128 KiB

Raw Permalink Blame History

大数据流水线系统PiFlow 使用说明书v0.8

引言

编写目的

该文档主要用于介绍大数据流水线系统PiFlow 的使用

建设范围

PiFlow server 及PiFlow web的使用说明

术语

PiFlow ：大数据流水线系统；
Flow：大数据流水线；
Stop：大数据流水线数据处理组件；
Path: 每个大数据流水线数据处理组件之间的连接线；
Group：大数据流水线组，支持流水线/流水线组的顺序调度；
Template：大数据流水线模板，支持将流水线/流水线组保存成模板、下载、上传和加载；
DataSource：数据源，支持FTP、JDBC、ElasticSearch、Hive等数据源注册，支持自定义数据源；
Schedule：大数据流水线调度，支持流水线/流水线组的调度及定时调度
StopsHub：组件热插拔，支持用户开发自定义组件一键上传

项目概述

大数据流水线系统PiFlow 主要是针对大数据的ETL工具，它具有如下特性：

简单易用
- 提供所见即所得页面配置流水线
- 监控流水线状态
- 查看流水线日志
- 检查点功能
- 调度功能
- 组件热插拔功能
可扩展性
- 支持用户自定义开发组件
性能优越
- 基于分布式计算引擎Spark开发
功能强大
- 提供100+数据处理组件
- 包括 spark、mllib、hadoop、hive、hbase、solr、redis、memcache、elasticSearch、jdbc、mongodb、http、ftp、xml、csv、json等.

使用说明

3.1 界面说明

3.1.1 注册

3.1.2 登录

3.1.4 首页

首页展示了资源使用情况，包括CPU、内存和磁盘。同时，展示了流水线Flow的总体情况、Group的总体情况、调度Schedule的总体情况、数据源DataSource的总体情况、数据处理组件的基本情况。其中Processor为运行态流水线/流水线组，状态可分为Started开始、完成Completed、失败Failed、Killed杀死、其他Other状态。

同时，支持了国际化，如下图所示。

3.1.4 流水线Flow

3.1.4.1 流水线列表

可点击进入流水线配置页面按钮，对流水线进行配置。

可编辑流水线信息

可运行流水线

可以debug模式运行流水线

可删除流水线

可对流水线保存模板

3.1.4.2 创建流水线

用户点击创建按钮，创建流水线。需要输入流水线名称及描述信息，同时可设置流水线需要的资源。

3.1.4.3 配置流水线

用户可通过拖拽方式进行流水线的配置，方式类似visio，如下图所示。

画布左边栏显示组件组和组件，可按关键字搜索。用户选择好组件后可拖至画布中央。

画布右侧显示流水线基本信息，包括流水线名称及描述。

画布中央选择任一数据处理组件，右侧显示该数据处理组件的基本信息，包括名称，描述，作者等信息。选择AttributeInfo Tab，显示该数据处理组件的属性信息，用户可根据实际需求进行配置。鼠标浮动到问号上会出现对应属性的说明，同时可以选择已设置好的数据源进行属性填充。

