一、調(diào)度系統(tǒng)簡介

Buffalo調(diào)度是一款京東自主研發(fā)的分布式DAG作業(yè)調(diào)度系統(tǒng)。為京東的數(shù)據(jù)開發(fā)工程師、算法工程師、數(shù)據(jù)分析師等用戶提供了離線作業(yè)的編排&調(diào)試、監(jiān)控運(yùn)維、DAG調(diào)度等系統(tǒng)能力，致力于打造行業(yè)領(lǐng)先的穩(wěn)定高效、產(chǎn)品簡潔高體驗(yàn)、任務(wù)監(jiān)控全面、資源容器化、系統(tǒng)能力開放化的ETL調(diào)度系統(tǒng)。

在京東調(diào)度系統(tǒng)核心面臨的挑戰(zhàn)有以下幾個(gè)：

1.業(yè)務(wù)復(fù)雜帶來的依賴關(guān)系復(fù)雜：復(fù)雜的數(shù)據(jù)鏈路，使得部分任務(wù)有數(shù)百、甚至上千個(gè)上下游，層級多達(dá)數(shù)十層。跨天依賴、數(shù)據(jù)回刷、月度匯總等業(yè)務(wù)場景，需任務(wù)間依賴存在大小周期依賴、跨天依賴等復(fù)雜場景，任務(wù)依賴關(guān)系數(shù)據(jù)構(gòu)成一個(gè)龐大且復(fù)雜的有向無環(huán)圖。

2.業(yè)務(wù)體量大且穩(wěn)定性&性能要求高：目前平臺(tái)有數(shù)十萬任務(wù)，百萬+依賴關(guān)系，日均百萬+調(diào)度頻次，不僅關(guān)系復(fù)雜、執(zhí)行量大，且系統(tǒng)的任何細(xì)微異常，都可能導(dǎo)致數(shù)據(jù)鏈路異常，核心數(shù)據(jù)受損，這對調(diào)度系統(tǒng)的穩(wěn)定性和性能帶來了不小挑戰(zhàn)。

3.數(shù)據(jù)加工場景復(fù)雜需支撐豐富調(diào)度能力：支持集團(tuán)多個(gè)BG業(yè)務(wù)，業(yè)務(wù)場景多樣，涉及數(shù)據(jù)采集、數(shù)據(jù)計(jì)算、數(shù)據(jù)推送、數(shù)據(jù)轉(zhuǎn)換等多種任務(wù)類型、多種執(zhí)行方式、多種觸發(fā)規(guī)則，以及控制節(jié)點(diǎn)、任務(wù)間的數(shù)據(jù)傳遞、數(shù)據(jù)補(bǔ)錄場景等，對系統(tǒng)功能的豐富度和靈活度提出新要求。

二、核心技術(shù)方案

為支撐靈活的業(yè)務(wù)加工和工作流編排場景，快速的業(yè)務(wù)發(fā)展帶來的任務(wù)量增長，以及保障整個(gè)系統(tǒng)的穩(wěn)定性，我們從易用性、穩(wěn)定性、以及高性能等方面做了很多的思考和優(yōu)化，下面我將著重從這三個(gè)方面詳細(xì)介紹。

1. 實(shí)體和編排調(diào)度模型

a) 雙層實(shí)體模型

采用主流的雙層實(shí)體模型，雙層實(shí)體模型中，包含兩個(gè)核心概念：

?Action（環(huán)節(jié)）：環(huán)節(jié)是最小粒度的執(zhí)行單位，攜帶執(zhí)行相關(guān)的信息，如腳本、參數(shù)、環(huán)境等。

?Task（任務(wù)）：任務(wù)是由一個(gè)或多個(gè)環(huán)節(jié)+觸發(fā)規(guī)則構(gòu)成的DAG，Task和Task之間也可以相互依賴，在外層構(gòu)成一個(gè)DAG，實(shí)現(xiàn)雙層調(diào)度。

相比單層實(shí)體模型，編排能力更強(qiáng)，有更好的靈活性，同時(shí)對于單個(gè)業(yè)務(wù)的整合打包和管理也更友好。

b) 基于實(shí)例的調(diào)度

任務(wù)定義是任務(wù)配置的載體，無狀態(tài)，不可執(zhí)行，任務(wù)當(dāng)?shù)竭_(dá)運(yùn)行周期時(shí)，會(huì)產(chǎn)生相應(yīng)周期的任務(wù)實(shí)例（產(chǎn)生實(shí)例的過程叫“實(shí)例化”），實(shí)例化時(shí)會(huì)根據(jù)任務(wù)的配置信息，包括：環(huán)節(jié)、上游依賴、數(shù)據(jù)依賴、運(yùn)行周期等，生成當(dāng)前周期實(shí)例，可理解為任務(wù)的一個(gè)快照，任務(wù)實(shí)例是真正可執(zhí)行、并具有狀態(tài)的對象。

