[发明专利]一种智能推荐训练服务基于Dolphinscheduler的部署方法

权利要求书

1.一种智能推荐训练服务基于Dolphinscheduler的部署方法，其特征在于，包括如下步骤：

S1、部署Dolphinscheduler调度系统，安装基础软件并部署Dolphinscheduler调度系统的前后端，配置Dolphinscheduler调度系统相关联的基础软件配置，并调通Dolphinscheduler调度系统；

S2、打包python虚拟环境和智能推荐训练服务，将智能推荐训练服务所依赖的python依赖包打包进python虚拟环境,以供智能推荐训练服务运行时调用，并将智能推荐训练服务的代码文件、脚本文件及相关文件打包，以供智能推荐训练服务运行；

S3、运行Dolphinscheduler调度系统，并在Dolphinscheduler调度系统的前端配置智能推荐训练服务运行方案，配置完成后运行智能推荐训练服务并监控其执行情况。

2.根据权利要求1所述的一种智能推荐训练服务基于Dolphinscheduler的部署方法，其特征在于，所述Dolphinscheduler调度系统的部署包括以下步骤，

S101、设置多台服务器,所述服务器中包括一台UI兼Api服务器、两台Master服务器、三台work服务器，并在每台服务器上均安装基础软件；

S102、在master服务器上创建多个部署用户，并设置所有部署用户具有sudo权限且相互免密；

S103、创建mysql数据库用于存放Dolphinscheduler元数据并初始化该数据库；

S104、修改Dolphinscheduler环境变量；

S105、修改Dolphinscheduler部署配置文件；

S106、运行部署脚本；

S107、部署用户创建租户并设置租户权限，所述租户用于在Dolphinscheduler调度系统的前端配置所述智能推荐服务运行方案。

3.根据权利要求1所述的一种智能推荐训练服务基于Dolphinscheduler的部署方法，其特征在于，所述打包python虚拟环境和智能推荐训练服务包括以下步骤，

S201、通过Anaconda创建虚拟环境并安装智能推荐训练服务所需要的python库文件,并压缩成压缩文件包，以供智能推荐训练服务调用；

S202、打包智能推荐训练服务自身的公共服务压缩文件包；

S203、进入智能推荐训练服务场景目录并通过zip命名生成工程压缩文件包。

4.根据权利要求1所述的一种智能推荐训练服务基于Dolphinscheduler的部署方法，其特征在于，所述在DolphinScheduler前端配置智能推荐训练服务运行方案包括以下步骤，

S301、进入DolphinScheduler调度系统前端，在其资源中心上传S2打包的文件；

S302、在智能推荐训练服务管理处配置工作流；

S303、上线工作流。

5.根据权利要求4所述的一种智能推荐训练服务基于Dolphinscheduler的部署方法，其特征在于，所述配置工作流包括创建项目、定义和配置工作流，编辑工作流，编辑调度任务脚本，添加资源，编辑工作流执行定时任务中的一种或多种。

6.根据权利要求5所述的一种智能推荐训练服务基于Dolphinscheduler的部署方法，其特征在于，所述工作流上线后，DolphinScheduler调度系统定期执行定时任务或者临时任务，查看运行日志，并监控cpu和内存的消耗情况。