数据处理组件基本信息如下图所示，点击StopName可对数据处理组件进行改名。

数据处理组件属性信息设置如下图所示。“问号”按钮提示该属性描述信息，“红星”表示必填项。

数据处理组件属性样例信息如下图所示：

数据处理组件数据源填充如下图所示。已选择数据源相关数据会自动填充到所选数据处理组件中。数据源变更后，相应组件的属性也会随之更新。

3.1.4.4 运行流水线

用户配置好流水线后，可点击运行按钮运行流水线。

3.1.4.5 流水线监控

加载完成之后，进入流水线监控页面。监控页面会显示整条流水线的执行状况，包括运行状态、执行进度、执行时间等。

点击具体数据处理组件，显示该数据处理组件的运行状况，包括运行状态、执行时间。

3.1.4.6 流水线日志

3.1.4.7 调试流水线

可以以Debug模式运行流水线，运行后可查看流经每条线上的数据信息，实现数据可溯源

3.1.4.8 检查点

流水线可设置检查点，再次运行时可选择从检查点运行

3.1.5 流水线组Group

3.1.5.1 流水线组列表

流水线组支持流水线的顺序调度功能，组嵌套功能。列表功能与流水线列表功能一致。列表支持进入、编辑、运行/停止、删除、保存模板功能。

3.1.5.2 新建流水线组

点击创建按钮，输入流水线组名称和基本信息可创建流水线组Group。

3.1.5.3 配置流水线组

3.1.5.3.1 创建group

拖动左侧group图标

3.1.5.3.2 创建flow

拖动flow图标创建流水线flow

3.1.5.3.3 创建label

拖动Label可添加标签，用于备注说明

3.1.5.3.4 创建调度关系

连线实现调度顺序

3.1.5.3.5 创建子group

Group可双击进入，配置组内流水线组group、流水线flow、以及之间的调度顺序。下部有导航栏，可退出该级目录，返回上一级。同时可以返回根目录。

3.1.5.3.6 配置流水线flow

双击flow图标，可进入具体流水线的配置界面

3.1.5.3.7 导入流水线flow

可导入flow列表中已配置的流水线

3.1.5.3.8 更换图标

右键group或flow，可支持更换图标

Group图标列表，支持用户上传

Flow图标列表，支持用户上传

3.1.5.4 运行流水线组

运行

可右键运行单个group或flow

3.1.5.5 监控流水线组

默认显示流水线组监控信息

单击group或flow，显示点击组件的监控信息

可双击进入group或flow，查看进一步监控信息

3.1.5.6 流水线组日志

3.1.6 运行态流水线Process

已运行流水线组和流水线会显示在Process List中，包括开始时间、结束时间、进度、状态等。同时可对已运行流水线进行查看，在运行，停止，和删除操作。

3.1.7 模板Template

流水线组和流水线可保存成模板

3.1.7.1 模板保存

流水线保存模板

流水线组保存模板

3.1.7.2 模板列表

3.1.7.3 模板下载

3.1.7.4 模板上传

3.1.7.5 模板加载

流水线模板加载

流水线组模板加载

3.1.7.6 模板删除

3.1.8 数据源

3.1.8.1 创建数据源

支持JDBC、ElasticSearch、等数据源的创建。同时支持自定义数据源（other）

3.1.8.1 使用数据源

在流水线配置页面，选择某个组件，设置该组件属性时，可从已配置数据源填充相关属性。同时数据源变更时，该组件属性也随之变更。

3.1.9 定时调度

支持对已配置流水线/流水线组进行定时调度，调度采用Cron表达式进行设置，支持设置调度的开始时间和结束时间。

调度列表如下图所示，支持进入流水线/流水线组进行配置，支持编辑调度信息，启动调度、停止调度和删除调度。

新建调度如下图所示。需选择调度的类型（Flow/FlowGroup），Cron表达式，调度开始时间，调度结束时间，以及被调度的流水线/流水线组。

被调度成功的流水线会在Processor列表页显示。

3.1.10 组件热插拔

支持上传自定义开发组件jar包，mount成功后流水线配置页面会自动显示自定义开发组件。Unmount后，自定义开发组件会消失。

3.2 Restful API

接口采用REST设计风格，目前需求如下接口：

3.2.1 getAllGroups

基本信息
接口名称	getAllGroups
接口描述	获取所有数据处理组件Stop所在组
接口URL	GET /stop/ groups
参数说明
名称	描述	类型	数据类型
无
返回值说明
描述	返回代码	实例
返回所有组信息	200	{“groups”:”Common,Hive,Http,…”}
	500	“getGroup Method Not Implemented Error!”

3.2.2 getAllStops

基本信息
接口名称	getAllStops
接口描述	获取所有数据处理组件
接口URL	GET /stop/list
参数说明
名称	描述	类型	数据类型
无
返回值说明
描述	返回代码	实例
返回所有Stop	200	{“stops”:”cn.PiFlow .bundle.Common.Fork,…”}
	500	“Can not found stop !”

3.2.3 getStopInfo

基本信息
接口名称	getStopInfo
接口描述	获取数据处理组件Stop的详细信息
接口URL	GET /stop/info?bundle=***
参数说明
名称	描述	类型	数据类型
bundle	Stop的类名	Query	String
返回值说明
描述	返回代码	实例
返回Stop详细信息	200	{"name":"LoadFromFtp","bundle":"cn.PiFlow .bundle.ftp.LoadFromFtp",“groups”:"ftp,load","description":"load data from ftp server","properties":[{"property":{"name":"url_str","displayName":"URL","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"port","displayName":"PORT","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"username","displayName":"USER_NAME","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"password","displayName":"PASSWORD","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"ftpFile","displayName":"FTP_File","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"localPath","displayName":"Local_Path","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}}]}
	500	“get PropertyDescriptor or getIcon Method Not Implemented Error!”