基于實(shí)例的調(diào)度模式，其優(yōu)點(diǎn)在于：

?周期穩(wěn)定：任務(wù)的每個(gè)周期都會(huì)有實(shí)例，不會(huì)出現(xiàn)周期缺失的情況，且每個(gè)周期的實(shí)例可獨(dú)立操作

?依賴明確：任務(wù)某個(gè)周期的實(shí)例，其對上游任務(wù)實(shí)例的依賴，或者數(shù)據(jù)依賴是明確的、可預(yù)期的，同時(shí)對某個(gè)周期的數(shù)據(jù)可從整個(gè)鏈路上快速追溯，并在產(chǎn)生問題是可從鏈路層面快速修復(fù)。

c) 分類分級調(diào)度能力

平臺(tái)中的任務(wù)不通業(yè)務(wù)，重要性存在一定差異，為提升核心任務(wù)的保障能力，平臺(tái)提供任務(wù)分類分級管理，和基于分級的調(diào)度能力，在客戶端資源較為緊張時(shí)，會(huì)優(yōu)先保障重要業(yè)務(wù)。同時(shí)任務(wù)等級信息會(huì)透傳到底層集群，在底層計(jì)算集群層面也增加相應(yīng)基于分類和等級的保障策略，保障核心業(yè)務(wù)的穩(wěn)定性。

2. 高可用架構(gòu)

buffalo整體有分三層，每一層都具備高可用架構(gòu)，使得整體具備高可用和容災(zāi)能力

?a) Manager管理層：

?主要提供產(chǎn)品化管理能力，包括任務(wù)的創(chuàng)建、任務(wù)管理、任務(wù)運(yùn)維等，管理端無狀態(tài)，可橫向擴(kuò)展，負(fù)載對外提供服務(wù)

?b) 高可用Scheduler：

?也叫NameNode是Buffalo核心調(diào)度引擎，負(fù)責(zé)任務(wù)實(shí)例的周期生成，以及基于DAG的雙層任務(wù)實(shí)例的調(diào)度、客戶端資源的調(diào)度（物理資源、彈性資源）、任務(wù)狀態(tài)的處理等。

?整體采用多活+主備高可用架構(gòu)，多個(gè)scheduler會(huì)通過數(shù)據(jù)分片負(fù)載處理任務(wù)，同時(shí)對于任務(wù)狀態(tài)消息進(jìn)行冪等處理，其中資源調(diào)度模塊采用主備模式，以便支撐靈活和高效的資源調(diào)度能力。當(dāng)一個(gè)節(jié)點(diǎn)故障時(shí)，其他節(jié)點(diǎn)會(huì)監(jiān)測到節(jié)點(diǎn)下線，并自動(dòng)觸發(fā)接管邏輯，將異常節(jié)點(diǎn)任務(wù)接管處理，保障故障節(jié)點(diǎn)上的任務(wù)執(zhí)行不受影響。

?c) 容錯(cuò)執(zhí)行層：

?執(zhí)行層的核心職責(zé)是負(fù)責(zé)任務(wù)啟動(dòng)執(zhí)行，并監(jiān)聽任務(wù)執(zhí)行結(jié)果、采集任務(wù)日志、上報(bào)任務(wù)狀態(tài)，執(zhí)行層支持物理機(jī)和基于k8s的容器化資源兩種模式。

?物理機(jī)：部署worker（也稱TaskNode）長進(jìn)程，任務(wù)以獨(dú)立進(jìn)程方式運(yùn)行，多個(gè)worker構(gòu)成節(jié)點(diǎn)組對（虛擬節(jié)點(diǎn)）外服務(wù)，避免單點(diǎn)故障問題。同時(shí)worker本身支持消息重傳、cgroup資源隔離等高可用特性。

?k8s彈性資源：與原生k8s對接，任務(wù)以短周期pod方式執(zhí)行，任務(wù)結(jié)束時(shí)pod銷毀，天然具備高可用特性，同時(shí)具備更精細(xì)化的資源管理、差異化執(zhí)行環(huán)境的動(dòng)態(tài)構(gòu)建能力。

3. 高性能

前面提到調(diào)度系統(tǒng)中隨著任務(wù)量的增長，業(yè)務(wù)復(fù)雜度的提升，需要調(diào)度執(zhí)行的DAG實(shí)例梳理，以及DAG的復(fù)雜度都會(huì)不斷提升，buffalo主要從以下幾個(gè)方面來做到高容量、低延遲的編排和調(diào)度。

