DolphinScheduler源码分析

本博客是基于1.2.0版本进行分析，与最新版本的实现有一些出入，还请读者辩证的看待本源码分析。具体细节可能描述的不是很准确，仅供参考

源码版本

1.2.0

技术框架

所有模块均采用比较流行的SprintBoot框架

架构图

重要概念

流程定义

在DolphinScheduler中，作业的DAG被命名为“流程定义”。

挺不可思议的。

流程实例

流程实例是流程定义的实例化，可以通过手动启动或定时调度生成,流程定义每运行一次，产生一个流程实例。流程实例由Master解析流程定义生成。

任务实例

任务实例是流程定义中任务节点的实例化，标识着具体的任务执行状态。

居然没有作业的概念，直接上来任务实例的概念，真是匪夷所思。

定时

DAG的触发频率。与DAG概念隔离，单独创建、单独管理，一个DAG可以没有与之对应的定时。

架构说明

Quartz

内部对Quartz进行了一个封装，org.apache.dolphinscheduler.server.quartz.QuartzExecutors仅仅提供增加、删除作业的基础功能。其作业的状态等信息保存在数据库中以QRTZ_开头的表。

为了将实际作业的定义与Quartz隔离，抽象了一个ProcessScheduleJob类，用它来创建JobDetail。

该类仅仅是根据流程定义的定时等信息创建了一个CommandType.SCHEDULER类型的Command对象，然后插入了数据库，并没有的执行任务的具体逻辑。

MasterSchedulerThread

架构图中有一个CommandScanner，对应到源码中就是org.apache.dolphinscheduler.server.master.runner.MasterSchedulerThread类。

这是一个扫描线程，定时扫描数据库中的 t_ds_command 表，根据不同的命令类型进行不同的业务操作。扫描的SQL如下：

select command.* from t_ds_command command

join t_ds_process_definition definition on command.process_definition_id = definition.id

where definition.release_state = 1 AND definition.flag = 1

order by command.update_time asc

limit 1

定时的默认是1秒，由Constants.SLEEP_TIME_MILLIS设置。Command的创建与执行是异步的。

MasterSchedulerThread类查询到一个Comamand后将其转化为一个ProcessInstance，交由MasterExecThread进行执行。

MasterSchedulerThread功能比较简单，就是负责衔接Quartz创建的Command，一个桥梁的作用。

MasterExecThread

org.apache.dolphinscheduler.server.master.runner.MasterExecThread负责执行ProcessInstance，功能主要是DAG任务切分、任务提交监控等其他逻辑处理。

其实DAG切割也比较简单，首先找入度为0的任务（也就是没有任务依赖），放到准备提交队列；任务执行成功后，扫描后续的任务，如果该任务的所有依赖都成功，则执行该任务；循环处理。MasterExecThread随着DAG中所有任务的执行结束而结束。

一个任务执行，会分别占用master和worker各一个线程，这一点不太好。

同样，该线程在一个逻辑处理结束后，也会休眠1秒，由Constants.SLEEP_TIME_MILLIS设置。

当然在MasterExecThread中，也没有执行具体的任务逻辑，只是创建了一个MasterTaskExecThread负责任务的“执行”。

MasterTaskExecThread

org.apache.dolphinscheduler.server.master.runner.MasterTaskExecThread由MasterExecThread负责创建。其功能主要就是负责任务的持久化，简单来说就是把TaskInstacne信息保存到数据库中，同时如果一个任务满足执行条件，也会把任务ID提交到TaskQueue中的。

这个线程会每隔1秒（Constants.SLEEP_TIME_MILLIS设置）查询作业的状态，直到作业执行完毕（不管是成功还是失败）。

这样来看，一个任务执行，会占用master2个线程。

TaskQueue

架构图中Master/Worker通信的重要渠道，它把待执行的队列放到了TaskQueue，由Worker获取到之后，执行具体的业务逻辑。根据技术架构介绍，这个TaskQueue是由Zookeeper实现。由此也可以看出，Master、Worker是没有直接的物理交互的。

FetchTaskThread

org.apache.dolphinscheduler.server.worker.runner.FetchTaskThread循环从TaskQueue中获取任务，并根据不同任务类型调用TaskScheduleThread对应执行器。每次循环依旧休眠1秒。

FetchTaskThread会一次性查询所有任务，检查当前是否有任务。这个设计有点不合理。

如果当前有可执行的任务，则一次性取出当前节点剩余可执行任务数量的任务ID。

根据任务ID查询创建TaskInstance，交由TaskScheduleThread具体执行。

由此可见FetchTaskThread每个Worker只有一个，TaskScheduleThread会有很多个。

TaskScheduleThread

org.apache.dolphinscheduler.server.worker.runner.TaskScheduleThread负责任务的具体执行。该线程的逻辑比较清晰，就是构造获取任务相关的文件、参数等信息，创建Process类，执行对应的命令行，然后等待其执行完毕，获取标准输出、标准错误输出、返回码等信息。

LoggerServer

org.apache.dolphinscheduler.server.rpc.LoggerServer跟Worker、Master属于同一级别，都是需要单独启动的进程。这就是一个RPC服务器，提供日志分片查看、刷新和下载等功能。

项目结构

模块

dolphinscheduler-ui 前端页面模块
dolphinscheduler-server 核心模块。包括master/worker等功能
dolphinscheduler-common 公共模块。公共方法或类
dolphinscheduler-api Restful接口。前后端交互层，与master/worker交互等功能
dolphinscheduler-dao 数据操作层。实体定义、数据存储
dolphinscheduler-alert 预警模块。与预警相关的方法、功能
dolphinscheduler-rpc 日志查看。提供日志实时查看rpc功能
dolphinscheduler-dist 与编译、分发相关的模块。没有具体逻辑功能

源码分析方法

UI功能不分析
从与UI交互的API模块开始着手看
重点分析核心功能
非核心功能仅做了解

模块-dolphinscheduler-api

API接口层，主要负责处理前端UI层的请求。该服务统一提供RESTful api向外部提供请求服务。接口包括工作流的创建、定义、查询、修改、发布、下线、手工启动、停止、暂停、恢复、从该节点开始执行等等。

涉及的API太多，不宜深入研究，只研究其大致框架、功能。具体的API列表及其使用方法可查看官方文档

启动入口

org.apache.dolphinscheduler.api下面有两个类：ApiApplicationServer、CombinedApplicationServer。

从ApiApplicationServer来看就是启动一个SpringBoot应用。

CombinedApplicationServer除了启动一个SprintBoot应用之外，还启动了LoggerServer、AlertServer。

@SpringBootApplication

@ConditionalOnProperty(prefix = "server", name = "is-combined-server", havingValue = "true")

@ServletComponentScan

@ComponentScan("org.apache.dolphinscheduler")

@Import({MasterServer.class, WorkerServer.class})

@EnableSwagger2

public class CombinedApplicationServer extends SpringBootServletInitializer {

    public static void main(String[] args) throws Exception {

        ApiApplicationServer.main(args);

        LoggerServer server = new LoggerServer();

        server.start();

        AlertServer alertServer = AlertServer.getInstance();

        alertServer.start();

    }

}

CombinedApplicationServer与ApiApplicationServer的区别：是否内嵌LoggerServer、AlertServer。而且当server.is-combined-server为true时，会自动启动CombinedApplicationServer。

也不知道是否内嵌的意义在哪里，直接内嵌不好么？

对于SpringBoot应用，接口一般都在controller中。org.apache.dolphinscheduler.api.controller包有以下几个Controller： AccessTokenController ProcessInstanceController AlertGroupController ProjectController BaseController QueueController DataAnalysisController ResourcesController DataSourceController SchedulerController ExecutorController TaskInstanceController LoggerController TaskRecordController LoginController TenantController MonitorController UsersController ProcessDefinitionController WorkerGroupController

因为在DolphinScheduler调度中最重要的一个概念就是流程定义，所以我们从ProcessDefinitionController入手简要分析这个模块的基本功能。

ProcessDefinitionController

在官方文档中，可以看到org.apache.dolphinscheduler.api.controller.ProcessDefinitionController大概有14个接口。

ProcessDefinitionController中只有一个字段ProcessDefinitionService，从名称以及自身经验来看，可以知道ProcessDefinitionController会负责HTTP请求的参数解析、参数校验、返回值等等，与业务无关的逻辑；具体的业务逻辑会交给ProcessDefinitionService类处理。

由此我们可以类比分析其他所有的controller，都会有一个对应的service处理业务相关的逻辑。

public Result createProcessDefinition(@ApiIgnore @RequestAttribute(value = Constants.SESSION_USER) User loginUser,

                                  @ApiParam(name = "projectName", value = "PROJECT_NAME", required = true) @PathVariable String projectName,

                                  @RequestParam(value = "name", required = true) String name,

                                  @RequestParam(value = "processDefinitionJson", required = true) String json,

                                  @RequestParam(value = "locations", required = true) String locations,

                                  @RequestParam(value = "connects", required = true) String connects,

                                  @RequestParam(value = "description", required = false) String description) {

    try {

        logger.info("login user {}, create  process definition, project name: {}, process definition name: {}, " +

                        "process_definition_json: {}, desc: {} locations:{}, connects:{}",

                loginUser.getUserName(), projectName, name, json, description, locations, connects);

        Map<String, Object> result = processDefinitionService.createProcessDefinition(loginUser, projectName, name, json,

                description, locations, connects);

        return returnDataList(result);

    } catch (Exception e) {

        logger.error(Status.CREATE_PROCESS_DEFINITION.getMsg(), e);

        return error(Status.CREATE_PROCESS_DEFINITION.getCode(), Status.CREATE_PROCESS_DEFINITION.getMsg());