3.2.4 startFlow

基本信息
接口名称	startFlow
接口描述	运行流水线
接口URL	POST /flow/start
参数说明
描述	类型	实例
Flow的json配置字符串	String	{"flow":{"name":"test","uuid":"1234","stops":[{"uuid":"1111","name":"XmlParser","bundle":"cn.PiFlow .bundle.xml.XmlParser","properties":{"xmlpath":"hdfs://10.0.86.89:9000/xjzhu/dblp.mini.xml","rowTag":"phdthesis"}},{"uuid":"2222","name":"SelectField","bundle":"cn.PiFlow .bundle.common.SelectField","properties":{"schema":"title,author,pages"}},{"uuid":"3333","name":"PutHiveStreaming","bundle":"cn.PiFlow .bundle.hive.PutHiveStreaming","properties":{"database":"sparktest","table":"dblp_phdthesis"}},{"uuid":"4444","name":"CsvParser","bundle":"cn.PiFlow .bundle.csv.CsvParser","properties":{"csvPath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis.csv","header":"false","delimiter":",","schema":"title,author,pages"}},{"uuid":"555","name":"Merge","bundle":"cn.PiFlow .bundle.common.Merge","properties":{}},{"uuid":"666","name":"Fork","bundle":"cn.PiFlow .bundle.common.Fork","properties":{"outports":["out1","out2","out3"]}},{"uuid":"777","name":"JsonSave","bundle":"cn.PiFlow .bundle.json.JsonSave","properties":{"jsonSavePath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis.json"}},{"uuid":"888","name":"CsvSave","bundle":"cn.PiFlow .bundle.csv.CsvSave","properties":{"csvSavePath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis_result.csv","header":"true","delimiter":","}}],"paths":[{"from":"XmlParser","outport":"","inport":"","to":"SelectField"},{"from":"SelectField","outport":"","inport":"data1","to":"Merge"},{"from":"CsvParser","outport":"","inport":"data2","to":"Merge"},{"from":"Merge","outport":"","inport":"","to":"Fork"},{"from":"Fork","outport":"out1","inport":"","to":"PutHiveStreaming"},{"from":"Fork","outport":"out2","inport":"","to":"JsonSave"},{"from":"Fork","outport":"out3","inport":"","to":"CsvSave"}]}
返回值说明
描述	返回代码	实例
返回flow的appId	200	{“flow”:{“id”:”*”,”pid”:””*}}
	500	“Can not start flow!”

3.2.5 stopFlow

基本信息
接口名称	stopFlow
接口描述	停止流水线
接口URL	POST /flow/stop
参数说明
描述	类型	实例
Flow的appID	String	{“appID”:”***”}
返回值说明
描述	返回代码	实例
返回执行状态	200	“ok”
	500	“Can not found process Error!”

3.2.6 getFlowInfo

基本信息
接口名称	getFlowInfo
接口描述	获取流水线Flow的信息
接口URL	GET /flow/info?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的Id	Query	String
返回值说明
描述	返回代码	实例
返回Flow详细信息	200	{"flow":{"id":"application_1540442049798_0297","pid":"process_372bd7da-a53e-46b4-8c44-edc0463064f5_1","name":"xml,csv-merge-fork-hive,json,csv","state":"COMPLETED","startTime":"Tue Nov 27 14:37:03 CST 2018","endTime":"Tue Nov 27 14:37:28 CST 2018","stops":[{"stop":{"name":"JsonSave","state":"COMPLETED","startTime":"Tue Nov 27 14:37:24 CST 2018","endTime":"Tue Nov 27 14:37:28 CST 2018"}},{"stop":{"name":"CsvSave","state":"COMPLETED","startTime":"Tue Nov 27 14:37:20 CST 2018","endTime":"Tue Nov 27 14:37:24 CST 2018"}},{"stop":{"name":"PutHiveStreaming","state":"COMPLETED","startTime":"Tue Nov 27 14:37:13 CST 2018","endTime":"Tue Nov 27 14:37:20 CST 2018"}},{"stop":{"name":"Fork","state":"COMPLETED","startTime":"Tue Nov 27 14:37:13 CST 2018","endTime":"Tue Nov 27 14:37:13 CST 2018"}},{"stop":{"name":"Merge","state":"COMPLETED","startTime":"Tue Nov 27 14:37:11 CST 2018","endTime":"Tue Nov 27 14:37:11 CST 2018"}},{"stop":{"name":"SelectField","state":"COMPLETED","startTime":"Tue Nov 27 14:37:11 CST 2018","endTime":"Tue Nov 27 14:37:11 CST 2018"}},{"stop":{"name":"XmlParser","state":"COMPLETED","startTime":"Tue Nov 27 14:37:09 CST 2018","endTime":"Tue Nov 27 14:37:11 CST 2018"}},{"stop":{"name":"CsvParser","state":"COMPLETED","startTime":"Tue Nov 27 14:37:03 CST 2018","endTime":"Tue Nov 27 14:37:09 CST 2018"}}]}}
	500	“appID is null or flow run failed!”

