快速试用 Kubernetes 部署
Kubernetes 部署目的是在 Kubernetes 集群中部署 DolphinScheduler 服务,能调度大量任务,可用于在生产中部署。
如果你是新手,想要体验 DolphinScheduler 的功能,推荐使用Standalone方式体检。如果你想体验更完整的功能,或者更大的任务量,推荐使用伪集群部署。如果你是在生产中使用,推荐使用集群部署或者kubernetes
提示: 您也可以尝试使用DolphinScheduler K8S Operator,目前处于 alpha1 阶段
先决条件
- Helm 3.1.0+
- Kubernetes 1.12+
- PV 供应(需要基础设施支持)
安装 dolphinscheduler
# 自行选择对应的版本
export VERSION=3.2.1
helm pull oci://registry-1.docker.io/apache/dolphinscheduler-helm --version ${VERSION}
tar -xvf dolphinscheduler-helm-${VERSION}.tgz
cd dolphinscheduler-helm
helm repo add bitnami https://charts.bitnami.com/bitnami
helm dependency update .
helm install dolphinscheduler .
将名为 dolphinscheduler
的版本(release) 发布到 test
的命名空间中:
$ helm install dolphinscheduler . -n test
提示: 如果名为
test
的命名空间被使用, 选项参数-n test
需要添加到helm
和kubectl
命令中
这些命令以默认配置在 Kubernetes 集群上部署 DolphinScheduler,附录-配置部分列出了可以在安装过程中配置的参数
提示: 列出所有已发布的版本,使用
helm list
PostgreSQL (用户 root
, 密码 root
, 数据库 dolphinscheduler
) 和 ZooKeeper 服务将会默认启动
访问 DolphinScheduler 前端页面
如果 values.yaml
文件中的 ingress.enabled
被设置为 true
, 在浏览器中访问 http://${ingress.host}/dolphinscheduler
即可
提示: 如果 ingress 访问遇到问题,请联系 Kubernetes 管理员并查看 Ingress
否则,当 api.service.type=ClusterIP
时,你需要执行 port-forward 端口转发命令:
$ kubectl port-forward --address 0.0.0.0 svc/dolphinscheduler-api 12345:12345
$ kubectl port-forward --address 0.0.0.0 -n test svc/dolphinscheduler-api 12345:12345 # 使用 test 命名空间
提示: 如果出现
unable to do port forwarding: socat not found
错误, 需要先安装socat
访问前端页面:http://localhost:12345/dolphinscheduler/ui,如果有需要请修改成对应的 IP 地址
或者当 api.service.type=NodePort
时,你需要执行命令:
NODE_IP=$(kubectl get no -n {{ .Release.Namespace }} -o jsonpath="{.items[0].status.addresses[0].address}")
NODE_PORT=$(kubectl get svc {{ template "dolphinscheduler.fullname" . }}-api -n {{ .Release.Namespace }} -o jsonpath="{.spec.ports[0].nodePort}")
echo http://$NODE_IP:$NODE_PORT/dolphinscheduler
然后访问前端页面: http://localhost:12345/dolphinscheduler/ui
默认的用户是admin
,默认的密码是dolphinscheduler123
请参考用户手册章节的快速上手查看如何使用 DolphinScheduler
卸载 dolphinscheduler
卸载名为 dolphinscheduler
的版本(release),请执行:
$ helm uninstall dolphinscheduler
该命令将删除与 dolphinscheduler
相关的所有 Kubernetes 组件(但 PVC 除外),并删除版本(release)
要删除与 dolphinscheduler
相关的 PVC,请执行:
$ kubectl delete pvc -l app.kubernetes.io/instance=dolphinscheduler
注意: 删除 PVC 也会删除所有数据,请谨慎操作!
[试验性] worker 自动扩缩容
警告: 目前此功能尚在试验阶段,不建议在生产环境使用!