    }

}

上面是createProcessDefinition的源码，逻辑比较清晰，就是接收、校验HTTP的参数，然后调用processDefinitionService.createProcessDefinition函数，返回结果、处理异常。

但这段代码有一个controller与service分隔不清的地方：HTTP返回的结果由谁处理。此处返回结果是由service负责的，service会创建一个Map<String, Object>类型的result字段，然后调用result.put("processDefinitionId",processDefine.getId());设置最终返回的数据。其实个人是不敢苟同这种做法的，严格来说，service只返回与业务相关的实体，HTTP具体返回什么信息应该交由controller处理。

ProcessDefinitionService

org.apache.dolphinscheduler.api.service.ProcessDefinitionService承担流程定义具体的CURD逻辑，调用各种mapper、dao。

public Map<String, Object> createProcessDefinition(User loginUser, String projectName, String name,

                                                       String processDefinitionJson, String desc, String locations, String connects) throws JsonProcessingException {

        Map<String, Object> result = new HashMap<>(5);

        Project project = projectMapper.queryByName(projectName);

        // check project auth

        Map<String, Object> checkResult = projectService.checkProjectAndAuth(loginUser, project, projectName);

        Status resultStatus = (Status) checkResult.get(Constants.STATUS);

        if (resultStatus != Status.SUCCESS) {

            return checkResult;

        }

        ProcessDefinition processDefine = new ProcessDefinition();

        Date now = new Date();

        ProcessData processData = JSONUtils.parseObject(processDefinitionJson, ProcessData.class);

        Map<String, Object> checkProcessJson = checkProcessNodeList(processData, processDefinitionJson);

        if (checkProcessJson.get(Constants.STATUS) != Status.SUCCESS) {

            return checkProcessJson;

        }

        processDefine.setName(name);

        processDefine.setReleaseState(ReleaseState.OFFLINE);

        processDefine.setProjectId(project.getId());

        processDefine.setUserId(loginUser.getId());

        processDefine.setProcessDefinitionJson(processDefinitionJson);

        processDefine.setDescription(desc);

        processDefine.setLocations(locations);

        processDefine.setConnects(connects);

        processDefine.setTimeout(processData.getTimeout());

        processDefine.setTenantId(processData.getTenantId());

        //custom global params

        List<Property> globalParamsList = processData.getGlobalParams();

        if (globalParamsList != null && globalParamsList.size() > 0) {

            Set<Property> globalParamsSet = new HashSet<>(globalParamsList);

            globalParamsList = new ArrayList<>(globalParamsSet);

            processDefine.setGlobalParamList(globalParamsList);

        }

        processDefine.setCreateTime(now);

        processDefine.setUpdateTime(now);

        processDefine.setFlag(Flag.YES);

        processDefineMapper.insert(processDefine);

        putMsg(result, Status.SUCCESS);

        result.put("processDefinitionId",processDefine.getId());

        return result;

    }

研读上面代码我们知道createProcessDefinition大概有以下功能：

校验当前用户是否拥有所属项目的权限
校验流程定义JSON是否合法。例如是否有环
构造ProcessDefinition对象插入数据库
设置HTTP返回结果

因为这些都不是核心逻辑，都不再深入展开。

ProcessDefinitionService的功能非常不合理，居然还有鉴权的功能，按照我的理解，有一个校验、插入数据库的功就可以了，其他的功能都可以抛出去

dolphinscheduler-api其他的功能都不在分析，因为到此流程定义信息已经写入到了数据库，跟API模块已经没有关系了。但需要知道ProcessDefinition对象插入到了哪张表，这样才知道如何查询、更新这个表的。这个表就是前后台逻辑交互的关键。从ProcessDefinition定义可以看出，数据最终插入了t_ds_process_definition表。

@Data

@TableName("t_ds_process_definition")

public class ProcessDefinition

其实也可以不用关注具体插入到了哪张表，好像只需要关系哪个地方用ProcessDefinitionMapper查询了数据就行了。

但根据之前的概念定义，我们知道每个流程定义是需要靠“定时”周期性触发的，这样的话我们可以猜测，系统并不会直接用ProcessDefinitionMapper查询流程定义，而是会根据定时关联的ProcessDefinition来调起DAG。这一点在MasterSchedulerThread的分析中已经可以看出来了。

SchedulerController、SchedulerService

考虑到Controler逻辑非常简单（不合理），此处将controller和service合并分析。

同样SchedulerController几乎没有什么逻辑，全都交给了SchedulerService层。这里只分析SchedulerService.insertSchedule，简单浏览代码后，可以发现它跟createProcessDefinition逻辑差不多：

校验当前用户是否拥有所属项目的权限
校验流程定义JSON是否合法。例如是否有环
构造Schedule对象插入数据库
设置HTTP返回结果

当然除了上面4点还查询、更新了ProcessDefinition，主要是将Schedule和ProcessDefinition进行关联。

MasterSchedulerThread

以上是MasterSchedulerThread类的概览图。

MasterSchedulerThread实现Runnable接口，很明显主要的逻辑应该在run方法内，而且根据经验以及前面的分析可以知道，这个方法内是一个“死”循环，且为了避免CPU飙升，会休眠一小段时间。

下面我们逐步展开、分析MasterSchedulerThread类

从上图简单分析，总结一下run的逻辑：

调用OSUtils.checkResource，检查当前资源（内存、CPU）。
资源超出阈值，则休眠1秒进入下一次循环。
检查zookeeper是否连接成功
获取一个InterProcessMutex锁（分布式的公平可重入互斥锁）。也就是只有一个master可以获取到这个锁
查询一个Command，不为null时进行后续逻辑。
休眠1秒，进入下一次循环
进入下一次循环之前，释放InterProcessMutex锁

在深入分析run之前，先简单分析一下 Stopper.isRunning() 的逻辑。

/**

 *  if the process closes, a signal is placed as true, and all threads get this flag to stop working

 */

public class Stopper {

	private static volatile AtomicBoolean signal = new AtomicBoolean(false);

	public static final boolean isStoped(){

		return signal.get();

	}

	public static final boolean isRunning(){

		return !signal.get();

	}

	public static final void stop(){

		signal.getAndSet(true);

	}

}

其逻辑非常简单，就是用一个原子布尔值，标志当前进程是否要退出。如果收到了退出信号，则signal为true，该进程内所有的线程都退出当前循环。

下面我们来分析查询到一个Command之后的逻辑：

if (command != null) {

    logger.info(String.format("find one command: id: %d, type: %s", command.getId(),command.getCommandType().toString()));

    try{

        processInstance = processDao.handleCommand(logger, OSUtils.getHost(), this.masterExecThreadNum - activeCount, command);

        if (processInstance != null) {

            logger.info("start master exec thread , split DAG ...");

            masterExecService.execute(new MasterExecThread(processInstance,processDao));

        }

    }catch (Exception e){

        logger.error("scan command error ", e);

        processDao.moveToErrorCommand(command, e.toString());

    }

}

其实就是根据Command创建了一个ProcessInstance（流程实例），之前也分析过，流程定义是由Scheduler自动创建的，而Quartz已经根据Schedule信息创建了Command保存到了数据库。至此，流程定义与定时的关联逻辑就已经串起来了。

创建流程实例的时候传入了当前可用（masterExecThreadNum - activeCount）的线程数量，如果满足当前dag，则返回ProcessInstance，否则返回null。

ProcessInstance最终交由MasterExecThread去执行。

至此MasterSchedulerThread类的主要逻辑如下：

调用OSUtils.checkResource，检查当前资源（内存、CPU）。
资源超出阈值，则休眠1秒进入下一次循环。
检查zookeeper是否连接成功
获取一个InterProcessMutex锁（分布式的公平可重入互斥锁）。也就是只有一个master可以获取到这个锁
查询一个Command，如果当前线程数够用，则创建一个流程实例（ProcessInstance），交给MasterExecThread线程处理。
休眠1秒，进入下一次循环
进入下一次循环之前，释放InterProcessMutex锁

在结束MasterExecThread的源码分析之前，我们再简要分析一下这个类比较重要的一个字段：processDao。

这个类，可以看成是与流程定义相关的操作集合，与流程定义存储相关的操作、逻辑的集合。

processDao.moveToErrorCommand需要稍微注意一下，在异常情况下，它把Command从原来的表中删除，然后插入到了t_ds_error_command表。

但个人感觉其定义不是非常清晰。如果是mapper的一个全集，则其他任何地方都不应该再调用mapper，事实又不是这样；如果只是流程定义相关的操作，其功能又过于大。

MasterExecThread

与MasterSchedulerThread一样，MasterExecThread也是实现了Runnable的线程类，不过我们先来看MasterExecThread的构造函数。

public MasterExecThread(ProcessInstance processInstance,ProcessDao processDao){

    this.processDao = processDao;

    this.processInstance = processInstance;

    int masterTaskExecNum = conf.getInt(Constants.MASTER_EXEC_TASK_THREADS,

            Constants.defaultMasterTaskExecNum);

    this.taskExecService = ThreadUtils.newDaemonFixedThreadExecutor("Master-Task-Exec-Thread",

            masterTaskExecNum);

}

taskExecService这个字段非常重要，它是一个固定大小（20）的后台线程池。这意味着，一个DAG最大的并发任务数就是20。

另外细心的读者发现，conf字段是一个static字段，在static代码块初始化的。为啥不从MasterSchedulerThread传过来呢？我还以为要自动reload呢，结果也没有。

static {

    try {

        conf = new PropertiesConfiguration(Constants.MASTER_PROPERTIES_PATH);

    }catch (ConfigurationException e){

        logger.error("load configuration failed : " + e.getMessage(),e);

        System.exit(1);

    }

}

配置这种字段，完全可以全局唯一，到处传参，没必要在new一个。一般情况下这个类的内容也不会修改。

下面分析该类的run方法。

@Override

public void run() {

    // process instance is null

    if (processInstance == null){

        logger.info("process instance is not exists");

        return;