3.2.7 getFlowProgress

基本信息
接口名称	getFlowProgress
接口描述	获取流水线Flow的执行进度
接口URL	GET /flow/progress?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的Id	Query	String
返回值说明
描述	返回代码	实例
返回Flow的进度	200	{"flow":{"appId":"application_1540442049798_0297","name":"xml,csv-merge-fork-hive,json,csv","state":"COMPLETED","progress":"100%"}}
	500	“appId is null or flow run failed!”

3.2.8 getFlowLog

基本信息
接口名称	getFlowProgress
接口描述	获取流水线Flow的执行进度
接口URL	GET /flow/log?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的Id	Query	String
返回值说明
描述	返回代码	实例
返回Flow的log的地址	200	{"app":{"id":"application_1540442049798_0297","user":"root","name":"xml,csv-merge-fork-hive,json,csv","queue":"default","state":"FINISHED","finalStatus":"SUCCEEDED","progress":100.0,"trackingUI":"History","trackingUrl":"http://master:8088/proxy/application_1540442049798_0297/A","diagnostics":"","clusterId":1540442049798,"applicationType":"SPARK","applicationTags":"","startedTime":1543300611067,"finishedTime":1543300648590,"elapsedTime":37523,"amContainerLogs":"http://master:8042/node/containerlogs/container_1540442049798_0297_01_000001/root","amHostHttpAddress":"master:8042","allocatedMB":-1,"allocatedVCores":-1,"runningContainers":-1,"memorySeconds":217375,"vcoreSeconds":105,"preemptedResourceMB":0,"preemptedResourceVCores":0,"numNonAMContainerPreempted":0,"numAMContainerPreempted":0}}
	500	“appID is null or flow does not exist!”

3.2.9 getFlowCheckPoints

基本信息
接口名称	getFlowCheckPoints
接口描述	获取流水线Flow的checkPoints
接口URL	GET /flow/checkpoints?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的appID	Query	String
返回值说明
描述	返回代码	实例
返回Flow的checkpoints	200	{"checkpoints":"Merge,Fork"}
	500	“appID is null or flow does not exist!”

3.2.10 getFlowDebugData

基本信息
接口名称	getFlowDebugData
接口描述	获取流水线Flow的调试数据
接口URL	GET /flow/debugData?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的appID	Query	String
stopName	stop的名称	Query	String
Port	Stop的端口名	Query	String
返回值说明
描述	返回代码	实例
返回Flow的指定stop和端口的调试数据的hdfs路径	200	{"schema":””, “debugDataPath”:" "}
	500	“appID is null or flow does not exist!”

