Apache DolphinScheduler 开源之夏学生项目申请开启,6 大课题等你来拿万元奖金!

开源之夏 2023 学生报名已经正式开启!Apache DolphinScheduler 今年继续参与开源之夏的活动,2023 年 4 月 29 日-6 月 3 日 15:00 UTC+8,同学们可以在开源之夏官网 https://summer-ospp.ac.cn/ 找到 Apache DolphinScheduler 下的项目,挑选自己感兴趣的课题,通过项目相对应导师联系方式与导师沟通并准备申请资料,提交申请。

开源之夏 2023 介绍

开源之夏是由中科院软件所“开源软件供应链点亮计划”发起并长期支持的一项暑期开源活动,旨在鼓励在校学生积极参与开源软件的开发维护,培养和发掘更多优秀的开发者,促进优秀开源软件社区的蓬勃发展,助力开源软件供应链建设。

开源之夏联合国内外开源社区,针对重要开源软件的开发与维护提供项目任务,面向全球高校学生开放报名。中选学生将在项目资深开发者(项目导师)的指导下,参与开源贡献,完成开发工作并贡献给开源社区。

零距离体验顶级开源项目、跟着技术大牛提升研发能力、用成果赢取丰厚奖金和证书等,都是此次活动的亮点,非常值得一试。

奖金设置

● 进阶难度:学生结项奖金税前人民币 12000 元。

● 基础难度:学生结项奖金税前人民币 8000 元。

活动流程

当前,活动已经进行到学生注册、遇到事沟通项目、提交项目申请的阶段,满足条件的学生均可报名参加。今年 11 月,活动将进入尾声,公布年度优秀学生名单。

可参考学生指南查看报名详细流程:https://summer-ospp.ac.cn/help/student/

Apache DolphinScheduler社区介绍

Apache DolphinScheduler基于Apache开源社区理念打造,是全球知名的DataOps领域开源项目。作为一个云原生分布式去中心化,易扩展的可视化DAG工作流任务调度平台,它致力于解决数据处理流程中错综复杂的依赖关系,使调度系统在数据处理流程中开箱即用。独特的架构设计和产品设计,使得其具备高可靠性、简单易用、高扩展性、丰富的使用场景等特性。

  1. 高可靠性:去中心化的多Master和多Worker服务对等架构, 避免单Master压力过大,并采用任务缓冲队列来避免过载;
  2. 简单易用:DAG监控界面让所有流程定义可视化,通过拖拽任务完成定制DAG,通过API方式与第三方系统集成, 一键部署;
  3. 丰富的使用场景:支持多租户,支持暂停恢复操作. 紧密贴合大数据生态,提供Spark, Hive, M/R, Python, Sub_process, Shell等近20种任务类型;
  4. 高扩展性:支持自定义任务类型,调度器使用分布式调度,调度能力随集群线性增长,Master和Worker支持动态上下线。

截至目前,Apache DolphinScheduler社区在开源力量的推动下发展迅速,已有460+ Contributors 积极参与到社区的共建中,GitHub Star 已达10.4k,以开源社区的模式集合全球顶尖高科技公司的共同贡献,打造全球极致简单易用、稳定可扩展的DataOps平台。

Apache DolphinScheduler已累计在1000多家公司生产环境中作为企业的核心调度系统,包括IBM、腾讯、科大讯飞、美团、360、联通、顺丰等,覆盖金融、电信、零售、云计算、数据处理等广泛领域。

项目官网:https://dolphinscheduler.apache.org/

GitHub:https://github.com/apache/dolphinscheduler

加入Slack:https://join.slack.com/t/asf-dolphinscheduler/shared_invite/zt-1cmrxsio1-nJHxRJa44jfkrNL_Nsy9Qg

DolphinScheduler项目课题介绍

本次活动,Apache DolphinScheduler 开源社区共有 6 个项目课题经过组委会评审,同学们可在链接页面中挑选自己感兴趣的项目:

https://summer-ospp.ac.cn/org/orgdetail/22999f09-2be2-4dd8-b10f-bc4d6610cc25?lang=zh

01 重构依赖任务模式

项目链接:https://summer-ospp.ac.cn/org/prodetail/232290219?list=org&navpage=org
项目难度:进阶
支持语言:中文&英文
项目社区导师:进勇
导师联系邮箱:jiny.li@foxmail.com
技术领域:Java
开源协议:Apache License 2.0
项目简述:
当前状况:当前的依赖是依赖单个任务和All,这里的All其实是依赖工作流,并不是依赖所有的任务。