    }

    // check to see if it's done

    if (processInstance.getState().typeIsFinished()){

        logger.info("process instance is done : {}",processInstance.getId());

        return;

    }

    try {

        if (processInstance.isComplementData() &&  Flag.NO == processInstance.getIsSubProcess()){

            // sub process complement data

            executeComplementProcess();

        }else{

            // execute flow

            executeProcess();

        }

    }catch (Exception e){

        logger.error("master exec thread exception: " + e.getMessage(), e);

        logger.error("process execute failed, process id:{}", processInstance.getId());

        processInstance.setState(ExecutionStatus.FAILURE);

        processInstance.setEndTime(new Date());

        processDao.updateProcessInstance(processInstance);

    }finally {

        taskExecService.shutdown();

        // post handle

        postHandle();

    }

}

分析源码后，简要总结其逻辑如下：

判断processInstance是否为null。为null则退出
判断processInstance是否已经完成（成功、报错、取消、暂停、等待）
判断是否为补数。是则走补数的逻辑
执行当前流程定义实例（executeProcess）
调用taskExecService.shutdown()，等待所有线程正常退出

感觉第一步有点多此一举。

executeProcess按顺序调用了prepareProcess、runProcess、endProcess三个方法，简单来说就是初始化、执行、释放资源。 prepareProcess又按顺序调用了initTaskQueue、buildFlowDag。

initTaskQueue就是一些资源的初始化操作，比如通过流程定义ID查询到当前的任务实例。下面是其核心逻辑，可以发现，就是查询了完成的任务列表，报错且不能重试的任务列表。

List<TaskInstance> taskInstanceList = processDao.findValidTaskListByProcessId(processInstance.getId());

for(TaskInstance task : taskInstanceList){

    if(task.isTaskComplete()){

        completeTaskList.put(task.getName(), task);

    }

    if(task.getState().typeIsFailure() && !task.taskCanRetry()){

        errorTaskList.put(task.getName(), task);

    }

}

buildFlowDag看名字应该是生成DAG实例的，代码虽短，但调用了好几个函数，我们只重点分析最后一个函数调用。

private void buildFlowDag() throws Exception {

    recoverNodeIdList = getStartTaskInstanceList(processInstance.getCommandParam());

    forbiddenTaskList = DagHelper.getForbiddenTaskNodeMaps(processInstance.getProcessInstanceJson());

    // generate process to get DAG info

    List<String> recoveryNameList = getRecoveryNodeNameList();

    List<String> startNodeNameList = parseStartNodeName(processInstance.getCommandParam());

    ProcessDag processDag = generateFlowDag(processInstance.getProcessInstanceJson(),

            startNodeNameList, recoveryNameList, processInstance.getTaskDependType());

    if(processDag == null){

        logger.error("processDag is null");

        return;

    }

    // generate process dag

    dag = DagHelper.buildDagGraph(processDag);

}

DagHelper.buildDagGraph生成了一个DAG对象实例，根据名字和注释猜测，这应该是对有向无环图的一个抽象。

/**

 * the object of DAG

 */

private DAG<String,TaskNode,TaskNodeRelation> dag;

来看下DAG类的定义

/**

 * analysis of DAG

 * Node: node

 * NodeInfo：node description information

 * EdgeInfo: edge description information

 */

public class DAG<Node, NodeInfo, EdgeInfo>

DAG有三个类型参数，分别代表节点key、节点信息、边信息。

下面是TaskNode的字段

如果读者用过DolphinScheduler的UI的话，发现TaskNode的字段跟UI一一对应。

TaskNodeRelation代表边的信息，字段比较少，只有startNode、endNode两个String类型的字段。这其实是DAG类的第一个类型参数，节点的key。

public static DAG<String, TaskNode, TaskNodeRelation> buildDagGraph(ProcessDag processDag) {

    DAG<String,TaskNode,TaskNodeRelation> dag = new DAG<>();

    /**

     * add vertex

     */

    if (CollectionUtils.isNotEmpty(processDag.getNodes())){

        for (TaskNode node : processDag.getNodes()){

            dag.addNode(node.getName(),node);

        }

    }

    /**

     * add edge

     */

    if (CollectionUtils.isNotEmpty(processDag.getEdges())){

        for (TaskNodeRelation edge : processDag.getEdges()){

            dag.addEdge(edge.getStartNode(),edge.getEndNode());

        }

    }

    return dag;

}

上面是buildDagGraph的源码。可以看出，增加节点时，第一个参数是TaskNode的getName。跟猜测的一样，DAG的第一个参数就是node的key，而key就是名称。

细心的读者一定发现，DAG对象是根据ProcessDag来创建的，二者有啥区别呢？

其实个人感觉区别不大，非要说区别的话就是DAG把节点、边的一个List转化成了一个Graph。

初始化完成之后，来看一下具体如何执行流程定义的。

这个方法源码很长，我们首先从整体简要分析。

submitPostNode(null)
起一个while循环，直至流程定义实例停止（成功、失败、取消、暂停、等待）
首先判断是否超时，超时则发送预警邮件
获取当前活动的任务节点的Map。key是MasterBaseTaskExecThread对象，value是Future<Boolean>。value其实是MasterBaseTaskExecThread线程的当前状态。
如果当前任务实例已经结束，则从Map中移除
如果当前任务实例成功，则put到completeTaskList且调用submitPostNode(task.getName())
如果当前任务实例失败，则重试；否则直接结束（比如手动停止或暂停）
更新当前流程定义实例的状态，进入下一个循环

其中activeTaskNode是一个非常重要的对象，从上面的分析中，可以猜测，activeTaskNode是由submitPostNode间接生成赋值的，并通过while循环驱动了整个流程实例的执行。

private void submitPostNode(String parentNodeName){

    List<TaskInstance> submitTaskList = null;

    if(parentNodeName == null){

        submitTaskList = getStartSubmitTaskList();

    }else{

        submitTaskList = getPostTaskInstanceByNode(dag, parentNodeName);

    }

    // if previous node success , post node submit

    for(TaskInstance task : submitTaskList){

        if(readyToSubmitTaskList.containsKey(task.getName())){

            continue;

        }

        if(completeTaskList.containsKey(task.getName())){

            logger.info("task {} has already run success", task.getName());

            continue;

        }

        if(task.getState().typeIsPause() || task.getState().typeIsCancel()){

            logger.info("task {} stopped, the state is {}", task.getName(), task.getState().toString());

        }else{

            addTaskToStandByList(task);

        }

    }

}

submitPostNode的源码细节不再深入分析，大概就是从dag对象中找出入度为0的节点，放入到准备队列中。其实在runProcess方法中，还调用了submitStandByTask方法，该方法最终调起了可以执行的节点。从这点来看，整个流程实例由submitPostNode、submitStandByTask和while驱动。

那么问题来了，流程实例的任务具体是怎么调起来的呢？下面是submitStandByTask方法中调用的最重要的函数，也是由它调起来的。

/**

 * submit task to execute

 * @param taskInstance task instance

 * @return TaskInstance

 */

private TaskInstance submitTaskExec(TaskInstance taskInstance) {

    MasterBaseTaskExecThread abstractExecThread = null;

    if(taskInstance.isSubProcess()){

        abstractExecThread = new SubProcessTaskExecThread(taskInstance, processInstance);

    }else {

        abstractExecThread = new MasterTaskExecThread(taskInstance, processInstance);

    }

    Future<Boolean> future = taskExecService.submit(abstractExecThread);

    activeTaskNode.putIfAbsent(abstractExecThread, future);

    return abstractExecThread.getTaskInstance();

}

逻辑也比较简单，就是把TaskInstance交给MasterTaskExecThread去执行；taskExecService提交之后，放到activeTaskNode列表，交由主逻辑判断任务是否完成。

MasterTaskExecThread

根据其定义，我们知道MasterTaskExecThread继承了MasterBaseTaskExecThread，且构造函数简单的调用了父类的构造函数。

public class MasterTaskExecThread extends MasterBaseTaskExecThread

MasterBaseTaskExecThread的构造函数也比较简单，给几个关键的字段赋初始值。

/**

 * constructor of MasterBaseTaskExecThread

 * @param taskInstance      task instance

 * @param processInstance   process instance

 */

public MasterBaseTaskExecThread(TaskInstance taskInstance, ProcessInstance processInstance){

    this.processDao = BeanContext.getBean(ProcessDao.class);

    this.alertDao = BeanContext.getBean(AlertDao.class);

    this.processInstance = processInstance;

    this.taskQueue = TaskQueueFactory.getTaskQueueInstance();

    this.cancel = false;

    this.taskInstance = taskInstance;

}

但processDao、alertDao居然是通过BeanContext.getBean获取到的！！！个人感觉这是一个非常恶心的设计。一个优秀的设计，应该是类的创建者负责子类的参数及其功能的边界。BeanContext.getBean扩展了所有类与SpringBoot的ApplicationContext间接打交道的能力，而且无法控制，因为只要调用BeanContext.getBean都可以获取到对应的bean进行操作。

MasterBaseTaskExecThread实现了Callable<Boolean>接口，call方法又调用了submitWaitComplete，MasterTaskExecThread类中对改方法进行了覆盖。

submitWaitComplete根据名称及其注释说明可以知道，它提交了一个任务实例，然后等待其完成。

/**

 * submit task instance and wait complete

 * @return true is task quit is true

 */

@Override

public Boolean submitWaitComplete() {

    Boolean result = false;

    this.taskInstance = submit();

    if(!this.taskInstance.getState().typeIsFinished()) {

        result = waitTaskQuit();

