工作流调度器azkaban概述

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;

各任务单元之间存在时间先后及前后依赖关系;

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；

我们可能有这样一个需求，某个业务系统每天产生20G原始数据，我们每天都要对其进行处理，处理步骤如下所示：
1、通过Hadoop先将原始数据同步到HDFS上；
2、借助MapReduce计算框架对原始数据进行转换，生成的数据以分区表的形式存储到多张Hive表中；
3、需要对Hive中多个表的数据进行JOIN处理，得到一个明细数据Hive大表；
4、将明细数据进行复杂的统计分析，得到结果报表信息；
5、需要将统计分析得到的结果数据同步到业务系统中，供业务调用使用。

简单的任务调度：直接使用linux的crontab来定义；

复杂的任务调度：自己开发调度平台，或使用现成的开源调度系统，比如ooize、azkaban等

市面上目前有许多工作流调度器；

在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading,Hamake等

下面的表格对上述四种hadoop工作流调度器的关键特性进行了比较，尽管这些工作流调度器能够解决的需求场景基本一致，
但在设计理念，目标用户，应用场景等方面还是存在显著的区别，在做技术选型的时候，可以提供参考：

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。详情如下：

**功能**
两者均可以调度mapreduce,pig,java,脚本工作流任务
两者均可以定时执行工作流任务

**工作流定义**
Azkaban使用Properties文件定义工作流
Oozie使用XML文件定义工作流

**工作流传参**
Azkaban支持直接传参，例如${input}
Oozie支持参数和EL表达式，例如${fs:dirSize(myInputDir)}

**定时执行**
Azkaban的定时执行任务是基于时间的
Oozie的定时执行任务基于时间和输入数据

**资源管理**
Azkaban有较严格的权限控制，如用户对工作流进行读/写/执行等操作
Oozie暂无严格的权限控制

**工作流执行**
Azkaban有两种运行模式，分别是solo server mode(executor server和web server部署在同一台节点)和 multi server mode(executor server和web server可以部署在不同节点)
Oozie作为工作流服务器运行，支持多用户和多工作流

**工作流管理**
Azkaban支持浏览器以及ajax方式操作工作流
Oozie支持命令行、HTTP REST、Java API、浏览器操作工作流

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。

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