数据调度
ob和Task有几种不同语境下的区别：
spark语境下
在Spark中，Task是一个Job进行切割后运行的最小运算单元。一般情况下，一个rdd有多少个partition，就会有多少个Task，因为每一个Task只是处理一个partition上的数据。而Task进行组合分批后，被称为stage。Spark会为不同的stage以及不同的Task设好前后依赖，来保证整个Job运行的正确性和完整性，最后一个resultTask结束意味着Job成功运行。
Job>stage>Task
hadoop语境下
Hadoop一个作业称为一个Job，Job里面分为Map Task和Reduce Task阶段，每个Task都在自己的进程中运行，当Task结束时，进程也会随之结束。
Job>Task
某调度产品语境下
Task：一个任务。
TaskType：任务类型，如ETL、MR Job、Simple。
Job：作业，任务在运行过程中的一次执行。
综上所述，Job、Task不同语境下，他们的关系是不一样的，所以在不同的数据调度产品中，要注意他们的区别。
总结一下，数据调度，就是一个任务何时运行，何时结束以及正确的处理任务之间的依赖关系。我们需要关注的首要重点是在正确的时间点启动正确的作业，确保作业按照正确的依赖关系及时准确的执行。
②工作流：任务状态（中断&运行）、任务管理or治理（类型、变更）、任务类型、任务分片。
③调度策略：就绪&超时；重试&重试次数&重试用时。
④任务隔离：任务和执行的关系等。
我们可以按DAG工作流类、定时分片系统分为两类：
一种是DAG工作流类系统：oozie、azkaban、chronos、lhotse
如果选择了DAG工作流这种方式，就要注意时间、完成度，保证丰富灵活的触发机制。
推荐阅读：
[1].https://www.jianshu.com/p/82c889b68798
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69949806/viewspace-2923091/ ，如需转载，请注明出处，否则将追究法律责任。