    }

    taskInstance.setEndTime(new Date());

    processDao.updateTaskInstance(taskInstance);

    logger.info("task :{} id:{}, process id:{}, exec thread completed ",

            this.taskInstance.getName(),taskInstance.getId(), processInstance.getId() );

    return result;

}

该函数的逻辑简单来说就是，提交一个任务实例，等待任务完成，更新任务结束时间到数据。

我们可以看出，每个任务实例都可以更新数据库，加上其他线程，对数据库的压力可能很大。如果任务非常多，并发非常大的情况下，jdbc连接线程池需要适当调大。否则，数据库会成为系统瓶颈。如果worker节点个数过多，这种压力又会几何倍数的增长。

首先来看看作业是如何提交的，好像也比较简单，就是调用了processDao.submitTask。

protected TaskInstance submit(){

    Integer commitRetryTimes = conf.getInt(Constants.MASTER_COMMIT_RETRY_TIMES,

            Constants.defaultMasterCommitRetryTimes);

    Integer commitRetryInterval = conf.getInt(Constants.MASTER_COMMIT_RETRY_INTERVAL,

            Constants.defaultMasterCommitRetryInterval);

    int retryTimes = 1;

    while (retryTimes <= commitRetryTimes){

        try {

            TaskInstance task = processDao.submitTask(taskInstance, processInstance);

            if(task != null){

                return task;

            }

            logger.error("task commit to mysql and queue failed , task has already retry {} times, please check the database", commitRetryTimes);

            Thread.sleep(commitRetryInterval);

        } catch (Exception e) {

            logger.error("task commit to mysql and queue failed : " + e.getMessage(),e);

        }

        retryTimes += 1;

    }

    return null;

}

根据前面的分析我们知道processDao就是跟数据库打交道的，难道这里就是把任务实例插入到了数据？

@Transactional(rollbackFor = Exception.class)

public TaskInstance submitTask(TaskInstance taskInstance, ProcessInstance processInstance){

    logger.info("start submit task : {}, instance id:{}, state: {}, ",

            taskInstance.getName(), processInstance.getId(), processInstance.getState() );

    processInstance = this.findProcessInstanceDetailById(processInstance.getId());

    //submit to mysql

    TaskInstance task= submitTaskInstanceToMysql(taskInstance, processInstance);

    if(task.isSubProcess() && !task.getState().typeIsFinished()){

        ProcessInstanceMap processInstanceMap = setProcessInstanceMap(processInstance, task);

        TaskNode taskNode = JSONUtils.parseObject(task.getTaskJson(), TaskNode.class);

        Map<String, String> subProcessParam = JSONUtils.toMap(taskNode.getParams());

        Integer defineId = Integer.parseInt(subProcessParam.get(Constants.CMDPARAM_SUB_PROCESS_DEFINE_ID));

        createSubWorkProcessCommand(processInstance, processInstanceMap, defineId, task);

    }else if(!task.getState().typeIsFinished()){

        //submit to task queue

        task.setProcessInstancePriority(processInstance.getProcessInstancePriority());

        submitTaskToQueue(task);

    }

    logger.info("submit task :{} state:{} complete, instance id:{} state: {}  ",

            taskInstance.getName(), task.getState(), processInstance.getId(), processInstance.getState());

    return task;

}

这段代码优点复杂，但只需要看其主干逻辑就好了。也就是调用submitTaskInstanceToMysql把任务实例插入到数据库，然后调用submitTaskToQueue（目前还看不出插入到了哪里）。

submitTaskInstanceToMysql不再贴源码分析，与函数名差不多，就是把instance插入到数据库。

submitTaskToQueue主干逻辑就是把taskInstance添加到了TaskQueue。

public Boolean submitTaskToQueue(TaskInstance taskInstance) {

    try{

        // task cannot submit when running

        if(taskInstance.getState() == ExecutionStatus.RUNNING_EXEUTION){

            logger.info(String.format("submit to task queue, but task [%s] state already be running. ", taskInstance.getName()));

            return true;

        }

        if(checkTaskExistsInTaskQueue(taskInstance)){

            logger.info(String.format("submit to task queue, but task [%s] already exists in the queue.", taskInstance.getName()));

            return true;

        }

        logger.info("task ready to queue: {}" , taskInstance);

        taskQueue.add(DOLPHINSCHEDULER_TASKS_QUEUE, taskZkInfo(taskInstance));

        logger.info(String.format("master insert into queue success, task : %s", taskInstance.getName()) );

        return true;

    }catch (Exception e){

        logger.error("submit task to queue Exception: ", e);

        logger.error("task queue error : %s", JSONUtils.toJson(taskInstance));

        return false;

    }

}

taskQueue是TaskQueueFactory.getTaskQueueInstance()创建的。

protected ITaskQueue taskQueue = TaskQueueFactory.getTaskQueueInstance();

getTaskQueueInstance其实就是调用了TaskQueueZkImpl.getInstance()，这应该是一个遗留接口。估计设计初期是想根据配置创建不同的任务队列，比如redis或者其他，目前只支持zookeeper。

public static ITaskQueue getTaskQueueInstance() {

  String queueImplValue = CommonUtils.getQueueImplValue();

  if (StringUtils.isNotBlank(queueImplValue)) {

      logger.info("task queue impl use zookeeper ");

      return TaskQueueZkImpl.getInstance();

  }else{

    logger.error("property dolphinscheduler.queue.impl can't be blank, system will exit ");

    System.exit(-1);

  }

  return null;

}

既然只支持zookeeper，这段冗余代码应该删除的

这样来看submitTaskToQueue就是调用TaskQueueZkImpl.add方法，把任务实例插入到了zookeeper实现的队列中。

/**

 * add task to tasks queue

 *

 * @param key      task queue name

 * @param value    ${processInstancePriority}_${processInstanceId}_${taskInstancePriority}_${taskId}_host1,host2,...

 */

@Override

public void add(String key, String value) {

    try {

        String taskIdPath = getTasksPath(key) + Constants.SINGLE_SLASH + value;

        String result = getZkClient().create().withMode(CreateMode.PERSISTENT).forPath(taskIdPath, Bytes.toBytes(value));

        logger.info("add task : {} to tasks queue , result success",result);

    } catch (Exception e) {

        logger.error("add task to tasks queue exception",e);

    }

}

从上下文我们知道，这里的key就是tasks_queue；根据注释，value就是 ${processInstancePriority}${processInstanceId}${taskInstancePriority}_${taskId}_host1,host2...

这样来看，add就是在zk的tasks_queue父节点下创建子节点，子节点的data就是value的值。

submit的逻辑分析完毕，来继续分析submitWaitComplete的剩余主要逻辑：waitTaskQuit。

waitTaskQuit代码比较多，先从整体来分析其逻辑：

通过taskInstance.id查询taskInstance。其实就是查询taskInstance的最新状态。
通过参数判断是否启用超时检查
一个while“死循环”。
while中判断任务是否执行结束，是则退出
获取任务实例、流程实例最新状态
休眠1秒，进入下一次while循环

简单来说waitTaskQuit就是循环查看任务实例的状态，直至其成功。

MasterTaskExecThread的功能整体来看就是把任务实例信息插入到数据库，并放到zookeeper队列，然后循环等待任务实例的状态变成完成，并没有任何具体的执行逻辑。

Stopper.isRunning()作为一个全局变量，控制了N多的线程，每个线程都处于一个while“死循环”中。虽然都sleep一段时间，但感觉还是有点浪费。

至此，master涉及的5个主要线程，已经分析了四个（SubProcessTaskExecThread没有分析），主要功能分析结束。下面就分析一下master的启动过程。

MasterServer

先看MasterServer源码概览，它是一个SpringBoot普通应用，可以有Autowired字段。有三个主要的方法：run/stop/heartBeatThread。根据经验和注释大胆猜测一下，run是master的主要启动逻辑；stop负责优雅退出（销毁资源、容灾等）；heartBeatThread负责与zk的心跳。

这次分析，我们先从非主干逻辑分析，那就是heartBeatThread。

private Runnable heartBeatThread(){

    Runnable heartBeatThread  = new Runnable() {

        @Override

        public void run() {

            if(Stopper.isRunning()) {

                // send heartbeat to zk

                if (StringUtils.isBlank(zkMasterClient.getMasterZNode())) {

                    logger.error("master send heartbeat to zk failed: can't find zookeeper path of master server");

                    return;

                }

                zkMasterClient.heartBeatForZk(zkMasterClient.getMasterZNode(), Constants.MASTER_PREFIX);

            }

        }

    };

    return heartBeatThread;

}

heartBeatThread创建了一个线程，该线程就是调用了zkMasterClient.heartBeatForZk。

public void heartBeatForZk(String znode, String serverType){

	try {

		//check dead or not in zookeeper

		if(zkClient.getState() == CuratorFrameworkState.STOPPED || checkIsDeadServer(znode, serverType)){

			stoppable.stop("i was judged to death, release resources and stop myself");

			return;

		}

		byte[] bytes = zkClient.getData().forPath(znode);

		String resInfoStr = new String(bytes);

		String[] splits = resInfoStr.split(Constants.COMMA);

		if (splits.length != Constants.HEARTBEAT_FOR_ZOOKEEPER_INFO_LENGTH){

			return;

		}

		String str = splits[0] + Constants.COMMA

				+ splits[1] + Constants.COMMA

				+ OSUtils.cpuUsage() + Constants.COMMA

				+ OSUtils.memoryUsage() + Constants.COMMA

				+ OSUtils.loadAverage() + Constants.COMMA

				+ splits[5] + Constants.COMMA

				+ DateUtils.dateToString(new Date());

		zkClient.setData().forPath(znode,str.getBytes());

	} catch (Exception e) {

		logger.error("heartbeat for zk failed : " + e.getMessage(), e);

		stoppable.stop("heartbeat for zk exception, release resources and stop myself");

