DAG任务调度系统 Taier 演进之道，探究DataSourceX 模块

熟悉Taier的小伙伴们应该都知道，在11月7日发布的​​Taier1.3新版本​​中，我们融合了「DataSourceX 模块」。这是十分重要的一个变化，移除Taier外部插件依赖，新增数据源插件相关特性，支持后续Taier对接更多的RDBMS类型的SQL任务。

本篇文章，就带大家详细了解一下DataSourceX 的作用及设计。

DataSourceX 模块的作用

为什么说 DataSourceX 是一个非常重要的模块？

在 Taier 中 RDB SQL 任务的运行，向导模式的数据同步、实时采集、FlinkSQL 任务配置都是依托数据源来进行的，其中保证数据源的正常使用以及 RDB SQL运行、任务所需的库、表、字段等信息的获取都是依靠 ​​DataSourceX 模块​​来做的。

下文展开聊聊Taier-DataSourceX 模块的具体功能。

数据源中心添加数据源

​​数据源中心​​添加数据源时需要进行数据源连通性检测，确保数据源是真正可用的，具体就是通过调用 DataSourceX 模块来实现。连通性检测通过之后，可以进行数据源的保存，并在任务中进行引用。

数据同步任务-数据源配置

数据同步任务源表结果表配置中的表、字段等信息都是通过 DataSourceX 模块进行获取。

FlinkSQL任务-数据源配置

FlinkSQL 中源表 topic 获取、数据预览等，结果表维表字段、​​数据预览​​等都是通过 DataSourceX 模块进行实现。

RDB SQL运行

Taier 1.3版本中，RDB SQL任务和数据源进行了绑定，不需要再像之前一样在控制台配置计算引擎，DataSourceX 中支持的​​RDB数据源​​都可以做RDB SQL的运行，比如像 OceanBase SQL 就可以通过 DataSourceX 模块来运行。

On Yarn任务日志

On Yarn 任务运行结束的聚合日志通过 DataSourceX 模块进行获取。

Taier-DataSourceX 其他功能

• Taier-DataSourceX 模块统一了各种数据源间的相同操作，提供了一组相同的接口来对不同的数据源进行操作，使得 Taier 可以更轻松的​​集成不同的数据源​​，支持更多的 RDB SQL 和数据源

• Taier-DataSourceX 模块支持几十种 RDB 数据源并支持开启池化管理，支持 hdfs、ftp、s3 等存储组件，支持 mongoDB、es、redis 等非关系型数据库

• Taier-DataSourceX 模块本身支持并统一了​​ kerberos 认证逻辑​​，对于支持开启 kerberos 认证的数据源，Taier 本身并不关心底层的实现逻辑，而是交由 DataSourceX 模块来完成

• Taier-DataSourceX 模块基于 ChildFirstClassLoader 并结合 SPI 支持在同一个应用中对接不同版本的数据源，如 Taier 可以同时支持 Hive1.x、Hive2.x、Hive3.x 三种不同版本的 Hive

DataSourceX 模块的设计

了解完 DataSourceX 的丰富功能之后，接下来带大家了解Taier-DataSourceX 模块的设计。

统一的 Client 接口

Taier-DataSourceX-api 模块定义了 SPI 服务接口，具体实现由 ​​Taier-DataSourceX-plugin​​ 来完成。

插件隔离加载

Taier-DataSourceX 会对每一个类型的数据源模块打包成一个单独的 jar 并放到指定目录。

Taier-DataSourceX-api 模块为每个插件包初始化一个 ChildFirstClassloader 隔离加载不同的数据源实现对象，解决多版本驱动同时加载的类冲突问题。

Client 对象统一代理

Taier-DataSourceX 模块加载的 Client 对象是​​通过动态代理生成的代理对象​​，方便进行统一的异常处理、重试、超时、上下文 Classloader 的切换等处理。

连接池化管理

Taier-DataSourceX 模块针对 RDB 数据源或其他数据源进行的​​统一池化管理​​，支持开启连接池，为相同的数据源初始化一个连接池，控制资源使用和提升程序运行效率。

针对不开启连接池的连接进行统一管理，及时清理过期连接。

资源的统一管理

Taier-DataSourceX 模块针对初始化的 Classloader、Client 对象、执行线程池进行统一管理，在插件包变更、新增、删除时动态检测并销毁或新增资源。

Taier 1.3 新版本

Taier自今年2月份开源之后，得到了社区开发者的广泛支持，我们积极吸收社区开发者的意见建议，不断迭代版本，已于11月7日发布了​​全新的1.3 版本​​，进行了多项功能改动。

技术改造

• DataSourceX 融合

• 部署优化

数据开发

• 任务支持指定队列运行

• 任务数据源绑定

新增功能

• 新增Flink Standalone

• 新增Python、Shell任务，新增ClickHouse、Doris SQL任务

视频回放&PPT获取

视频回看：

​​https://www.bilibili.com/video/BV1wW4y1T7EC/?spm_id_from=333.337.search-card.all.click​​

课件获取：

关注公众号“数栈研习社”，后台私信“Taier”获得直播课件

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：​​https://www.dtstack.com/?src=sz51cto​​

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术qun」，交流最新开源技术信息，qun号码：30537511，项目地址：​​https://github.com/DTStack​​