计划改造:

1、依赖单个任务的方式不变,All改造成依赖工作流中所有任务,新增一种类型依赖工作流。
2、前端在依赖的地方增加个单选框,选择依赖任务或者工作流,如果选择依赖任务,任务的选择框显示出来,如果现在依赖工作流,任务的选择框隐藏
3、对于后端,All对于的任务code还是0,依赖工作流时,对应的任务code可使用-1或其他表示。

项目产出要求:

实现dependent任务既能依赖全部的任务,又能依赖工作流。

项目技术要求:

● 熟悉 java语言
● 对任务调度系统有了解

项目成果仓库:
https://github.com/apache/dolphinscheduler

02 Dolphinscheduler master/worker

恢复容错优化

项目链接:
https://summer-ospp.ac.cn/org/prodetail/23b660198?list=org&navpage=org
项目难度:进阶
支持语言:中文&英文
项目社区导师:向梓豪
导师联系邮箱:zihaoxiang@apache.org
技术领域:Bash、Linux、Java
开源协议:Apache License 2.0
项目简述:

当前主/工作节点挂起时。它将执行容错操作,并在主/工作节点重新启动后重新启动失败的任务。这将导致用户在Linux进程或yarn应用程序中执行的Shell/Spark/Flink任务重复运行。

因此,我建议在主/工作程序重新启动后,如果这些任务处于正常执行状态,则不会重新执行。

Shell节点,因为当前DS任务节点的进程的执行路径是唯一的。因此,我们可以通过 ps-ef | grep XXX 查询该进程是否存在。如果是,则不会重新启动任务。

Yarn 相关的任务节点通过 yarn application-status application_id 检查任务是否正在运行。如果是,则不会重新启动任务。

项目产出要求:

在容错恢复过程中,Shell节点能够正常获取其先前的运行状态。
在容错恢复过程中,Yarn 相关的任务能够正常获取其先前的运行状态。

项目技术要求:

熟悉 Linux 进程管理
理解 Hadoop Yarn 组件并且能根据官方文档快速学习使用相应API
熟悉 Java 语言

项目成果仓库:
https://github.com/apache/dolphinscheduler

03 pydolphinscheduler任务增加

minix机制

项目链接:
https://summer-ospp.ac.cn/org/prodetail/232290221?list=org&navpage=org
项目难度:基础
支持语言:中文
项目社区导师:zhongjiajie
导师联系邮箱:zhongjiajie955@gmail.com
技术领域:Python
开源协议:Apache License 2.0
项目简述:
pydolphinscheduler 是 apache dolphinscheduler 的 python sdk,允许用户通过 python 语法定义工作流和任务。目前,pydolphinscheduler 任务的代码都是进行单独定义的,如 shell 任务

class Shell(Task):
    _task_custom_attr = {
         "raw_script",
    }

    ext: set = {".sh", ".zsh"}
    ext_attr: str = "_raw_script"

 def __init__(self, name: str, command: str, *args, **kwargs):
     self._raw_script = command
     super().__init__(name, TaskType.SHELL, *args, **kwargs)

我们发现有部分任务需要有特定的属性,如 Kubernetes 任务 https://github.com/apache/dolphinscheduler-sdk-python/issues/25 。我们希望引用 minix 类来解决这部分问题,关于minix 可以参考 https://www.pythontutorial.net/python-oop/python-mixin/

项目产出要求:
通过 minix 解决这个类似的问题
保证单元测试及覆盖率
项目技术要求:
了解 python 基础,对 OOP 有一定认识
了解 pytest 相关
项目成果仓库:
https://github.com/apache/dolphinscheduler

04 数据源中心扩展成源中心

项目链接:
https://summer-ospp.ac.cn/org/prodetail/232290223?list=org&navpage=org
项目难度:进阶
支持语言:中文&英文
项目社区导师:高楚枫
导师联系邮箱:chufenggao@gmail.com
技术领域:Vue.js、Spring、BootDatabase、Java
开源协议:Apache License 2.0
项目简述:
DolphinScheduler 有一个 Datasource Center 的组件,用于管理 sql 任务的外部连接,如 mysql、hive、spark 等。