	}

}

zkMasterClient.heartBeatForZk就是在master对应的zookeeper目录下，更新data值，data主要包含当前系统的资源信息：CPU、内存、平均负载。还有最后一次更新的时间。

我们注意到zkMasterClient的类型是ZKMasterClient，那是不是还会有一个功能类似的ZKWorkerClient？也是用来汇报worker节点的系统资源信息的？

public synchronized void stop(String cause) {

    try {

        //execute only once

        if(Stopper.isStoped()){

            return;

        }

        logger.info("master server is stopping ..., cause : {}", cause);

        // set stop signal is true

        Stopper.stop();

        try {

            //thread sleep 3 seconds for thread quitely stop

            Thread.sleep(3000L);

        }catch (Exception e){

            logger.warn("thread sleep exception:" + e.getMessage(), e);

        }

        try {

            heartbeatMasterService.shutdownNow();

        }catch (Exception e){

            logger.warn("heartbeat service stopped exception");

        }

        logger.info("heartbeat service stopped");

        //close quartz

        try{

            QuartzExecutors.getInstance().shutdown();

        }catch (Exception e){

            logger.warn("Quartz service stopped exception:{}",e.getMessage());

        }

        logger.info("Quartz service stopped");

        try {

            ThreadPoolExecutors.getInstance().shutdown();

        }catch (Exception e){

            logger.warn("threadpool service stopped exception:{}",e.getMessage());

        }

        logger.info("threadpool service stopped");

        try {

            masterSchedulerService.shutdownNow();

        }catch (Exception e){

            logger.warn("master scheduler service stopped exception:{}",e.getMessage());

        }

        logger.info("master scheduler service stopped");

        try {

            zkMasterClient.close();

        }catch (Exception e){

            logger.warn("zookeeper service stopped exception:{}",e.getMessage());

        }

        logger.info("zookeeper service stopped");

    } catch (Exception e) {

        logger.error("master server stop exception : " + e.getMessage(), e);

        System.exit(-1);

    }

}

来看stop，它是一个同步方法（synchronized）。为了线程安全，这一点还是比较谨慎的。还会调用Stopper.isStoped()，以便只能执行一次。

后面的逻辑就比较简单了，总结如下：

Stopper.stop()。关闭全部线程的循环标志
休眠3秒
heartbeatMasterService.shutdownNow
QuartzExecutors.getInstance().shutdown
ThreadPoolExecutors.getInstance().shutdown
masterSchedulerService.shutdownNow
zkMasterClient.close

读者要细心的分析shutdownNow和shutdown的区别。一些重要的线程还是要等待其全部执行完才能退出的，比如ThreadPoolExecutors。

但上面退出的顺序就值得商榷了。假如ThreadPoolExecutors等了很久才退出，就会造成zkMasterClient退出时间也非常久。现在还不知道其他master节点是怎么进行容灾的。假如通过HeartBeat，此时heartBeat已经停止了，应该容灾，但任务线程池还在执行，其他节点又重复启动了流程定义实例是否会有影响呢？如果通过zookeeper心跳，此时任务也没有结束，zookeeper还在连接，貌似也没法容灾吧。

从上面的分析来看，在各个while循环处理Stopper.isRunning()时，并没有做相应的退出动作，所以此处的stop并不优雅。不是说master优雅退出了，其他节点就是优雅的退出。

考虑到run源码比较长，且都是一些线程初始化、提交的逻辑，下面只分析最后一段代码。

// start QuartzExecutors

// what system should do if exception

try {

    ProcessScheduleJob.init(processDao);

    QuartzExecutors.getInstance().start();

} catch (Exception e) {

    try {

        QuartzExecutors.getInstance().shutdown();

    } catch (SchedulerException e1) {

        logger.error("QuartzExecutors shutdown failed : " + e1.getMessage(), e1);

    }

    logger.error("start Quartz failed : " + e.getMessage(), e);

}

/**

 *  register hooks, which are called before the process exits

 */

Runtime.getRuntime().addShutdownHook(new Thread(new Runnable() {

    @Override

    public void run() {

        if (zkMasterClient.getActiveMasterNum() <= 1) {

            for (int i = 0; i < Constants.DOLPHINSCHEDULER_WARN_TIMES_FAILOVER; i++) {

                zkMasterClient.getAlertDao().sendServerStopedAlert(

                        1, OSUtils.getHost(), "Master-Server");

            }

        }

        stop("shutdownhook");

    }

}));

ProcessScheduleJob.init就是给ProcessScheduleJob一个static字段赋值，也就是给所有的ProcessScheduleJob一个全局的processDao

public static void init(ProcessDao processDao) {

    ProcessScheduleJob.processDao = processDao;

}

感觉源码中关于processDao的处理有点模糊不清，比较随意。有些是传参，有些是getBean，有些又是全局变量。好乱，好乱。

addShutdownHook的逻辑就比较清晰了，就是添加了进程退出的hook。先发送预警信息，然后调用stop“优雅”退出。

FetchTaskThread

worker涉及的线程主要有两个FetchTaskThread、TaskScheduleThread。

FetchTaskThread从名称上来看，应该是从zk队列拉取任务信息的。它也是Runnable的一个实现类，还是从run方法入手分析。

@Override

public void run() {

    while (Stopper.isRunning()){

        InterProcessMutex mutex = null;

        try {

            ThreadPoolExecutor poolExecutor = (ThreadPoolExecutor) workerExecService;

            //check memory and cpu usage and threads

            boolean runCheckFlag = OSUtils.checkResource(this.conf, false) && checkThreadCount(poolExecutor);

            Thread.sleep(Constants.SLEEP_TIME_MILLIS);

            if(!runCheckFlag) {

                continue;

            }

            //whether have tasks, if no tasks , no need lock  //get all tasks

            List<String> tasksQueueList = taskQueue.getAllTasks(Constants.DOLPHINSCHEDULER_TASKS_QUEUE);

            if (CollectionUtils.isEmpty(tasksQueueList)){

                continue;

            }

            // creating distributed locks, lock path /dolphinscheduler/lock/worker

            mutex = zkWorkerClient.acquireZkLock(zkWorkerClient.getZkClient(),

                    zkWorkerClient.getWorkerLockPath());

            // task instance id str

            List<String> taskQueueStrArr = taskQueue.poll(Constants.DOLPHINSCHEDULER_TASKS_QUEUE, taskNum);

            for(String taskQueueStr : taskQueueStrArr){

                if (StringUtils.isEmpty(taskQueueStr)) {

                    continue;

                }

                if (!checkThreadCount(poolExecutor)) {

                    break;

                }

                // get task instance id

                taskInstId = getTaskInstanceId(taskQueueStr);

                // mainly to wait for the master insert task to succeed

                waitForTaskInstance();

                taskInstance = processDao.getTaskInstanceDetailByTaskId(taskInstId);

                // verify task instance is null

                if (verifyTaskInstanceIsNull(taskInstance)) {

                    logger.warn("remove task queue : {} due to taskInstance is null", taskQueueStr);

                    removeNodeFromTaskQueue(taskQueueStr);

                    continue;

                }

                Tenant tenant = processDao.getTenantForProcess(taskInstance.getProcessInstance().getTenantId(),

                        taskInstance.getProcessDefine().getUserId());

                // verify tenant is null

                if (verifyTenantIsNull(tenant)) {

                    logger.warn("remove task queue : {} due to tenant is null", taskQueueStr);

                    removeNodeFromTaskQueue(taskQueueStr);

                    continue;

                }

                // set queue for process instance, user-specified queue takes precedence over tenant queue

                String userQueue = processDao.queryUserQueueByProcessInstanceId(taskInstance.getProcessInstanceId());

                taskInstance.getProcessInstance().setQueue(StringUtils.isEmpty(userQueue) ? tenant.getQueue() : userQueue);

                taskInstance.getProcessInstance().setTenantCode(tenant.getTenantCode());

                logger.info("worker fetch taskId : {} from queue ", taskInstId);

                if(!checkWorkerGroup(taskInstance, OSUtils.getHost())){

                    continue;

                }

                // local execute path

                String execLocalPath = getExecLocalPath();

                logger.info("task instance  local execute path : {} ", execLocalPath);

                // init task

                taskInstance.init(OSUtils.getHost(),

                        new Date(),

                        execLocalPath);

                // check and create Linux users

                FileUtils.createWorkDirAndUserIfAbsent(execLocalPath,

                        tenant.getTenantCode(), logger);

                logger.info("task : {} ready to submit to task scheduler thread",taskInstId);

                // submit task

                workerExecService.submit(new TaskScheduleThread(taskInstance, processDao));

                // remove node from zk

                removeNodeFromTaskQueue(taskQueueStr);

            }

        }catch (Exception e){

            logger.error("fetch task thread failure" ,e);

        }finally {

            AbstractZKClient.releaseMutex(mutex);

        }

    }

}

run还是一个while“死循环”，首先检查了当前资源是否超阈值、线程数是否够用，然后休眠1秒，判断前面的结果，为false则进入下一个循环。

真恶心的写法，居然是先获取runCheckFlag标志，休眠后再判断这个值。

调用taskQueue.getAllTasks获取当前所有的任务列表，为空则进入下一次循环。

难道不应该用hasTask这样的接口判断吗？此处只是判断是否有作业，获取全部的任务列表就不合适了，优点浪费内存。

申请InterProcessMutex锁，这样同一时刻只有一个worker节点可以从队列中poll任务。这意味着，任务会随机的在worker节点执行。分配任务的算法多少有点简单，难道不应该哪个节点资源多，抢占锁的可能性大一点吗？

其实可以基于zookeeper实现一个具有优先级的分布式锁，申请锁时会设置当前客户端的权重，权重大的抢到锁的可能性随之增大。

抢占到锁之后，每次poll固定数量的任务。还记得之前TaskQueue中插入的是什么样的数据吗？

${processInstancePriority}_${processInstanceId}_${taskInstancePriority}_${taskId}_host1,host2...

