DolphinScheduler 任务状态类型流程
原创
DolphinScheduler 任务状态类型流程
原创
大盘鸡拌面
发布于 2025-09-05 10:01:46
发布于 2025-09-05 10:01:46
代码可运行
运行总次数：0
代码可运行
以下是 DolphinScheduler 2.0 任务状态类型的流程图，展示了任务从提交到最终状态的完整生命周期：
flowchart TD
Start(任务开始) --> Submitted[SUBMITTED_SUCCESS<br>提交成功]
Submitted --> Running[RUNNING_EXECUTION<br>运行中]
Running --> WaitThread[WAITING_THREAD<br>等待资源]
WaitThread --> Running
Running --> WaitDepend[WAITING_DEPEND<br>等待依赖]
WaitDepend --> Running
Running --> Delay[DELAY_EXECUTION<br>延迟执行]
Delay --> Running
Running -->|用户操作| ReadyPause[READY_PAUSE<br>准备暂停]
ReadyPause --> Pause[PAUSE<br>已暂停]
Pause -->|恢复| Running
Running -->|用户操作| ReadyStop[READY_STOP<br>准备停止]
ReadyStop --> Stop[STOP<br>已停止]
Running -->|执行失败| Failure[FAILURE<br>执行失败]
Failure --> FaultTolerance[NEED_FAULT_TOLERANCE<br>需要容错]
FaultTolerance -->|重试| Running
Running -->|执行成功| Success[SUCCESS<br>执行成功]
Running -->|强制操作| ForcedSuccess[FORCED_SUCCESS<br>强制成功]
Running -->|强制终止| Kill[KILL<br>已杀死]
Stop --> End(任务结束)
Success --> End
Failure --> End
ForcedSuccess --> End
Kill --> End状态转换说明：
- 初始状态：
-
SUBMITTED_SUCCESS：任务提交成功，进入执行队列
- 执行中状态：
-
RUNNING_EXECUTION：核心执行状态 - 等待状态：
WAITING_THREAD（等待资源）、WAITING_DEPEND（等待依赖） -
DELAY_EXECUTION：延迟执行，后会返回运行状态
- 用户干预状态：
- 暂停流程：
READY_PAUSE→PAUSE→（可恢复）→RUNNING_EXECUTION - 停止流程：
READY_STOP→STOP→ 结束
- 最终状态：
- 成功：
SUCCESS（正常成功）、FORCED_SUCCESS（强制成功） - 失败：
FAILURE→ 可能触发NEED_FAULT_TOLERANCE（容错重试） - 终止：
KILL（强制杀死）、STOP（用户停止）
关键特点：
- 环形流程：失败后可容错重试，形成执行循环
- 双向转换：暂停状态可恢复继续执行
- 多终态：任务有5种结束方式（成功、强制成功、失败、停止、杀死）
- 人工干预：用户可随时暂停、停止或强制成功任务
这个流程图清晰地展示了 DolphinScheduler 任务状态的完整生命周期和转换关系。
实例场景
某公司每天需要执行一个数据清洗工作流，包含以下任务：
- 数据提取：从源数据库提取数据
- 数据清洗：清洗和转换数据
- 数据加载：将清洗后的数据加载到数据仓库
任务状态流转示例
flowchart TD
Start(数据清洗工作流开始) --> Submitted[SUBMITTED_SUCCESS<br>工作流提交成功]
Submitted --> Running[RUNNING_EXECUTION<br>开始执行]
Running --> Task1[数据提取任务]
Task1 -->|执行成功| Task2[数据清洗任务]
Task2 -->|资源不足| WaitThread[WAITING_THREAD<br>等待资源]
WaitThread -->|资源就绪| Task2Continue[继续数据清洗]
Task2Continue -->|执行完成| Task3[数据加载任务]
Task3 -->|发现数据问题| ReadyPause[READY_PAUSE<br>准备暂停]
ReadyPause --> Pause[PAUSE<br>已暂停]
Pause -->|管理员检查后继续| Task3Continue[继续数据加载]
Task3Continue -->|加载完成| Success[SUCCESS<br>全部成功完成]
Pause -->|发现问题严重| ReadyStop[READY_STOP<br>准备停止]
ReadyStop --> Stop[STOP<br>已停止]
Success --> End(工作流结束)
Stop --> End详细状态转换过程
第一阶段：正常执行
- 08:00: 工作流提交 →
SUBMITTED_SUCCESS - 08:01: 开始执行数据提取任务 →
RUNNING_EXECUTION - 08:05: 数据提取成功，开始数据清洗 →
RUNNING_EXECUTION
第二阶段：资源等待
- 08:10: 数据清洗任务需要大量内存，资源不足 →
WAITING_THREAD - 08:15: 资源调度器分配足够资源 → 返回
RUNNING_EXECUTION - 08:20: 数据清洗完成，开始数据加载 →
RUNNING_EXECUTION
第三阶段：人工干预
- 08:25: 数据加载时发现源数据质量问题 →
READY_PAUSE - 08:26: 系统暂停工作流 →
PAUSE - 08:30: 管理员检查后确认可继续 → 返回
RUNNING_EXECUTION
第四阶段：完成
- 08:40: 数据加载完成 →
SUCCESS - 08:41: 工作流结束
异常情况变体
情况一：执行失败
flowchart LR
Running[RUNNING_EXECUTION] -->|提取失败| Failure[FAILURE]
Failure -->|自动重试| FaultTolerance[NEED_FAULT_TOLERANCE]
FaultTolerance -->|重试3次| Running
Failure -->|重试耗尽| FinalFailure[最终FAILURE]情况二：紧急停止
flowchart LR
Running[RUNNING_EXECUTION] -->|发现严重错误| ReadyStop[READY_STOP]
ReadyStop --> Stop[STOP]
Stop --> End(强制终止)实际API返回示例
如果此时查询任务状态，可能返回：
{
"totalCount": 3,
"taskCountDtos": [
{"count": 1, "taskStateType": "SUCCESS"},
{"count": 1, "taskStateType": "FAILURE"},
{"count": 1, "taskStateType": "PAUSE"},
{"count": 0, "taskStateType": "RUNNING_EXECUTION"},
// ... 其他状态都是0
]
}管理意义
通过这个例子可以看到：
- 状态监控：管理员可以实时了解任务执行情况
- 问题定位：通过状态变化追溯问题发生点
- 资源调度：
WAITING_THREAD状态提示需要优化资源分配 - 人工干预：紧急情况下可通过暂停/停止防止问题扩大
这种状态机制确保了大数据工作流的可靠性和可管理性。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
