新闻详情

新闻详情

首页 / 资讯中心 / 详情

Apache DolphinScheduler 飞书(Feishu)告警插件接入指南:Webhook 配置、代理参数与消息发送原理

发布时间:2026/11/5 12:04:03来源:尧图网络
Apache DolphinScheduler 飞书(Feishu)告警插件接入指南:Webhook 配置、代理参数与消息发送原理
任务调度大数据后端前端【免费下载链接】dolphinschedulerApache DolphinScheduler is the modern data orchestration platform. Agile to create high performance workflow with low-code项目地址https://gitcode.com/gh_mirrors/do/dolphinscheduler点击查看免费下载导读本篇指南围绕 Apache DolphinScheduler 的飞书Feishu告警插件展开完整讲解从「在飞书群组中创建机器人并获取 Webhook」到「在告警实例管理中创建 Feishu 告警实例」的接入流程并深入源码剖析该插件的参数体系、消息组装与发送判定逻辑。读完本文你将能够独立完成飞书告警的配置、掌握 Webhook/代理等全部参数的取值含义并理解告警从触发到送达飞书群组的完整链路。本文内容以官方文档 docs/docs/en/guide/alert/feishu.md中文版见 docs/docs/zh/guide/alert/feishu.md为主体并结合仓库内飞书告警插件的源码与单元测试进行深化佐证。一、准备工作在飞书群组中创建机器人并获取 Webhook接入飞书告警前需要先在目标飞书群组中添加一个自定义机器人。在群组的「设置」→「群机器人」中添加机器人后飞书会为机器人分配一个形如下格式的 Webhook 地址https://open.feishu.cn/open-apis/bot/v2/hook/{token}其中{token}是该机器人唯一的鉴权标识属于敏感信息。在飞书机器人管理页面复制该地址如下图所示该地址即 DolphinScheduler 告警实例中的Webhook参数值。仓库中的单元测试 FeiShuSenderTest.java 使用https://open.feishu.cn/open-apis/bot/v2/hook/xxxxx作为占位地址并断言发送失败isSuccess() false说明必须使用真实可用的 Webhook 才能成功推送。二、在 DolphinScheduler 中创建 Feishu 告警实例登录 DolphinScheduler进入告警实例管理安全中心 → 告警实例管理。点击「创建告警实例」在插件类型下拉框中选择Feishu。填写告警实例名称与下述参数后保存。插件注册名Feishu定义在 FeiShuAlertChannelFactory.java 的name()方法中。该工厂通过AutoService(AlertChannelFactory.class)完成 SPI 自动注册告警服务器加载插件时即可识别到「Feishu」这一渠道。三、插件参数详解源码级官方文档中重点说明了Webhook参数而从插件的参数工厂源码可以看出该插件实际暴露了6 个参数除 Webhook 外还包含代理Proxy相关配置。参数定义见 FeiShuParamsConstants.java各参数的构建逻辑见 FeiShuAlertChannelFactory.java单元测试 FeiShuAlertChannelFactoryTest.java 也断言参数数量为 6。参数名是否必填类型说明WebHook是文本飞书机器人 Webhook 地址即上文复制的https://open.feishu.cn/open-apis/bot/v2/hook/{token}IsEnableProxy否单选是否启用代理选项为「是/否」对应布尔值true/false默认值为trueProxy否文本代理服务器主机地址如127.0.0.1仅在启用代理时生效Port否数字代理服务器端口校验类型为NUMBER仅在启用代理时生效User否文本代理认证用户名仅在启用代理时生效Password否密码代理认证密码输入框类型为password仅在启用代理时生效几个容易忽略的实现细节WebHook 是唯一必填参数工厂通过Validate.newBuilder().setRequired(true)强校验其余参数均为可选项。IsEnableProxy 默认开启setValue(STRING_TRUE)即默认true。因此如果部署环境需要直连飞书、不经过代理创建实例时务必手动将该项设为「否」否则发送会走代理配置。代理参数仅在启用代理时被读取在 FeiShuSender.java 的构造函数中只有enableProxy true时才会解析port、proxy、user、password。四、发送原理从 AlertChannel 到飞书 HTTP 推送4.1 告警链路入口所有告警插件都实现统一的 AlertChannel 接口。飞书插件的实现类为 FeiShuAlertChannel.javaOverride public AlertResult process(AlertInfo alertInfo) { AlertData alertData alertInfo.getAlertData(); MapString, String paramsMap alertInfo.getAlertParams(); if (null paramsMap) { return new AlertResult(false, fei shu params is null); } return new FeiShuSender(paramsMap).sendFeiShuMsg(alertData); }即告警服务器将告警数据标题、内容与实例参数一起封装为AlertInfo交给FeiShuSender完成实际发送。