Home

1. 简介 ANTLR(ANother Tool for Language Recognition)1是一个强大的 parser generator，可以根据规则生成 parser 代码，用于读取、处理、执行和翻译结构化或二进制数据。Hive/Trino/Spark/Flink/Doris/… 等常见大数据组件都用到了 ANTLR. 如果要实现 C++ 代码的解析器，需要提取出其中的变量、常量、关键字、注释；解析 JSON ，需要提取出{} [] '"；解析 SQL、Protobuf 也是如此。 解析完成后，还需要能够遍历结果树，判断语法是否正确。 ANTLR 使用通用的方式解决了这一点，并对应分成两个步骤： LEXER: 输入流解析为 tokens PARSER: t...

之前讲工作流的启动，源头是t_ds_command表，这篇笔记讲讲该表数据是如何写入的，也就是 Crontab 的生效过程。 1. quartz 简单的 crontab 实现方式很多，java.util.Timer、spring @Scheduled、akka scheduler etc.。 quartz1也是一个调度框架，可以集成在 java 程序里，好处是持久化和分布式。 我觉得 quartz 里最重要的概念有三个： JobDetail: 用户继承该基类实现自己的任务类，执行具体任务 Trigger: 任务触发器，比如一次性触发、Crontab 触发等 Scheduler: 调度器，接收 JobDetail，按照 Trigger 调度 JobBuilder...

1. 容错的必要性 分布式系统使用集群提高了算力，也天然需要面对和解决单机不稳定的问题，比如常说的宕机、掉盘、网络抖动等。 Jeff Dean 多年前在斯坦福有过一个分享1，其中一些数字我觉得应该是架构谨记的: Typical first year for a new cluster: ~1 network rewiring (rolling ~5% of machines down over 2-day span) ~20 rack failures (40-80 machines instantly disappear, 1-6 hours to get back) ~5 racks go wonky (40-80 machines see 50% packet...

在工作流的生命周期里，初步介绍过工作流的各种状态。 1. 状态机 如果我们实现一个任务调度系统，首要是梳理清楚任务状态。 以 Flink 任务流程为例： 提交：任务提交后，资源调度需要分配资源、初始化Container、启动JobManager、TaskManager等。因此任务首先是从初始化到提交中，再从提交成功到运行，当然任务也有可能因为各种原因导致提交失败。 运行：运行中的任务，可能会成功，可能会失败，对流式任务，也有可能一直是运行。 停止：任务在任何一个状态，都可能会收到停止的事件，同理会先变成停止中，再变成已停止，如果停止失败，那回到原来的状态。 这个流程包含三元素： 状态：初始化、提交中、运行、成功、失败、已停止，都是任务的状态 事件...