Azkaban 工作流调度器
1 概述
1.1 为什么需要工作流调度系统
a)一个完整的数据分析系统通常都是由大量任务单元组成，shell脚本程序，java程序，mapreduce程序、hive脚本等。
b)各任务单元之间存在时间先后及前后依赖关系。
c)为了很好地组织起这样的复杂执行计划，需要一个工作流调度系统来调度执行。
1.2 工作流调度实现方式
简单的任务调度：直接使用linux的crontab来定义；
复杂的任务调度：开发调度平台或使用现成的开源调度系统，比如ooize、azkaban等。
1.3 常见工作流调度系统
在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading,Hamake等。
1.4 Azkaban 与 Oozie对比
对市面上最流行的两种调度器，给出以下详细对比，以供技术选型参考。总体来说，ooize相比azkaban是一个重量级的任务调度系统，功能全面，但配置使用也更复杂。如果可以不在意某些功能的缺失，轻量级调度器azkaban是很不错的候选对象。
2 Azkaban 介绍
Azkaban是由Linkedin开源的一个批量工作流任务调度器。用于在一个工作流内以一个特定的顺序运行一组工作和流程。Azkaban定义了一种KV文件格式来建立任务之间的依赖关系，并提供一个易于使用的web用户界面维护和跟踪你的工作流。
功能特点：
Web用户界面
方便上传工作流
方便设置任务之间的关系
调度工作流
认证/授权(权限的工作)
能够杀死并重新启动工作流
模块化和可插拔的插件机制
项目工作区
工作流和任务的日志记录和审计
2.1 Azkaban 安装部署
2.1.1 准备工作：
azkaban-web-server-2.5.0.tar.gz
azkaban-executor-server-2.5.0.tar.gz
MYSQL
2.1.2 安装
1)分别解压webserver和executorServer
2)创建SSL配置
keytool -keystore keystore -alias jetty -genkey -keyalg RSA
3) 在mysql数据库中创建azkaban库，执行sql脚本create-all-sql-3.39.0-12-gb44c688.sql（注意：该脚本在db模块中，要讲mysql引擎改为innoDB）
2.1.3 配置文件：
2.1.3.1 先配置好服务器节点上的时区
a) 先生成时区配置文件Asia/Shanghai，用交互式命令 tzselect 即可。
b) 拷贝该时区文件，覆盖系统本地时区配置
cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
2.1.3.2 azkaban web服务器配置
conf目录下文件
# Azkaban Personalization Settings azkaban.name=Test azkaban.label=My Local Azkaban azkaban.color=#FF3601 azkaban.default.servlet.path=/index web.resource.dir=web/ default.timezone.id=Asia/Shanghai # Azkaban UserManager class user.manager.class=azkaban.user.XmlUserManager user.manager.xml.file=conf/azkaban-users.xml # Loader for projects executor.global.properties=conf/global.properties azkaban.project.dir=projects database.type=mysql mysql.port=3306 mysql.host=localhost mysql.database=azkaban mysql.user=root mysql.password=123456 mysql.numconnections=100 # Velocity dev mode velocity.dev.mode=false # Azkaban Jetty server properties. jetty.maxThreads=25 jetty.ssl.port=8443 jetty.port=8081 jetty.keystore=keystore jetty.password=123456 jetty.keypassword=123456 jetty.truststore=keystore jetty.trustpassword=123456 # Azkaban Executor settings executor.port=12321 # mail settings mail.sender=xxx@126.com mail.host=smtp.126.com # User facing web server configurations used to construct the user facing server URLs. They are useful when there is a reverse proxy between Azkaban web servers and users. # enduser -> myazkabanhost:443 -> proxy -> localhost:8081 # when this parameters set then these parameters are used to generate email links. # if these parameters are not set then jetty.hostname, and jetty.port(if ssl configured jetty.ssl.port) are used. # azkaban.webserver.external_hostname=myazkabanhost.com # azkaban.webserver.external_ssl_port=443 # azkaban.webserver.external_port=8081 mail.user=xxxxxxxx mail.password=********** job.failure.email=xxxxxxxx@163.com job.success.email=xxxxxxxx@163.com lockdown.create.projects=false cache.directory=cache
1 <azkaban-users> 2 <user groups="azkaban" password="azkaban" roles="admin" username="azkaban"/> 3 <user password="metrics" roles="metrics" username="metrics"/> 4 <user username="admin" password="admin" roles="admin,metrics" /> 5 <role name="admin" permissions="ADMIN"/> 6 <role name="metrics" permissions="METRICS"/> 7 </azkaban-users>
2.1.3.3 azkaban 执行器配置
# Azkaban Personalization Settings default.timezone.id=Asia/Shanghai # Loader for projects executor.global.properties=conf/global.properties azkaban.project.dir=projects # 数据库配置 database.type=mysql mysql.port=3306 mysql.host=localhost mysql.database=azkaban mysql.user=root mysql.password=123456 mysql.numconnections=100 #执行服务器配置 executor.port=12321 executor.connector.stats=true executor.maxThreads=50 executor.flow.threads=30 # Azkaban plugin settings azkaban.jobtype.plugin.dir=plugins/jobtypes
详细配置请参考：http://azkaban.github.io/azkaban/docs/latest/ (3.0版本编译完后web和exec中没有配置文件 需要将solo中的配置文件复制过去)
2.1.4 启动
在azkaban web服务器目录下执行启动命令
bin/azkaban-web-start.sh
注:在web服务器根目录运行
在执行服务器目录下执行启动命令
bin/azkaban-executor-start.sh
注:只能要执行服务器根目录运行
启动完成后,在浏览器(建议使用谷歌浏览器)中输入https://服务器IP地址:8443 ,即可访问azkaban服务了.在登录中输入刚才新的户用名及密码,点击 login.
3 实战
Azkaba内置的任务类型支持command、java。
3.1 Command类型单一job示例
a) 创建job描述文件
vi command.job
#command.job type=command command=echo ‘hello‘
b)将job资源文件打包成zip文件
zip command.job
c) 通过azkaban的web管理平台创建project并上传job压缩包
首先创建project
上传zip
d)启动执行该job
3.2 Command类型多job工作流flow
a)创建有依赖关系的多个job描述
第一个job：foo.job
# foo.job type=command command=echo foo
第二个job：bar.job依赖foo.job
# bar.job type=command dependencies=foo command=echo bar
b）将所有job打成一个zip包
c) 在azkaban 的web管理界面创建工程并上传zip包
d)启动工作流flow
3.3 HDFS操作任务
# fs.job type=command command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop fs -mkdir /azaz
3.4 MapReduce任务
# mrwc.job type=command command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop jar hadoop-mapreduce-examples-2.6.1.jar wordcount /wordcount/input /wordcount/azout
将所有资源打包成zip
3.5 HIVE脚本任务
Hive脚本： test.sql
use default; drop table aztest; create table aztest(id int,name string) row format delimited fields terminated by ‘,‘; load data inpath ‘/aztest/hiveinput‘ into table aztest; create table azres as select * from aztest; insert overwrite directory ‘/aztest/hiveoutput‘ select count(1) from aztest;
Job描述文件：hivef.job
# hivef.job type=command command=/home/hadoop/apps/hive/bin/hive -f ‘test.sql‘