虽然作者说，百万级别的时候处理这样的字符串没有啥性能损耗，但简化点不好吗？特别是前面还有一个getAll。

获取到任务列表之后，就是一个for循环，依次处理任务。下面简单总结一下其逻辑。

判断taskQueueStr是否为空。感觉有点多此一举。
判断当前线程数是否够用
从taskQueueStr中取到任务ID。就是按照_分隔之后的第四个字段。
等待任务实例信息插入到数据库。循环30次，每次等待1秒。注释说数据库操作会被延迟，不知道哪里会延迟。
通过任务id，获取任务实例信息。
通过任务实例，获取租户信息。
通过任务实例，获取用户队列信息。为啥不在查询任务实例信息的时候，直接获取到呢？或者在getTaskInstanceDetailByTaskId一次性获取到？
判断任务实例是否可以在当前节点执行，不能则继续下一个任务处理。这为啥不提前判断呢？调了2次db查询才来判断？
任务实例初始化
检查目录、用户是否存在。不存在则创建用户、目录。为啥不是提前建好？每次还要检查一遍。
提交任务，交给TaskScheduleThread线程执行。
删除taskQueue中对应的任务节点。

FetchTaskThread功能就是抢占zk锁，从TaskQueue获取任务，然后创建TaskScheduleThread线程去执行。

TaskScheduleThread

TaskScheduleThread的功能应该是比较简单了，毕竟到这一步就要执行具体的逻辑了。

@Override

public void run() {

    try {

        // update task state is running according to task type

        updateTaskState(taskInstance.getTaskType());

        logger.info("script path : {}", taskInstance.getExecutePath());

        // task node

        TaskNode taskNode = JSONObject.parseObject(taskInstance.getTaskJson(), TaskNode.class);

        // copy hdfs/minio file to local

        copyHdfsToLocal(processDao,

                taskInstance.getExecutePath(),

                createProjectResFiles(taskNode),

                logger);

        // get process instance according to tak instance

        ProcessInstance processInstance = taskInstance.getProcessInstance();

        // set task props

        TaskProps taskProps = new TaskProps(taskNode.getParams(),

                taskInstance.getExecutePath(),

                processInstance.getScheduleTime(),

                taskInstance.getName(),

                taskInstance.getTaskType(),

                taskInstance.getId(),

                CommonUtils.getSystemEnvPath(),

                processInstance.getTenantCode(),

                processInstance.getQueue(),

                taskInstance.getStartTime(),

                getGlobalParamsMap(),

                taskInstance.getDependency(),

                processInstance.getCmdTypeIfComplement());

        // set task timeout

        setTaskTimeout(taskProps, taskNode);

        taskProps.setTaskAppId(String.format("%s_%s_%s",

                taskInstance.getProcessDefine().getId(),

                taskInstance.getProcessInstance().getId(),

                taskInstance.getId()));

        // custom logger

        Logger taskLogger = LoggerFactory.getLogger(LoggerUtils.buildTaskId(LoggerUtils.TASK_LOGGER_INFO_PREFIX,

                taskInstance.getProcessDefine().getId(),

                taskInstance.getProcessInstance().getId(),

                taskInstance.getId()));

        task = TaskManager.newTask(taskInstance.getTaskType(),

                taskProps,

                taskLogger);

        // task init

        task.init();

        // task handle

        task.handle();

        // task result process

        task.after();

    }catch (Exception e){

        logger.error("task scheduler failure", e);

        kill();

        // update task instance state

        processDao.changeTaskState(ExecutionStatus.FAILURE,

                new Date(),

                taskInstance.getId());

    }

    logger.info("task instance id : {},task final status : {}",

            taskInstance.getId(),

            task.getExitStatus());

    // update task instance state

    processDao.changeTaskState(task.getExitStatus(),

            new Date(),

            taskInstance.getId());

}

还是一步步分析run方法。

更新任务状态为ExecutionStatus.RUNNING_EXEUTION
从任务实例获取任务节点信息。
从HDFS复制文件到本地。包括一些用户上传的资源文件，jar包、SQL文件、配置文件等等。
构造TaskProps对象。
初始化任务日志对象。
构造AbstractTask实例
依次调用AbstractTask的init、handle、after。
更新任务实例的状态。异常失败或成功等。

TaskManager.newTask还是比较重要的，它创建了最终的、具体的、可执行的任务实例。

public static AbstractTask newTask(String taskType, TaskProps props, Logger logger)

  throws IllegalArgumentException {

switch (EnumUtils.getEnum(TaskType.class,taskType)) {

    case SHELL:

    return new ShellTask(props, logger);

  case PROCEDURE:

    return new ProcedureTask(props, logger);

  case SQL:

    return new SqlTask(props, logger);

  case MR:

    return new MapReduceTask(props, logger);

  case SPARK:

    return new SparkTask(props, logger);

  case FLINK:

    return new FlinkTask(props, logger);

  case PYTHON:

    return new PythonTask(props, logger);

  case DEPENDENT:

    return new DependentTask(props, logger);

  case HTTP:

    return new HttpTask(props, logger);

  default:

    logger.error("unsupport task type: {}", taskType);

    throw new IllegalArgumentException("not support task type");

}

至此，终于找到了前端配置任务的具体实现类。其实吧，这个异常抛的没有道理。这个taskType肯定是保存在数据库的，保存之前应该做校验了吧，毕竟是enum转过去的。

ShellTask

AbstractTask的子类现在有9个，为了简单下面只分析ShellTask，这是一个常见且简单的任务类型。

public ShellTask(TaskProps taskProps, Logger logger) {

    super(taskProps, logger);

    this.taskDir = taskProps.getTaskDir();

    this.shellCommandExecutor = new ShellCommandExecutor(this::logHandle, taskProps.getTaskDir(),

            taskProps.getTaskAppId(),

            taskProps.getTaskInstId(),

            taskProps.getTenantCode(),

            taskProps.getEnvFile(),

            taskProps.getTaskStartTime(),

            taskProps.getTaskTimeout(),

            logger);

    this.processDao = SpringApplicationContext.getBean(ProcessDao.class);

}

先看其构造函数，有两个字段的初始化比较重要：shellCommandExecutor、processDao。ShellCommandExecutor是shell脚本的执行器，具体功能后面再分析。processDao的初始化方法是不是比较熟悉？又是通过SpringApplicationContext.getBean获取到的，传个参数多好。把这些dao等其他类型的全局或局部变量封装到TaskContenxt多好，如果任务之间传递变量，就可以用TaskContenxt了。

根据init、handle、after的名称来看，具体的执行应该是在handle。

public void handle() throws Exception {

    try {

      // construct process

      exitStatusCode = shellCommandExecutor.run(buildCommand(), processDao);

    } catch (Exception e) {

      logger.error("shell task failure", e);

      exitStatusCode = -1;

    }

    }

handle就是简单的调用了shellCommandExecutor.run，如果出现异常，则exitStatusCode赋值-1

shellCommandExecutor.run的代码比较多，不再深入分析，此处只简单的分析shellCommandExecutor的buildProcess的方法。

private void buildProcess(String commandFile) throws IOException {

    //init process builder

    ProcessBuilder processBuilder = new ProcessBuilder();

    // setting up a working directory

    processBuilder.directory(new File(taskDir));

    // merge error information to standard output stream

    processBuilder.redirectErrorStream(true);

    // setting up user to run commands

    processBuilder.command("sudo", "-u", tenantCode, commandType(), commandFile);

    process = processBuilder.start();

    // print command

    printCommand(processBuilder);

}

它根据commandFile创建了一个ProcessBuilder，返回了Process对象。当然了，是通过sudo -u执行的shell命令。

DependentTask

DependentTask虽然是AbstractTask的一个子类，虽然与shell属于同一个层级的类，但由于其功能的特殊性，此处单独拿出来做分析。

public void handle(){

    // set the name of the current thread

    String threadLoggerInfoName = String.format(Constants.TASK_LOG_INFO_FORMAT, taskProps.getTaskAppId());

    Thread.currentThread().setName(threadLoggerInfoName);

    try{

        TaskInstance taskInstance = null;

        while(Stopper.isRunning()){

            taskInstance = processDao.findTaskInstanceById(this.taskProps.getTaskInstId());

            if(taskInstance == null){

                exitStatusCode = -1;

                break;

            }

            if(taskInstance.getState() == ExecutionStatus.KILL){

                this.cancel = true;

            }

            if(this.cancel || allDependentTaskFinish()){

                break;

            }

            Thread.sleep(Constants.SLEEP_TIME_MILLIS);

        }

        if(cancel){

            exitStatusCode = Constants.EXIT_CODE_KILL;

        }else{

            DependResult result = getTaskDependResult();

            exitStatusCode = (result == DependResult.SUCCESS) ?

