ETL治理的实践思路

创建于 2024-01-19 / 最近更新于 2024-01-19 / 634

字体： [默认] [大] [更大]

1. 概述

本文是一篇介绍ETL治理的文章，旨在帮助用户解决ETL遇到排队延迟时的排查和优化问题。

文章涵盖了ETL调度在数据处理流程中的重要性，以及如何通过监控、预警和问题定位来有效管理ETL调度情况，确保业务数据的时效性和准确性。

适用于以下场景时，您可以学习该篇文章。

在大数据处理流程中，ETL调度的稳定性和效率是保障业务数据时效性和准确性的重要环节。近期发现存在ETL出数时间大幅延迟及任务排队数量激增等异常现象，这可能严重影响到我们的数据分析和决策支持能力。

本文档旨在利用观远 BI 现有的智能云巡检、任务管理、运维管理、管理员设置中的全局管控等功能，对ETL调度情况进行有效监控、预警及问题定位。

思路：一般 ETL排队严重时，可能是多方面导致的问题，但可以优先检查 Spark 服务是否正常运行。

入口：可以查看管理员设置-运维设置-服务管理，查看是否有重启记录。

如果发现 Spark 服务存在重启情况，这很可能是服务异常导致的排队问题。在这种情况下，建议立即联系观远相关运维/技术支持，以排查本次 Spark 重启的原因，从而避免后续问题的再次发生，进而防止ETL任务调度阻塞。

1. 查看云巡检报告：首先，检查云巡检报告，关注ETL的调度数是否比之前有显著增加。

2. 检查调度合理性：如果发现大量ETL任务调度的增加，需要先评估这些调度是否合理。

在云巡检报告中找到【最近31天更新运行次数top20的ETL】，检查是否存在调度次数异常高且不符合业务调度逻辑的ETL。

需要进行相关调整，过高的调度不仅占用ETL定时更新的并发，还可能占用过多的CPU资源，因此合理的调度对于BI的稳定性至关重要。

3. 处理正常业务增长导致的ETL调度增长： 如果ETL调度的增长是正常业务增长所致，且发现CPU使用率基本维持在一个高水准（例如80%以上），这可能表明资源不足以支持业务的增长。在这种情况下，建议联系观远运维/技术支持，评估扩容事项，以确保足够的资源支持业务增长。

通过云巡检报告，查看【最近31天CPU占用时长TOP20的ETL】信息，检查是否有CPU占用时长超过1小时的任务。

针对消耗大量 CPU 资源的 ETL 任务，可以参考文档《ETL 优化建议》进行优化，减少不必要的资源消耗，防止长期占用资源导致 ETL 调度阻塞。

方法 1：通过云巡检中的【最近31天ETL运行时间分布】分析，检查是否存在某个时间段ETL运行数量过多。建议在不影响业务的情况下，尽量分散到每个时间段执行，或者在夜间空闲时间段执行，以避免集中在同一时间段运行，造成阻塞。

方法 2：对于部分客户采用了Spark资源隔离（卡片和ETL分别部署了一个job engine），在凌晨ETL调度集中导致排队的情况。

若凌晨无看数需求，建议与观远技术支持/运维沟通，配置动态切换job engine的部署。在夜间将卡片的job engine也提供给ETL使用，以确保ETL在凌晨有更多计算资源可用，提高资源利用率，减缓ETL排队。

如何查看是否部署了双job？可进入管理员设置-运维管理-资源管理处进行查看，若查看到分别有通用计算引擎服务和ETL计算引擎服务。

通过云巡检-ETL中的【无任何消费情况的数据集】，查看类型为【数据流】的ETL数据集。检查其所属的ETL调度是否还有其他输出数据集，以及其他输出数据集是否有后续的使用。如果都没有，建议清理掉这个相关ETL调度，避免资源浪费。

入口：在管理员设置-运维管理-参数配置页面中。

· 设置任务最大运行时长，控制ETL的最大运行时长，避免异常ETL任务调度长时间阻塞。

· 或自定义时间段设置运行时长，例如白天时间段运行不超过30分钟，其他时间段不超过1小时进行全局管控。

调整任务并行数，该配置主要针对定时更新和次联级更新的ETL任务。一般根据机器配置以及自身 ETL 任务大小进行配置。
如：16C128G的情况下，大量ETL任务运行时间低于10分钟时，并发量可设置为4-6 。若ETL多为运行时间超出30分钟的任务，并发量建议设置在4以内。

注意：以上信息仅供参考，详细情况建议联系观远技术支持/运维评估后再进行调整，过高的并发可能导致同时运行的ETL因CPU资源不足而效率低下，故需慎重调整。

3、剩余配置根据自身需求来进行设置，但不建议调整过大，复杂的ETL对性能的消耗是很严重的，尽量减少过于复杂的ETL的产生（对于复杂逻辑的ETL可以考虑拆分成多个ETL，并配合高级调度功能，做顺序调度）；

对于处理数据按日期增长且历史数据不变的ETL任务，可以利用高级调度功能进行增量更新，从而提高效率，减少资源消耗。

11 人点赞过