 | |
CN104598426A (zh) | 用于异构多核处理器系统的任务调度方法 | |
CN115840631B (zh) | 基于raft的高可用分布式任务调度方法和设备 | |
CN115373835A (zh) | Flink集群的任务资源调整方法、装置及电子设备 | |
CN112256406B (zh) | 作业流程平台化调度方法 | |
CN112395736A (zh) | 一种分布交互仿真系统的并行仿真作业调度方法 | |
CN112445598A (zh) | 一种基于quartz的任务调度方法、装置、电子设备以及介质 | |
CN111176806A (zh) | 一种业务处理方法、装置及计算机可读存储介质 | |
CN109656692B (zh) | 一种大数据任务管理方法、装置、设备及存储介质 | |
CN113658351B (zh) | 一种产品生产的方法、装置、电子设备及存储介质 | |
WO2023280208A1 (zh) | 数据处理方法、执行工作站、电子设备和存储介质 | |
CN115858499A (zh) | 一种数据库分区处理方法、装置、计算机设备和存储介质 | |
CN114896049A (zh) | 电力人工智能平台作业任务调度方法、系统、设备及介质 | |
WO2021220616A1 (ja) | 情報処理装置及び情報処理方法、コンピュータプログラム、並びに分散学習システム | |
CN111159237B (zh) | 系统数据分发方法、装置、存储介质及电子设备 | |
CN112581080A (zh) | 一种轻量级的分布式工作流引擎构建系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210330 |
|
WD01 | Invention patent application deemed withdrawn after publication |