DolphinScheduler
使用 KEDA 对 worker 进行自动扩缩容。但是 DolphinScheduler
默认是不启用该功能的。
您需要做下列配置来启用该功能:
首先您需要创建一个单独的命名空间并使用 helm
安装 KEDA
:
helm repo add kedacore https://kedacore.github.io/charts
helm repo update
kubectl create namespace keda
helm install keda kedacore/keda \
--namespace keda \
--version "v2.0.0"
其次,您需要将 values.yaml
中的 worker.keda.enabled
配置设置成 true
,或者您可以通过以下命令安装 chart:
helm install dolphinscheduler . --set worker.keda.enabled=true -n <your-namespace-to-deploy-dolphinscheduler>
一旦自动扩缩容功能启用,worker的数量将基于任务状态在 minReplicaCount
和 maxReplicaCount
之间弹性扩缩。
举例来说,当您的 DolphinScheduler
实例中没有任务在运行时,将不会有 worker。因此,这个功能会显著节约资源,降低您的使用成本。
自动扩缩容功能目前支持 DolphinScheduler 官方 helm chart
中自带的 postgresql
and mysql
。
如果您要使用外部的数据库,自动扩缩容功能目前只支持 mysql
和 postgresql
类型的外部数据库。
如果您在使用自动扩缩容时需要改变 worker WORKER_EXEC_THREADS
的值,请直接在 values.yaml
中修改 worker.env.WORKER_EXEC_THREADS
的值,
而不要通过 configmap
来更新。
配置
配置文件为 values.yaml
,附录-配置 表格列出了 DolphinScheduler 的可配置参数及其默认值
支持矩阵
Type | 支持 | 备注 |
---|---|---|
Shell | 是 | |
Python2 | 是 | |
Python3 | 间接支持 | 详见 FAQ |
Hadoop2 | 间接支持 | 详见 FAQ |
Hadoop3 | 尚未确定 | 尚未测试 |
Spark-Local(client) | 间接支持 | 详见 FAQ |
Spark-YARN(cluster) | 间接支持 | 详见 FAQ |
Spark-Standalone(cluster) | 尚不 | |
Spark-Kubernetes(cluster) | 尚不 | |
Flink-Local(local>=1.11) | 尚不 | Generic CLI 模式尚未支持 |
Flink-YARN(yarn-cluster) | 间接支持 | 详见 FAQ |
Flink-YARN(yarn-session/yarn-per-job/yarn-application>=1.11) | 尚不 | Generic CLI 模式尚未支持 |
Flink-Standalone(default) | 尚不 | |
Flink-Standalone(remote>=1.11) | 尚不 | Generic CLI 模式尚未支持 |
Flink-Kubernetes(default) | 尚不 | |
Flink-Kubernetes(remote>=1.11) | 尚不 | Generic CLI 模式尚未支持 |
Flink-NativeKubernetes(kubernetes-session/application>=1.11) | 尚不 | Generic CLI 模式尚未支持 |
MapReduce | 间接支持 | 详见 FAQ |
Kerberos | 间接支持 | 详见 FAQ |
HTTP | 是 | |
DataX | 间接支持 | 详见 FAQ |
Sqoop | 间接支持 | 详见 FAQ |
SQL-MySQL | 间接支持 | 详见 FAQ |
SQL-PostgreSQL | 是 | |
SQL-Hive | 间接支持 | 详见 FAQ |
SQL-Spark | 间接支持 | 详见 FAQ |
SQL-ClickHouse | 间接支持 | 详见 FAQ |
SQL-Oracle | 间接支持 | 详见 FAQ |
SQL-SQLServer | 间接支持 | 详见 FAQ |
SQL-DB2 | 间接支持 | 详见 FAQ |
FAQ
如何查看一个 pod 容器的日志?
列出所有 pods (别名 po
):
kubectl get po
kubectl get po -n test # with test namespace
查看名为 dolphinscheduler-master-0 的 pod 容器的日志:
kubectl logs dolphinscheduler-master-0
kubectl logs -f dolphinscheduler-master-0 # 跟随日志输出
kubectl logs --tail 10 dolphinscheduler-master-0 -n test # 显示倒数10行日志
如何在 Kubernetes 上扩缩容 api, master 和 worker?
