传统的数据开发流程git
开发人员经过公共帐号登陆安装了Hive、Hadoop客户端的gateway机器;数据库
编写本身的脚本,调试代码,完成后经过crontab配置脚本定时执行;架构
为了防止脚本被其余同事修改,一些谨慎的同事会在每次开发完本身的脚本后同步一份到本机,后面为了实现版本控制,把脚本同步到了git;分布式
传统的开发流程面临的问题oop
效率低下。测试
脚本或代码没有版本控制,开发人员想回滚到之前的版本很不方便。大数据
若开发人员疏忽,添加新的需求后未通过调试,将可能会影响生成的数据,进而影响线上业务。版本控制
任务缺少权限控制,可登录gateway的任何人均可修改、运行脚本。调试
对于脚本中依赖的表,只能预估它天天产生的时间,一旦它产出延迟,将影响数据的产出。队列
任务失败无任何报警,只能依靠人工发现。
任务失败从新恢复后没法自动通知依赖下游从新生成。
任务失败要逐层向上游查找最源头的任务失败缘由,排查异常繁琐。
一旦gateway机器故障,全部的任务都将灰飞烟灭,毫无疑问这将是一场灾难。
大数据开发平台应具有的功能特征
Mars具有的功能特性:
引入版本控制,方便开发人员回滚到以前版本,快速恢复线上调度的任务。
规范大数据开发、测试、上线的流程。
权限控制,任务的全部人、管理员才能够操做任务。
依赖调度,全部依赖的任务执行成功,自动触发自身执行。
任务执行失败,发送执行失败消息给任务全部人,人工介入。
手动恢复任务,恢复成功后,自动通知下游的任务从新执行。
任务依赖图谱,成功失败用不一样颜色区分,失败源头一目了然。
任务信息存储在数据库,Mars机器采用分布式系统架构,即便单台机器故障也不会影响使用。
输入输出检测,判断输入表是否准备好,检测输出表数据是否完整。
合理使用Hadoop资源。用户只能使用所属团队指定的hadoop队列。