1) 水平擴(kuò)展

如上高可用架構(gòu)部分介紹，調(diào)度引擎采用多活架構(gòu)，可水平擴(kuò)展，不同服務(wù)之間通過數(shù)據(jù)哈希分片，將任務(wù)負(fù)載分布到多臺(tái)服務(wù)進(jìn)行調(diào)度，同時(shí)各服務(wù)通過執(zhí)行批次和狀態(tài)進(jìn)行冪等處理，保障任務(wù)執(zhí)行的唯一性。

2) 事件驅(qū)動(dòng)

a. 定時(shí)輪詢（如左圖）

傳統(tǒng)的任務(wù)執(zhí)行方式大多采用定時(shí)輪詢的方式，這種方式需要定時(shí)查詢所有待執(zhí)行的任務(wù)實(shí)例，然后逐一校驗(yàn)任務(wù)實(shí)例的依賴條件是否滿足（如任務(wù)依賴、數(shù)據(jù)依賴、并發(fā)限制等），這種方式在面臨大數(shù)據(jù)量任務(wù)時(shí)，有幾個(gè)核心問題：

?遍歷耗時(shí)：系統(tǒng)中可能有非常多的任務(wù)待執(zhí)行（有些滿足條件、有些不滿足條件），這樣每次獲取的任務(wù)列表會(huì)非常長（可能數(shù)十萬或百萬），這樣遍歷一遍非常耗時(shí)

?大量無用計(jì)算：在這些獲取的任務(wù)列表中，每個(gè)任務(wù)都需要進(jìn)行多種條件校驗(yàn)，且只有少數(shù)任務(wù)是滿足執(zhí)行條件，絕大部分的校驗(yàn)是無用校驗(yàn)

b. 基于事件驅(qū)動(dòng)（如右圖）

相比定時(shí)輪詢，事件驅(qū)動(dòng)不會(huì)采用定時(shí)拉取、全量校驗(yàn)的方式，而是在任務(wù)所依賴條件的狀態(tài)發(fā)生變更時(shí)，才會(huì)基于事件做出相應(yīng)的條件計(jì)算和校驗(yàn)動(dòng)作，這樣可以有效避免定時(shí)輪詢面臨的兩個(gè)核心問題。同時(shí)針對不同的事件類型，可以分別進(jìn)行異步并行處理，有效提升整體的處理性能。

3) 內(nèi)存調(diào)度

前面提到Buffalo具備在物理機(jī)集群和k8s集群上啟動(dòng)任務(wù)執(zhí)行的能力，所以需要具備這兩種資源的管理和資源調(diào)度能力，資源調(diào)度的性能也是影響任務(wù)分發(fā)時(shí)效的關(guān)鍵部分。

調(diào)度引擎namenode采用的是多活的高可用架構(gòu)，如果資源調(diào)度部分也采用該架構(gòu)（如左圖），那么涉及到同一資源的并發(fā)訪問和修改的問題，進(jìn)而引入分布式鎖和外部存儲(chǔ)，這樣整體的性能很難達(dá)到理想的目標(biāo)。

因此，我們在namenode多活架構(gòu)的基礎(chǔ)上，將資源調(diào)度部分做了一個(gè)主備架構(gòu)的處理（如右圖），會(huì)從多個(gè)namenode里選擇一個(gè)作為主資源調(diào)度器，其他作為熱備，所有namenode的任務(wù)資源請求都由主節(jié)點(diǎn)進(jìn)行處理，這樣主節(jié)點(diǎn)在內(nèi)存中保存了所有的資源信息，資源調(diào)度過程在內(nèi)存中就可進(jìn)行，避免了分布式鎖和對外部存儲(chǔ)的依賴，性能有大幅提升。

4) 冷熱數(shù)據(jù)分離

當(dāng)系統(tǒng)中任務(wù)量較大，任務(wù)執(zhí)行產(chǎn)生的實(shí)例數(shù)據(jù)會(huì)快速增長，當(dāng)前buffalo每日的實(shí)例數(shù)據(jù)增量接近百萬，隨著任務(wù)量的增長還會(huì)持續(xù)增長，如果沒有適當(dāng)?shù)姆桨竵硖幚恚瑪?shù)據(jù)庫很難支撐如此快速的數(shù)據(jù)增長。