列出所有 deployments (别名 deploy
):
kubectl get deploy
kubectl get deploy -n test # with test namespace
扩缩容 api 至 3 个副本:
kubectl scale --replicas=3 deploy dolphinscheduler-api
kubectl scale --replicas=3 deploy dolphinscheduler-api -n test # with test namespace
列出所有 statefulsets (别名 sts
):
kubectl get sts
kubectl get sts -n test # with test namespace
扩缩容 master 至 2 个副本:
kubectl scale --replicas=2 sts dolphinscheduler-master
kubectl scale --replicas=2 sts dolphinscheduler-master -n test # with test namespace
扩缩容 worker 至 6 个副本:
kubectl scale --replicas=6 sts dolphinscheduler-worker
kubectl scale --replicas=6 sts dolphinscheduler-worker -n test # with test namespace
如何用 MySQL 替代 PostgreSQL 作为 DolphinScheduler 的数据库?
由于商业许可证的原因,我们不能直接使用 MySQL 的驱动包.
如果你要使用 MySQL, 你可以基于官方镜像
apache/dolphinscheduler-<service>
进行构建.从 3.0.0 版本起,dolphinscheduler 已经微服务化,更改元数据存储需要对把所有的服务都替换为 MySQL 驱动包,包括 dolphinscheduler-tools, dolphinscheduler-master, dolphinscheduler-worker, dolphinscheduler-api, dolphinscheduler-alert-server .
下载 MySQL 驱动包 mysql-connector-java-8.0.16.jar
创建一个新的
Dockerfile
,用于添加 MySQL 的驱动包:
FROM dolphinscheduler.docker.scarf.sh/apache/dolphinscheduler-<service>:<version>
# 例如
# FROM dolphinscheduler.docker.scarf.sh/apache/dolphinscheduler-tools:<version>
# 注意,如果构建的是dolphinscheduler-tools镜像
# 需要将下面一行修改为COPY mysql-connector-java-8.0.16.jar /opt/dolphinscheduler/tools/libs
# 其他服务保持不变即可
COPY mysql-connector-java-8.0.16.jar /opt/dolphinscheduler/libs
- 构建一个包含 MySQL 驱动包的新镜像:
docker build -t apache/dolphinscheduler-<service>:mysql-driver .
推送 docker 镜像
apache/dolphinscheduler-<service>:mysql-driver
到一个 docker registry 中修改
values.yaml
文件中 image 的repository
字段,并更新tag
为mysql-driver
修改
values.yaml
文件中 postgresql 的enabled
为false
修改
values.yaml
文件中的 externalDatabase 配置 (尤其修改host
,username
和password
)
externalDatabase:
type: "mysql"
host: "localhost"
port: "3306"
username: "root"
password: "root"
database: "dolphinscheduler"
params: "useUnicode=true&characterEncoding=UTF-8"
- 部署 dolphinscheduler (详见安装 dolphinscheduler)
如何在数据源中心支持 MySQL 或者 Oracle 数据源?
由于商业许可证的原因,我们不能直接使用 MySQL 或者 Oracle 的驱动包.
如果你要添加 MySQL 或者 Oracle, 你可以基于官方镜像
apache/dolphinscheduler-<service>
进行构建.需要更改 dolphinscheduler-worker, dolphinscheduler-api 两个服务的镜像.
下载 MySQL 驱动包 mysql-connector-java-8.0.16.jar 或者 Oracle 驱动包 ojdbc8.jar (例如
ojdbc8-19.9.0.0.jar
)创建一个新的
Dockerfile
,用于添加 MySQL 或者 Oracle 驱动包:
FROM dolphinscheduler.docker.scarf.sh/apache/dolphinscheduler-<service>:<version>
# 例如
# FROM dolphinscheduler.docker.scarf.sh/apache/dolphinscheduler-worker:<version>
# 如果你想支持 MySQL 数据源
COPY mysql-connector-java-8.0.16.jar /opt/dolphinscheduler/libs
# 如果你想支持 Oracle 数据源
COPY ojdbc8-19.9.0.0.jar /opt/dolphinscheduler/libs
- 构建一个包含 MySQL 或者 Oracle 驱动包的新镜像:
docker build -t apache/dolphinscheduler-<service>:new-driver .
推送 docker 镜像
apache/dolphinscheduler-<service>:new-driver
到一个 docker registry 中修改
values.yaml
文件中 image 的repository
字段,并更新tag
为new-driver
部署 dolphinscheduler (详见安装 dolphinscheduler)
在数据源中心添加一个 MySQL 或者 Oracle 数据源
如何支持 Python 2 pip 以及自定义 requirements.txt?