4.2 消息组装固定 text 消息类型发送前FeiShuSender.java 会把告警数据组装成飞书「文本消息」格式的 JSON{ msg_type: text, content: { text: ... } }其中text字段由formatContent(alertData)生成其格式化规则FeiShuSender.java如下若告警内容为 JSON 数组DolphinScheduler 工作流告警的典型格式则首行输出用反引号包裹的告警标题随后逐行输出每个字段的key:value若内容无法解析为 JSON 数组为空列表则直接拼接标题 内容原样输出。参考单元测试 FeiShuSenderTest.java 中使用的告警内容样例飞书群内最终收到的消息大致形如告警标题 owner:dolphinscheduler processName:3-20210129190038108 processState:SUCCESS processStartTime:2021-01-29 19:00:38 processEndTime:2021-01-29 19:01:11 ...4.3 HTTP 发送与代理/重试机制发送动作由 HttpRequestUtil.java 完成构造HttpPost请求体为上述 JSONContentType.APPLICATION_JSON若启用代理则基于HttpHost(proxy, port)与BasicCredentialsProvider携带User/Password凭据构建CloseableHttpClient否则构建直连客户端两种方式均设置HttpServiceRetryStrategy重试策略定义于告警 API 模块通过 HTTP 状态码判断传输层是否成功非 200 时记录错误日志并读取响应体返回。4.4 发送结果判定飞书服务端响应体包含StatusCode、StatusMessage、Extra三个字段见 FeiShuSender.java 中的FeiShuSendMsgResponse。checkSendFeiShuSendMsgResult的判定逻辑为响应体为空 → 发送失败提示send fei shu msg error响应体无法解析 → 发送失败提示send fei shu msg failStatusCode 0→ 发送成功其他StatusCode→ 发送失败并回传StatusMessage作为错误信息。单元测试 FeiShuSenderTest.java 分别覆盖了空响应、非法响应与StatusCode0三种场景与上述逻辑一一对应。五、常见问题排查结合源码实现飞书告警失败的常见原因可按以下顺序排查Webhook 是否正确地址必须是飞书真实分配的机器人地址测试类中使用的占位地址xxxxx必然失败。代理配置IsEnableProxy默认开启若网络环境直连飞书而误开代理、或代理地址/端口/账号填写错误都会导致发送失败建议确认网络拓扑后显式配置该项。HTTP 传输层发送方法sendMsg会记录非 200 状态码日志send feishu message error, return http status code: xxx可在告警服务日志中检索send fei shu关键字定位问题。业务层响应飞书返回非 0 的StatusCode时告警结果消息会附带StatusMessage据此对照飞书开放平台的错误码说明处理。六、相关代码与文档索引插件文档docs/docs/en/guide/alert/feishu.md / docs/docs/zh/guide/alert/feishu.md插件目录dolphinscheduler-alert/dolphinscheduler-alert-plugins/dolphinscheduler-alert-feishu/插件参数定义FeiShuParamsConstants.java插件工厂与注册FeiShuAlertChannelFactory.java发送核心实现FeiShuSender.javaHTTP 客户端与代理HttpRequestUtil.java渠道入口FeiShuAlertChannel.java单元测试FeiShuSenderTest.java、FeiShuAlertChannelFactoryTest.java告警插件统一 APIAlertChannel 接口赞分享任务调度大数据后端前端【免费下载链接】dolphinschedulerApache DolphinScheduler is the modern data orchestration platform. Agile to create high performance workflow with low-code项目地址https://gitcode.com/gh_mirrors/do/dolphinscheduler点击查看免费下载相关推荐Apache DolphinScheduler Slack 告警插件配置指南从 Webhook 申请到消息发送原理Apache DolphinScheduler Slack 告警插件配置指南从 Webhook 申请到消息发送原理 导读 本文讲解如何在 Apache Dol任务调度数据编排工作流自动化后端大数据Apache DolphinScheduler 飞书Feishu告警插件接入指南Webhook 配置与源码级实现解析Apache DolphinScheduler 飞书Feishu告警插件接入指南Webhook 配置与源码级实现解析 本篇指南讲解如何在 Apache D任务调度大数据后端前端Apache DolphinScheduler 飞书Feishu告警插件配置指南从 Webhook 获取到告警实例落地Apache DolphinScheduler 飞书Feishu告警插件配置指南从 Webhook 获取到告警实例落地 导读 本文以 Apache Dol任务调度数据编排工作流自动化后端大数据创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/4 22:55:41

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/5 4:24:57

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/5 4:24:57

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