調(diào)度系統(tǒng)中的任務(wù)有個(gè)明顯特征 -定時(shí)，就是任務(wù)會(huì)定時(shí)執(zhí)行，執(zhí)行完成后的實(shí)例，除人為干預(yù)外其狀態(tài)不會(huì)再自動(dòng)發(fā)生變更，這部分?jǐn)?shù)據(jù)一般只會(huì)做查詢，所以這部分?jǐn)?shù)據(jù)可以做獨(dú)立存儲(chǔ)。我們將狀態(tài)還會(huì)發(fā)生變更或頻繁操作的數(shù)據(jù)稱作熱數(shù)據(jù)，將這些已經(jīng)執(zhí)行結(jié)束且基本只有查詢需求的數(shù)據(jù)稱作冷數(shù)據(jù)，并將冷數(shù)據(jù)單獨(dú)存儲(chǔ)。

當(dāng)冷熱數(shù)據(jù)分離后，有三個(gè)核心問題需要解決：

1）數(shù)據(jù)結(jié)轉(zhuǎn)

任務(wù)實(shí)例執(zhí)行完成，處于結(jié)束狀態(tài)的實(shí)例都可以被結(jié)轉(zhuǎn)，目前采用定時(shí)結(jié)轉(zhuǎn)的策略。為避免冷數(shù)據(jù)單表數(shù)據(jù)量過大，結(jié)轉(zhuǎn)規(guī)則可以按照季度、月或則更小周期進(jìn)行拆分存儲(chǔ)。

2） 數(shù)據(jù)定位

當(dāng)數(shù)據(jù)結(jié)轉(zhuǎn)到冷數(shù)據(jù)表后，這些實(shí)例的狀態(tài)不會(huì)發(fā)生變更，單可能還會(huì)被未執(zhí)行的實(shí)例所依賴，用戶也可能會(huì)對這些實(shí)例做檢索操作，所以這些實(shí)例需要能從冷數(shù)據(jù)表中快速被定位。

?索引表：數(shù)據(jù)結(jié)轉(zhuǎn)到冷數(shù)據(jù)表時(shí)，會(huì)根據(jù)冷數(shù)據(jù)表的分區(qū)粒度，在索引表記錄各冷分區(qū)表中的數(shù)據(jù)范圍，如計(jì)劃運(yùn)行時(shí)間在2023-01-01 至 2023-03-31的數(shù)據(jù)存儲(chǔ)在2023Q1分區(qū)表，這樣在定位時(shí)可以圈定數(shù)據(jù)范圍，避免全量掃描。

?數(shù)據(jù)定位：因?qū)嵗龜?shù)據(jù)是有周期性的，有非常強(qiáng)的時(shí)間特性，所以可以結(jié)合任務(wù)實(shí)例的計(jì)劃運(yùn)行時(shí)間，和索引表的數(shù)據(jù)范圍，快速定位任務(wù)某個(gè)范圍的實(shí)例所在的分區(qū)。

3）冷數(shù)據(jù)操作

冷數(shù)據(jù)被操作的幾率比較低，但也存在操作的可能性，比如歷史實(shí)例的重跑、強(qiáng)制成功等操作。為了保持調(diào)度引擎架構(gòu)的簡單性，所有相關(guān)的任務(wù)執(zhí)行的處理，都是基于當(dāng)前表（熱表），所以為了能保障被結(jié)轉(zhuǎn)的冷數(shù)據(jù)和熱數(shù)據(jù)一樣支持所有操作，冷數(shù)據(jù)被操作時(shí)會(huì)從冷數(shù)據(jù)表恢復(fù)至熱數(shù)據(jù)表，從而實(shí)現(xiàn)與熱數(shù)據(jù)相同的效果。

4、開放能力

開放API：通過Http協(xié)議進(jìn)行開放，支持任務(wù)配置管理、任務(wù)實(shí)例操作、狀態(tài)查詢、日志查詢等能力，通過藏經(jīng)閣進(jìn)行開放來服務(wù)業(yè)務(wù)

開放事件：基于JDQ異步消息的方式將任務(wù)狀態(tài)、實(shí)例狀態(tài)進(jìn)行開放，聯(lián)動(dòng)業(yè)務(wù)個(gè)性化處理。狀態(tài)發(fā)生變更及時(shí)同步，確保業(yè)務(wù)觸達(dá)的及時(shí)性

三、未來規(guī)劃

Buffalo調(diào)度系統(tǒng)仍在持續(xù)的優(yōu)化和迭代升級，不僅提供更好的用戶體驗(yàn)、更極致的性能，也包括容器化能力、插件化擴(kuò)展能力、開放能力、精細(xì)化的資源管理能力等，希望大家提出更好的想法和建議，一起打造穩(wěn)定、高效、易用的調(diào)度平臺(tái)。

審核編輯 黃宇