只需要更改 dolphinscheduler-worker 服务的镜像.
- 创建一个新的
Dockerfile
,用于安装 pip:
FROM dolphinscheduler.docker.scarf.sh/apache/dolphinscheduler-worker:<version>
COPY requirements.txt /tmp
RUN apt-get update && \
apt-get install -y --no-install-recommends python-pip && \
pip install --no-cache-dir -r /tmp/requirements.txt && \
rm -rf /var/lib/apt/lists/*
这个命令会安装默认的 pip 18.1. 如果你想升级 pip, 只需添加一行
pip install --no-cache-dir -U pip && \
- 构建一个包含 pip 的新镜像:
docker build -t apache/dolphinscheduler-worker:pip .
推送 docker 镜像
apache/dolphinscheduler-worker:pip
到一个 docker registry 中修改
values.yaml
文件中 image 的repository
字段,并更新tag
为pip
部署 dolphinscheduler (详见安装 dolphinscheduler)
在一个新 Python 任务下验证 pip
如何支持 Python 3?
只需要更改 dolphinscheduler-worker 服务的镜像.
- 创建一个新的
Dockerfile
,用于安装 Python 3:
FROM dolphinscheduler.docker.scarf.sh/apache/dolphinscheduler-worker:<version>
RUN apt-get update && \
apt-get install -y --no-install-recommends python3 && \
rm -rf /var/lib/apt/lists/*
这个命令会安装默认的 Python 3.7.3. 如果你也想安装 pip3, 将 python3
替换为 python3-pip
即可
apt-get install -y --no-install-recommends python3-pip && \
- 构建一个包含 Python 3 的新镜像:
docker build -t apache/dolphinscheduler-worker:python3 .
推送 docker 镜像
apache/dolphinscheduler-worker:python3
到一个 docker registry 中修改
values.yaml
文件中 image 的repository
字段,并更新tag
为python3
修改
values.yaml
文件中的PYTHON_LAUNCHER
为/usr/bin/python3
部署 dolphinscheduler (详见安装 dolphinscheduler)
在一个新 Python 任务下验证 Python 3
如何支持 Hadoop, Spark, Flink, Hive 或 DataX?
以 Spark 2.4.7 为例:
下载 Spark 2.4.7 发布的二进制包
spark-2.4.7-bin-hadoop2.7.tgz
确保
common.sharedStoragePersistence.enabled
开启部署 dolphinscheduler (详见安装 dolphinscheduler)
复制 Spark 3.1.1 二进制包到 Docker 容器中
kubectl cp spark-2.4.7-bin-hadoop2.7.tgz dolphinscheduler-worker-0:/opt/soft
kubectl cp -n test spark-2.4.7-bin-hadoop2.7.tgz dolphinscheduler-worker-0:/opt/soft # with test namespace
因为存储卷 sharedStoragePersistence
被挂载到 /opt/soft
, 因此 /opt/soft
中的所有文件都不会丢失
- 登录到容器并确保
SPARK_HOME
存在
kubectl exec -it dolphinscheduler-worker-0 bash
kubectl exec -n test -it dolphinscheduler-worker-0 bash # with test namespace
cd /opt/soft
tar zxf spark-2.4.7-bin-hadoop2.7.tgz
rm -f spark-2.4.7-bin-hadoop2.7.tgz
ln -s spark-2.4.7-bin-hadoop2.7 spark2 # or just mv
$SPARK_HOME/bin/spark-submit --version
如果一切执行正常,最后一条命令将会打印 Spark 版本信息
- 在一个 Shell 任务下验证 Spark
$SPARK_HOME/bin/spark-submit --class org.apache.spark.examples.SparkPi $SPARK_HOME/examples/jars/spark-examples_2.11-2.4.7.jar
检查任务日志是否包含输出 Pi is roughly 3.146015
- 在一个 Spark 任务下验证 Spark
文件 spark-examples_2.11-2.4.7.jar
需要先被上传到资源中心,然后创建一个 Spark 任务并设置:
- 主函数的 Class:
org.apache.spark.examples.SparkPi
- 主程序包:
spark-examples_2.11-2.4.7.jar
- 部署方式:
local
同样地, 检查任务日志是否包含输出 Pi is roughly 3.146015
- 验证 Spark on YARN
Spark on YARN (部署方式为 cluster
或 client
) 需要 Hadoop 支持. 类似于 Spark 支持, 支持 Hadoop 的操作几乎和前面的步骤相同
确保 $HADOOP_HOME
和 $HADOOP_CONF_DIR
存在
如何在 Master、Worker 和 Api 服务之间支持共享存储?