但是不只是sql任务,其他一些 DolphinScheduler 任务插件也需要外部连接,比如AWS EMR任务、Zeppelin任务、K8S任务等。我们可以丰富需要 Datasource Center 来管理连接的场景,尤其是 那些具有凭据的外部系统并将其升级到连接中心。

相关问题:[Feature] Add connection center feature for DS #10283(https://github.com/apache/dolphinscheduler/issues/10283)

目标:
将 Datasource Center 的名称更改为 Connection Center。
重构部分AWS EMR、Zeppelin、K8S、Sagemaker任务插件,方便用户在连接中心管理外部连接。
去掉安全中心的Cluster Management和K8S Namespace Manage,因为管理K8S集群不是大数据编排工具的工作。用户可以在连接中心为 K8S 任务插件配置 K8S 连接。

项目产出要求:
一个或多个提交到github仓库
项目技术要求:
[后端] 熟悉Java编程。
[后端] 对 Spring Boot Framework 有一定的了解。
[前端] 对VUE有所了解
项目成果仓库:
https://github.com/apache/dolphinscheduler

05 增加跨工作流的参数传递功能

项目链接:
https://summer-ospp.ac.cn/org/prodetail/232290357?list=org&navpage=org
项目难度:进阶
支持语言:中文
项目社区导师:鲍亮
导师联系邮箱:baoliang.leon@gmail.com
技术领域:Vue.js、Spring Boot、Java
开源协议:Apache License 2.0
项目简述:

  1. 工作流可以选择自己的输出参数,作为工作流的输出参数,输出给下游任务使用。

场景1:shellA -> subprocessB -> shellC

shellA 查出所有学生信息 (a,b,c) 并将 users 输出给下游任务subprocessB
subprocessB 是一个子工作流, 负责计算所有学生个数 userCount,并将userCount 作为工作流的输出传递给下游
shellC 负责将 userCount 输出到控制台
2. 依赖任务也可以选择将被依赖任务的输出参数继承过来使用。增加依赖参数继承功能
需要在依赖任务上增加一个字段:是否继承被依赖任务的参数

场景2:

工作流A :taska1 -> taska2, taska2 输出了参数 count=10
工作流B : taskb1 -> dependentb2 -> taskb3
dependentb2 依赖了taska2 就可以将count继承过来作为dependentb2的输出参数,给taskb3使用

备注:前端知识不用太多,只是简单的效果

项目产出要求:

实现以上两个场景的需求,并将代码提交到开发分支上
详细的设计文档以及使用文档
详尽的UT测试类
项目技术要求:

熟悉 Java 语言
熟悉 spring boot
可以实现简单的前端效果
项目成果仓库:
https://github.com/apache/dolphinscheduler

06 DolphinScheduler Listener机制

项目链接:
https://summer-ospp.ac.cn/org/prodetail/232290593?list=org&navpage=org
项目难度:进阶
支持语言:中文
项目社区导师:孙朝和
导师联系邮箱:sunzhaohe0825@gmail.com
技术领域:SpringBoot、Java
开源协议:Apache License 2.0
项目简述:
当工作流/任务执行时,第三方系统希望可以通过接收消息的方式(而非轮询)来实时获取工作流/任务的状态和相关信息,可以通过添加自定义Listener的方式来实现获取需要的信息推送到特定的目的地(消息队列、外部系统接口等)的目标。
项目产出要求:
完成Listener机制设计和开发、并将代码提交到开发分支上
详细的设计文档和使用文档
详尽的UT测试类
项目技术要求:
熟悉Java语言
熟悉SpringBoot
项目成果仓库:
https://github.com/apache/dolphinscheduler

欢迎同学们报名 Apache DolphinScheduler 的项目,为社区建设添砖加瓦的同时,获得丰富的开源经历和丰厚的奖金回报!

为加快项目报名申请速度,建议同学们可以主动向导师发送邮件进行沟通,附上自己的方案和简历,让我们更加了解你,并认真了解社区项目文档,与导师充分沟通。

我们还有专门的开源之夏活动交流群,给大家解答关于项目和参与活动的疑惑,添加小助手 17743592110 微信,并备注“开源之夏 2023”,我们将拉您进入交流群。

本文由 白鲸开源 提供发布支持!

热门相关:超武穿梭   夫人,你马甲又掉了!   夫人你马甲又掉了   无限杀路   重生之至尊千金