3.2.11 startFlowGroup

基本信息
接口名称	startFlowGroup
接口描述	运行流水线组
接口URL	POST /group/start
参数说明
描述	类型	实例
FlowGroup的json配置字符串	String	{"group":{"flows":[{"flow":{"executorNumber":"1","driverMemory":"1g","executorMemory":"1g","executorCores":"1","paths":[{"inport":"","from":"MockData","to":"ShowData","outport":""}],"name":"f4","stops":[{"customizedProperties":{},"name":"MockData","uuid":"8a80d63f720cdd2301723b7745b72649","bundle":"cn.PiFlow .bundle.common.MockData","properties":{"schema":"title:String,author:String,age:Int","count":"10"}},{"customizedProperties":{},"name":"ShowData","uuid":"8a80d63f720cdd2301723b7745b72647","bundle":"cn.PiFlow .bundle.external.ShowData","properties":{"showNumber":"5"}}],"uuid":"8a80d63f720cdd2301723b7745b62645"}},{"flow":{"executorNumber":"1","driverMemory":"1g","executorMemory":"1g","executorCores":"1","paths":[{"inport":"","from":"MockData","to":"ShowData","outport":""}],"name":"f3","stops":[{"customizedProperties":{},"name":"MockData","uuid":"8a80d63f720cdd2301723b7745b9265d","bundle":"cn.PiFlow .bundle.common.MockData","properties":{"schema":"title:String,author:String,age:Int","count":"10"}},{"customizedProperties":{},"name":"ShowData","uuid":"8a80d63f720cdd2301723b7745b9265b","bundle":"cn.PiFlow .bundle.external.ShowData","properties":{"showNumber":"5"}}],"uuid":"8a80d63f720cdd2301723b7745b82659"}}],"name":"SimpleGroup","groups":[{"group":{"flows":[{"flow":{"executorNumber":"1","driverMemory":"1g","executorMemory":"1g","executorCores":"1","paths":[{"inport":"","from":"MockData","to":"ShowData","outport":""}],"name":"MockData","stops":[{"customizedProperties":{},"name":"MockData","uuid":"8a80d63f720cdd2301723b7745b4261a","bundle":"cn.PiFlow .bundle.common.MockData","properties":{"schema":"title:String,author:String,age:Int","count":"10"}},{"customizedProperties":{},"name":"ShowData","uuid":"8a80d63f720cdd2301723b7745b32618","bundle":"cn.PiFlow .bundle.external.ShowData","properties":{"showNumber":"5"}}],"uuid":"8a80d63f720cdd2301723b7745b32616"}},{"flow":{"executorNumber":"1","driverMemory":"1g","executorMemory":"1g","executorCores":"1","paths":[{"inport":"","from":"MockData","to":"ShowData","outport":""}],"name":"MockData","stops":[{"customizedProperties":{},"name":"MockData","uuid":"8a80d63f720cdd2301723b7745b5262e","bundle":"cn.PiFlow .bundle.common.MockData","properties":{"schema":"title:String,author:String,age:Int","count":"10"}},{"customizedProperties":{},"name":"ShowData","uuid":"8a80d63f720cdd2301723b7745b5262c","bundle":"cn.PiFlow .bundle.external.ShowData","properties":{"showNumber":"5"}}],"uuid":"8a80d63f720cdd2301723b7745b4262a"}}],"name":"g1","uuid":"8a80d63f720cdd2301723b7745b22615"}}],"conditions":[{"entry":"f4","after":"g1"},{"entry":"f3","after":"g1"}],"uuid":"8a80d63f720cdd2301723b7745b22614"}}
返回值说明
描述	返回代码	实例
返回flowGroup的Id	200	{"group":{"id":"group_fc1cb223-9c44-467f-a063-e959ffb6bcd8"}}
	500	“Can not start group!”

3.2.12 stopFlowGroup

基本信息
接口名称	stopFlowGroup
接口描述	停止流水线组
接口URL	POST /group/stop
参数说明
描述	类型	实例
FlowGroup的json配置字符串	String	{“groupId”:”***”}
返回值说明
描述	返回代码	实例
返回停止操作的状态	200	“Stop FlowGroup OK!!!”
	500	“Can not found FlowGroup Error!”

3.2.13 getFlowGroupInfo

基本信息
接口名称	getFlowGroupInfo
接口描述	获取流水线组信息
接口URL	GET /group/info?groupID=***
参数说明
名称	描述	类型
groupId	GroupId	String
返回值说明
描述	返回代码	实例
返回group信息	200	{"group":{"name":"SimpleGroup","startTime":"FriMay2918:10:50CST2020","state":"STARTED","flows":[],"groups":[{"group":{"name":"g1","startTime":"FriMay2918:10:50CST2020","state":"COMPLETED","flows":[{"flow":{"name":"MockData","startTime":"FriMay2918:11:03CST2020","state":"COMPLETED","endTime":"FriMay2918:11:07CST2020","id":"application_1589249052248_0440","pid":"process_b3c96bf0-c9b4-41b1-b0e0-06fb2d5e4be5_1","progress":"100","stops":[{"stop":{"name":"ShowData","state":"COMPLETED","startTime":"FriMay2918:11:07CST2020","endTime":"FriMay2918:11:07CST2020"}},{"stop":{"name":"MockData","state":"COMPLETED","startTime":"FriMay2918:11:03CST2020","endTime":"FriMay2918:11:07CST2020"}}]}}],"groups":[],"endTime":"FriMay2918:11:20CST2020","id":"group_2322a41d-7b69-4fe7-9a87-a78c50f26e09"}}],"endTime":"","id":"group_0a7abbd3-9c9a-4dfa-9a0b-7f77fdacf3d4"}}
	500	“Can not found FlowGroup Error!”

3.2.14 getFlowGroupProgress

基本信息
接口名称	getFlowGroupProgress
接口描述	获取流水线group的执行进度
接口URL	GET /group/progress?groupId=***
参数说明
名称	描述	类型
groupId	Group的id	String
返回值说明
描述	返回代码	实例
返回执行进度	200	“100”
	500	“groupId is null or flowGroup progress exception!”

128 KiB Raw Permalink Blame History Unescape Escape