例如, Master、Worker 和 Api 服务可能同时使用 Hadoop
- 修改
values.yaml
文件中下面的配置项
common:
sharedStoragePersistence:
enabled: false
mountPath: "/opt/soft"
accessModes:
- "ReadWriteMany"
storageClassName: "-"
storage: "20Gi"
storageClassName
和 storage
需要被修改为实际值
注意:
storageClassName
必须支持访问模式:ReadWriteMany
将 Hadoop 复制到目录
/opt/soft
确保
$HADOOP_HOME
和$HADOOP_CONF_DIR
正确
如何支持本地文件存储而非 HDFS 和 S3?
修改 values.yaml
文件中下面的配置项
common:
configmap:
RESOURCE_STORAGE_TYPE: "HDFS"
RESOURCE_UPLOAD_PATH: "/dolphinscheduler"
FS_DEFAULT_FS: "file:///"
fsFileResourcePersistence:
enabled: true
accessModes:
- "ReadWriteMany"
storageClassName: "-"
storage: "20Gi"
storageClassName
和 storage
需要被修改为实际值
注意:
storageClassName
必须支持访问模式:ReadWriteMany
如何支持 S3 资源存储,例如 MinIO?
以 MinIO 为例: 修改 values.yaml
文件中下面的配置项
common:
configmap:
RESOURCE_STORAGE_TYPE: "S3"
RESOURCE_UPLOAD_PATH: "/dolphinscheduler"
FS_DEFAULT_FS: "s3a://BUCKET_NAME"
FS_S3A_ENDPOINT: "http://MINIO_IP:9000"
FS_S3A_ACCESS_KEY: "MINIO_ACCESS_KEY"
FS_S3A_SECRET_KEY: "MINIO_SECRET_KEY"
BUCKET_NAME
, MINIO_IP
, MINIO_ACCESS_KEY
和 MINIO_SECRET_KEY
需要被修改为实际值
注意:
MINIO_IP
只能使用 IP 而非域名, 因为 DolphinScheduler 尚不支持 S3 路径风格访问 (S3 path style access)
如何单独部署特定组件?
修改 values.yaml
文件中的 api.enabled
, alert.enabled
master.enabled
或 worker.enabled
配置项
例如,在一个集群中需要同时将 worker 部署到 CPU 服务器和 GPU 服务器,并且 worker 使用不同的镜像,可以这样做:
# 安装 master、api-server、alert-server以及其他默认组件,但是不安装 worker
helm install dolphinscheduler . --set worker.enabled=false
# 禁用其他组件的安装,只安装 worker,使用自行建构建的 CPU镜像,通过 nodeselector部署到附带 x86标签的 CPU服务器,使用 zookeeper作为外部注册中心
helm install dolphinscheduler-cpu-worker . \
--set minio.enabled=false --set postgresql.enabled=false --set zookeeper.enabled=false \
--set master.enabled=false --set api.enabled=false --set alert.enabled=false \
--set worker.enabled=true --set image.tag=latest-cpu --set worker.nodeSelector.cpu="x86" \
--set externalRegistry.registryPluginName=zookeeper --set externalRegistry.registryServers=dolphinscheduler-zookeeper:2181
# 禁用其他组件的安装,只安装 worker,使用自行建构建的 GPU 镜像,通过 nodeselector部署到附带 a100标签的 gpu服务器,使用zookeeper作为外部注册中心
helm install dolphinscheduler-gpu-worker . \
--set minio.enabled=false --set postgresql.enabled=false --set zookeeper.enabled=false \
--set master.enabled=false --set api.enabled=false --set alert.enabled=false \
--set worker.enabled=true --set image.tag=latest-gpu --set worker.nodeSelector.gpu="a100" \
--set externalRegistry.registryPluginName=zookeeper --set externalRegistry.registryServers=dolphinscheduler-zookeeper:2181
注意:以上步骤仅供参考,具体操作需要根据实际情况进行调整。