昵称登录后显示

项目经验：数据平台ETL调度系统

公司发展到一定规模后，会对数据有强烈的需求，包括对决策做数据支撑，机器学习，推荐算法等等，所以就需要一个数据平台来提供支持。
我所在的就是数据平台，基础底层组件有Hadoop、Hive、Spark、Hbase等等一系列底层组件，而上层需要有一个入口，让公司RD方便的进行数据生产。
我所做的ETL调度系统，就是为公司RD提供 数据接入、生产、运维一系列操作，旨在为公司RD形成数据生产闭环。目前上线脚本有1500+， 每日执行的任务数为2000+。对公司其他业务部门带来很好的技术支持。

系统框架及工具： Ubuntu14.04, Django, Celery，RabbitMQ，supervisor, Ansible, Nginx, git，leangoo, guardian

主要模块如下：

* auth模块:

1. 接入公司SSO

* 审批与权限模块：

1. 任务的新建，编写，提交审批，审批通过，上线调度，等控制起来

2. 基于第三方模块guardian实现object perm

3. 变更内容提醒

* etl模块解析模块：

1. mysql->mysql, mysql->hive, hive->hive, hive->mysql

2. 数据源管理

3. 网页端脚本测试

* 报警模块。 在任务超时或者失败时会进行异步报警，三种模式自由选择:

1. 短信

2. 钉钉

3. 邮件

* 调度模块：

1. 基于任务模板生成真实任务DAG， 并根据DAG依赖关系顺序执行任务

2. 多种调度模式，如"按天调度, cron(0 0 * * *)", "按小时调度 cron(0 * * * *)"等等

3. 在补数据，修数据时手动创建任务DAG

4. 调度任务分为2种， 本地命令任务与远程ssh命令任务，均支持手动结束

5. 由APschedule框架替换成croniter手动调度

6. 根据haddop集群资源动态调度MapReduce任务

* 其他：

1. 基于vis.js进行任务运行状态动态更新展示

2. 手动选择任务重跑等等

负责了90%的代码及wiki文档。日常开发、部署、监控。