                    Constants.EXIT_CODE_SUCCESS : Constants.EXIT_CODE_FAILURE;

        }

    }catch (Exception e){

        logger.error(e.getMessage(),e);

        exitStatusCode = -1;

    }

}

又是一个“死循环”，作者很钟情于这个设计啊。

逻辑也比较简单，总结如下：

通过任务实例id，获取当前最新的任务实例信息
判断状态是否为kill，是则退出
判断所有依赖任务是否完成，是则退出
休眠1秒，进入下一次循环。

allDependentTaskFinish是一个非常重要的逻辑。

private boolean allDependentTaskFinish(){

    boolean finish = true;

    for(DependentExecute dependentExecute : dependentTaskList){

        for(Map.Entry<String, DependResult> entry: dependentExecute.getDependResultMap().entrySet()) {

            if(!dependResultMap.containsKey(entry.getKey())){

                dependResultMap.put(entry.getKey(), entry.getValue());

                //save depend result to log

                logger.info("dependent item complete {} {},{}",

                        DEPENDENT_SPLIT, entry.getKey(), entry.getValue().toString());

            }

        }

        if(!dependentExecute.finish(dependentDate)){

            finish = false;

        }

    }

    return finish;

}

它遍历了dependentTaskList，通过dependentExecute.finish(dependentDate)判断了依赖的作业是否全部完成，任意一个没有完成，则退出循环，返回false。

dependentDate的值也很重要，它其实是任务的调度时间或者启动时间（补数时间）

if(taskProps.getScheduleTime() != null){

    this.dependentDate = taskProps.getScheduleTime();

}else{

    this.dependentDate = taskProps.getTaskStartTime();

}

通过一层层追踪分析DependentExecute.finish，我们定位到了DependentExecute.calculateResultForTasks，这是用来判断某个依赖项的依赖结果的。

/**

 * calculate dependent result for one dependent item.

 * @param dependentItem dependent item

 * @param dateIntervals date intervals

 * @return dateIntervals

 */

private DependResult calculateResultForTasks(DependentItem dependentItem,

                                                    List<DateInterval> dateIntervals) {

    DependResult result = DependResult.FAILED;

    for(DateInterval dateInterval : dateIntervals){

        ProcessInstance processInstance = findLastProcessInterval(dependentItem.getDefinitionId(),

                                                dateInterval);

        if(processInstance == null){

            logger.error("cannot find the right process instance: definition id:{}, start:{}, end:{}",

                   dependentItem.getDefinitionId(), dateInterval.getStartTime(), dateInterval.getEndTime() );

            return DependResult.FAILED;

        }

        if(dependentItem.getDepTasks().equals(Constants.DEPENDENT_ALL)){

            result = getDependResultByState(processInstance.getState());

        }else{

            TaskInstance taskInstance = null;

            List<TaskInstance> taskInstanceList = processDao.findValidTaskListByProcessId(processInstance.getId());

            for(TaskInstance task : taskInstanceList){

                if(task.getName().equals(dependentItem.getDepTasks())){

                    taskInstance = task;

                    break;

                }

            }

            if(taskInstance == null){

                // cannot find task in the process instance

                // maybe because process instance is running or failed.

                 result = getDependResultByState(processInstance.getState());

            }else{

                result = getDependResultByState(taskInstance.getState());

            }

        }

        if(result != DependResult.SUCCESS){

            break;

        }

    }

    return result;

}

总结并简化其重要的逻辑，大概是如果依赖整个DAG，则判断流程定义实例的状态；否则依次判断依赖任务实例的状态。

DependentTask的逻辑简单清晰，就是循环等待所有的任务结束。但感觉这样设计不太好，毕竟把它当成一个普通的Task，就意味着它会占用整体的可调用的线程池。如果项目多、任务多、依赖也多的话，这个浪费还是有点大的。个人觉得DependentTask可以单独设计成一个线程，或者放到独立的线程池去运行。毕竟对于一个调度系统来说，“依赖”还是一个非常重要的概念的。

WorkerServer

最后我们分析WorkerServer，这是与master同级的类。与master分析思路一致，还是先来看stop方法。

此处补贴代码，只总结stop逻辑。

调用Stopper.stop设置全局变量。停止所有线程的“死”循环
休眠3秒
停止worker心跳。heartbeatWorkerService.shutdownNow
停止worker任务线程池。ThreadPoolExecutors.getInstance().shutdown
停止killExecutor线程池。killExecutorService.shutdownNow
停止fetchTask线程池。fetchTaskExecutorService.shutdownNow
停止zookeeper客户端。zkWorkerClient.close

heartBeatThread不再分析，其逻辑与master基本一致，就是上报worker的当前资源使用情况。

ZKWorkerClient

最后我们再来看ZKWorkerClient的逻辑，它与worker的容灾有很大关系。这是一个非常重要的逻辑和概念，下面会逐步深入分析。

private ZKWorkerClient(){

	init();

}

/**

 * init

 */

private void init(){

	// init system znode

	this.initSystemZNode();

	// monitor worker

	this.listenerWorker();

	// register worker

	this.registWorker();

}

先来看其初始化过程，就是一次调用initSystemZNode、listenerWorker、registWorker。

protected void initSystemZNode(){

	try {

		createNodePath(getMasterZNodeParentPath());

		createNodePath(getWorkerZNodeParentPath());

		createNodePath(getDeadZNodeParentPath());

	} catch (Exception e) {

		logger.error("init system znode failed : " + e.getMessage(),e);

	}

}

private void createNodePath(String zNodeParentPath) throws Exception {

    if(null == zkClient.checkExists().forPath(zNodeParentPath)){

        zkClient.create().creatingParentContainersIfNeeded()

				.withMode(CreateMode.PERSISTENT).forPath(zNodeParentPath);

	}

}

根据initSystemZNode源码，以及涉及到的三个函数来看，就是在zookeeper中依次创建了3个节点。令人诧异的是，在worker节点初始化过程中居然会创建master相关的子节点。

下面我们先分析registWorker，因为我觉得就是应该先注册worker节点，在开启监听啊。

registWorker的源码不再贴出来，它主要就是调用registerServer(ZKNodeType.WORKER)注册了当前节点。

public String registerServer(ZKNodeType zkNodeType) throws Exception {

	String registerPath = null;

	String host = OSUtils.getHost();

	if(checkZKNodeExists(host, zkNodeType)){

		logger.error("register failure , {} server already started on host : {}" ,

				zkNodeType.toString(), host);

		return registerPath;

	}

	registerPath = createZNodePath(zkNodeType);

    // handle dead server

	handleDeadServer(registerPath, zkNodeType, Constants.DELETE_ZK_OP);

	return registerPath;

}

registerServer首先检查了当前节点是否存在，存在则退出；不存在则创建节点。最后调用handleDeadServer，其实就是查找死掉的节点，然后从zk中删除。

private void listenerWorker(){

	workerPathChildrenCache = new PathChildrenCache(zkClient, getZNodeParentPath(ZKNodeType.WORKER), true, defaultThreadFactory);

	try {

		workerPathChildrenCache.start();

		workerPathChildrenCache.getListenable().addListener(new PathChildrenCacheListener() {

			@Override

			public void childEvent(CuratorFramework client, PathChildrenCacheEvent event) throws Exception {

				switch (event.getType()) {

					case CHILD_ADDED:

						logger.info("node added : {}" ,event.getData().getPath());

						break;

					case CHILD_REMOVED:

                        String path = event.getData().getPath();

						//find myself dead

						String serverHost = getHostByEventDataPath(path);

						if(checkServerSelfDead(serverHost, ZKNodeType.WORKER)){

							return;

						}

						break;

					case CHILD_UPDATED:

						break;

					default:

						break;

				}

			}

		});

	}catch (Exception e){

		logger.error("monitor worker failed : " + e.getMessage(),e);

	}

}

listenerWorker就是监听worker的CHILD_REMOVED事件，监听到该事件之后，调用了checkServerSelfDead。worker本身并不会对其他worker节点的移除进行啥具体逻辑。

protected boolean checkServerSelfDead(String serverHost, ZKNodeType zkNodeType) {

	if (serverHost.equals(OSUtils.getHost())) {

		logger.error("{} server({}) of myself dead , stopping...",

				zkNodeType.toString(), serverHost);

		stoppable.stop(String.format(" {} server {} of myself dead , stopping...",

				zkNodeType.toString(), serverHost));

		return true;

	}

	return false;

}

checkServerSelfDead判断是否为当前节点，如果是则调用stoppable.stop，而stoppable是在WorkerServer.run函数中设置的。

zkWorkerClient.setStoppable(this);

listenerWorker就是监听当前节点是否超时被zookeeper删除，删除后则调用stop方法，优雅退出。

ZKMasterClient

ZKWorkerClient好像没啥逻辑，就是用来优雅的退出，下面来分析ZKMasterClient。

private ZKMasterClient(ProcessDao processDao){

	this.processDao = processDao;

	init();

}

public void init(){

	// init dao

	this.initDao();

	InterProcessMutex mutex = null;

	try {

		// create distributed lock with the root node path of the lock space as /dolphinscheduler/lock/failover/master

		String znodeLock = getMasterStartUpLockPath();

		mutex = new InterProcessMutex(zkClient, znodeLock);

		mutex.acquire();

		// init system znode

		this.initSystemZNode();

		// monitor master

		this.listenerMaster();

		// monitor worker

		this.listenerWorker();

		// register master

		this.registerMaster();

		// check if fault tolerance is required，failure and tolerance

		if (getActiveMasterNum() == 1) {

			failoverWorker(null, true);

			failoverMaster(null);

		}

	}catch (Exception e){

		logger.error("master start up  exception : " + e.getMessage(),e);

	}finally {

		releaseMutex(mutex);

	}

}

代码比较长，总结一下其逻辑：

initDao。其实就是初始化alertDao，调用DaoFactory.getDaoInstance(AlertDao.class)。好恶心的初始化方法，processDao是传进来的，alertDao又是这样创建的。
申请/dolphinscheduler/lock/failover/master路径的分布式锁。
申请到锁之后，依次调用initSystemZNode、listenerMaster、listenerWorker、registerMaster
如果当前活动的master个数为1则进行容灾。暂时还不知道为啥。

initSystemZNode不再分析；listenerMaster不再贴源码，它主要逻辑就是监听到其他master节点被移除后调用removeZKNodePath，如果是当前节点，则优雅退出。

removeZKNodePath也不再贴源码，它主要是处理死掉的节点、进行预警，如果要进行故障转移，就调用failoverServerWhenDown。这是一个非常重要的方法，它在里面按照不同情况调用了failoverMaster或failoverWorker。也就是说master和worker的故障转移都是在master处理的。

private void failoverMaster(String masterHost) {

	logger.info("start master failover ...");

	List<ProcessInstance> needFailoverProcessInstanceList = processDao.queryNeedFailoverProcessInstances(masterHost);

	//updateProcessInstance host is null and insert into command

	for(ProcessInstance processInstance : needFailoverProcessInstanceList){

		processDao.processNeedFailoverProcessInstances(processInstance);

	}

	logger.info("master failover end");

}

failoverMaster查询了指定master节点运行的流程定义实例，然后调动processNeedFailoverProcessInstances进行处理。

@Transactional(rollbackFor = Exception.class)

public void processNeedFailoverProcessInstances(ProcessInstance processInstance){

    //1 update processInstance host is null

    processInstance.setHost("null");

    processInstanceMapper.updateById(processInstance);

    //2 insert into recover command

    Command cmd = new Command();

    cmd.setProcessDefinitionId(processInstance.getProcessDefinitionId());

    cmd.setCommandParam(String.format("{\"%s\":%d}", Constants.CMDPARAM_RECOVER_PROCESS_ID_STRING, processInstance.getId()));

    cmd.setExecutorId(processInstance.getExecutorId());

    cmd.setCommandType(CommandType.RECOVER_TOLERANCE_FAULT_PROCESS);

    createCommand(cmd);

}

processNeedFailoverProcessInstances逻辑就是更新为当前流程定义实例的host字段为null字符串，插入一条类型为RECOVER_TOLERANCE_FAULT_PROCESS的Command，参数是流程定义实例id。

这里只是插入了一条Command，具体是在哪里处理的呢？这里全局搜索一下。

排除之后定位到ProcessDao.constructProcessInstance，如果是RECOVER_TOLERANCE_FAULT_PROCESS类型，则调用processInstance.setRecovery(Flag.YES)。依然不知道怎么处理的，还得搜索判断为recovery为true时的逻辑。

搜来搜去你会惊奇的发现，没有地方会对RECOVER_TOLERANCE_FAULT_PROCESS或processInstance.getRecovery为true做特殊处理！！！

那就得回到cmd的构造上，它设置了4个值，就得研究下这跟普通的Command的其他区别了。

Command command = new Command();

command.setCommandType(CommandType.SCHEDULER);

command.setExecutorId(schedule.getUserId());

command.setFailureStrategy(schedule.getFailureStrategy());

command.setProcessDefinitionId(schedule.getProcessDefinitionId());

command.setScheduleTime(scheduledFireTime);

command.setStartTime(fireTime);

command.setWarningGroupId(schedule.getWarningGroupId());

command.setWorkerGroupId(schedule.getWorkerGroupId());

command.setWarningType(schedule.getWarningType());

command.setProcessInstancePriority(schedule.getProcessInstancePriority());

现在回过头去ProcessScheduleJob.execute看一下，普通Command是如何构造的。大家会发现RECOVER_TOLERANCE_FAULT_PROCESS的Command多了一个commandParam的设置，这个param的key是Constants.CMDPARAM_RECOVER_PROCESS_ID_STRING。

通过全局搜索，定位到ProcessDao.constructProcessInstance，这里有对Constants.CMDPARAM_RECOVER_PROCESS_ID_STRING的处理。

处理也比较简单，就是获取到Constants.CMDPARAM_RECOVER_PROCESS_ID_STRING的值，然后查询到流程定义实例对象而不是重新创建一个。后续逻辑就是把流程定义实例的参数，全都put到cmdParam中进行后续的逻辑判断。

根据流程实例id查询，而不是重新创建。这样的好处是可以避免已经执行成功的任务不再重复执行。那处于running状态的任务呢？这个就要结合master的优雅退出来看了。

还记得master如何优雅退出的吗？好像没有涉及到这部分逻辑啊？没错，就是没有涉及，其实master会等待所调度的所有流程定义实例中的任务直至结束的。也就是说，调度的任务应该会被正常的执行完毕的，状态最终会被更新成失败或者成功。

那如果宕掉的master没有能成功更新作业的状态呢？很不幸，DolphinScheduler没有处理这部分异常。此时的作业只能是永久处于running状态，除非手动干预。

这部分逻辑最好处理一下啊，要不然就真的永久处于running状态了。

分析到这里大家会发现，其实master的故障转移很简单，就是把某个master节点的流程定义实例交由其他master节点去驱动，原来的流程定义实例中的任务状态没有任何改变。

下面来看看worker的故障转移。

/**

 * failover worker tasks

 *

 * 1. kill yarn job if there are yarn jobs in tasks.

 * 2. change task state from running to need failover.

 * 3. failover all tasks when workerHost is null

 * @param workerHost			worker host

 * @param needCheckWorkerAlive	need check worker alive

 * @throws Exception			exception

 */

private void failoverWorker(String workerHost, boolean needCheckWorkerAlive) throws Exception {

	logger.info("start worker[{}] failover ...", workerHost);

	List<TaskInstance> needFailoverTaskInstanceList = processDao.queryNeedFailoverTaskInstances(workerHost);

	for(TaskInstance taskInstance : needFailoverTaskInstanceList){

		if(needCheckWorkerAlive){

			if(!checkTaskInstanceNeedFailover(taskInstance)){

				continue;

            }

		}

		ProcessInstance instance = processDao.findProcessInstanceDetailById(taskInstance.getProcessInstanceId());

		if(instance!=null){

			taskInstance.setProcessInstance(instance);

		}

		// only kill yarn job if exists , the local thread has exited

		ProcessUtils.killYarnJob(taskInstance);

		taskInstance.setState(ExecutionStatus.NEED_FAULT_TOLERANCE);

		processDao.saveTaskInstance(taskInstance);

	}

	logger.info("end worker[{}] failover ...", workerHost);

}

首先根据worker的IP找到对应的任务实例，如果该实例不需要故障转移则继续下一个任务实例的检测；如果需要，则找到对应的流程定义实例，将其与任务实例关联；只杀掉yarn作业，作者说其他作业的本地线程已经退出（谁知道呢）；设置任务实例的状态为ExecutionStatus.NEED_FAULT_TOLERANCE。

看到这里发现worker的故障转移也没啥太复杂功能，就是设置任务实例的状态。那是如何处理ExecutionStatus.NEED_FAULT_TOLERANCE状态的任务实例的呢？

很不幸，没有具体的逻辑来处理这个状态。还记得worker是如何优雅stop的吗？就是等对应的线程池安全退出，其实就是让正在执行的任务实例继续执行完毕。

全局搜索之后，发现对ExecutionStatus.NEED_FAULT_TOLERANCE做过的唯一比较重要的判断就是：如果作业失败且需要故障转移，就把他放到recoverToleranceFaultTaskList列表中。但跟踪代码才发现recoverToleranceFaultTaskList就是用来预警的。

刚开始，taskCanRetry中对NEED_FAULT_TOLERANCE的判断被我忽略了。

/**

 * determine if you can try again

 * @return can try result

 */

public boolean taskCanRetry() {

    if(this.isSubProcess()){

        return false;

    }

    if(this.getState() == ExecutionStatus.NEED_FAULT_TOLERANCE){

        return true;

    }else {

        return (this.getState().typeIsFailure()

            && this.getRetryTimes() < this.getMaxRetryTimes());

    }

}

taskCanRetry中，如果是ExecutionStatus.NEED_FAULT_TOLERANCE状态，则不管重试了多少次，一定可以重试。有啥用呢？

其实就是如果发现某个作业是故障转移状态，则失败的时候一定可以重试。

if(task.getState().typeIsFailure()){

    if(task.getState() == ExecutionStatus.NEED_FAULT_TOLERANCE){

        this.recoverToleranceFaultTaskList.add(task);

    }

    if(task.taskCanRetry()){

        addTaskToStandByList(task);

    }else{

        // node failure, based on failure strategy

        errorTaskList.put(task.getName(), task);

        completeTaskList.put(task.getName(), task);

        if(processInstance.getFailureStrategy() == FailureStrategy.END){

            killTheOtherTasks();

        }

    }

    continue;

}

上面是MasterExecThread.runProcess中的一段代码，其逻辑就是如果当前作业失败，且可以重试，就把作业添加到readyToSubmitTaskList队列中再次执行。而ExecutionStatus.NEED_FAULT_TOLERANCE就是属于可以重试。

至此简单总结一下DolphinScheduler故障转移的逻辑：

worker如果与zookeeper连接超时，则停止心跳，停止获取任务，等待所有任务实例执行结束（正常或失败）并更新数据库状态
master如果与zookeeper连接超时，则停止心跳，停止获取流程定义实例，停止调度所有流程定义实例
master如果发现某个流程定义实例中的任务实例失败且属于ExecutionStatus.NEED_FAULT_TOLERANCE状态，则重新运行。

但这里有一个不太合理的假设：如果master/worker与zookeeper的连接超时，则master/worker出现了问题，应该发生故障转移。

master/worker与zookeeper的连接超时有两种可能，master/worker的网络有问题、zookeeper有问题。如果是master/worker的网络有问题则MySQL的读写也会有问题，意味着任务实例的状态更新可能有问题，此时发生故障转移没问题；如果是zookeeper服务本身有问题，则所有的master/worker可能都会有问题，即使发生故障转移意义不是特别大。

其实个人觉得，既然DolphinScheduler把流程定义、实例等信息保存到了数据库，那么心跳应该去度量与数据库的连接，而不是去度量与zookeeper的连接。zookeeper存在的意义就是分布式锁，而不应该是度量心跳！

引用

Dolphin Scheduler Api Docs

DolphinScheduler内部原理和架构设计.ppt