16.Azkaban的安装

工作流调度器azkaban

2.1 概述

2.1.1为什么需要工作流调度系统

l  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

l  各任务单元之间存在时间先后及前后依赖关系

l  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；

例如，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。

2.1.2 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

2.1.3 常见工作流调度系统

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

2.1.4 各种调度工具特性对比

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

特性	Hamake	Oozie	Azkaban	Cascading
工作流描述语言	XML	XML (xPDL based)	text file with key/value pairs	Java API
依赖机制	data-driven	explicit	explicit	explicit
是否要web容器	No	Yes	Yes	No
进度跟踪	console/log messages	web page	web page	Java API
Hadoop job调度支持	no	yes	yes	yes
运行模式	command line utility	daemon	daemon	API
Pig支持	yes	yes	yes	yes
事件通知	no	no	no	yes
需要安装	no	yes	yes	no
支持的hadoop版本	0.18+	0.20+	currently unknown	0.18+
重试支持	no	workflownode evel	yes	yes
运行任意命令	yes	yes	yes	yes
Amazon EMR支持	yes	no	currently unknown	yes

2.1.5 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。

详情如下：

u  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

u  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

u  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)}

u  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

u  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

u  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

u  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

2.2 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。

它有如下功能特点：

²  Web用户界面

²  方便上传工作流

²  方便设置任务之间的关系

²  调度工作流

²  认证/授权(权限的工作)

²  能够杀死并重新启动工作流

²  模块化和可插拔的插件机制

²  项目工作区

²  工作流和任务的日志记录和审计

Azkaban安装部署

准备工作

Azkaban Web服务器

azkaban-web-server-2.5.0.tar.gz

Azkaban执行服务器

azkaban-executor-server-2.5.0.tar.gz

MySQL

目前azkaban只支持 mysql,需安装mysql服务器,本文档中默认已安装好mysql服务器,并建立了 root用户,密码 root.

下载地址:http://azkaban.github.io/downloads.html

上传安装包

azkaban web服务器安装

创建目录

把azkaban-web-server-2.5.0.tar.gz解压到/opt/modules/azkaban下，并改名为server

azkaban 执行服器安装

把azkaban-executor-server-2.5.0.tar.gz 解压到/opt/modules/azkaban，并重命名为executor

 

azkaban脚本导入

解压azkaban-sql-script-2.5.0.tar.gz

登录Mysql

mysql> create database azkaban;
Query OK,  row affected (0.00 sec)

mysql> use azkaban;
Database changed
mysql> source /opt/modules/azkaban/azkaban-2.5./create-all-sql-2.5..sql;
Query OK,  rows affected (0.02 sec)

Query OK,  rows affected (0.01 sec)

Query OK,  rows affected (0.01 sec)

Query OK,  rows affected (0.02 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.01 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.02 sec)

Query OK,  rows affected (0.01 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.01 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)

Query OK,  rows affected (0.01 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.01 sec)

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.01 sec)

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.01 sec)

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.01 sec)

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)

Query OK,  rows affected (0.01 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)

Query OK,  rows affected (0.01 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)

Query OK,  rows affected (0.01 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.00 sec)

Query OK,  rows affected (0.01 sec)

Query OK,  rows affected (0.00 sec)
Records:   Duplicates:   Warnings: 

Query OK,  rows affected (0.02 sec)

创建SSL配置

命令: keytool -keystore keystore -alias jetty -genkey -keyalg RSA
运行此命令后,会提示输入当前生成 keystor的密码及相应信息,输入的密码请劳记,信息如下:

输入keystore密码：123456
再次输入新密码:123456
您的名字与姓氏是什么？
  [Unknown]：
您的组织单位名称是什么？
  [Unknown]：
您的组织名称是什么？
  [Unknown]：
您所在的城市或区域名称是什么？
  [Unknown]：
您所在的州或省份名称是什么？
  [Unknown]：
该单位的两字母国家代码是什么
  [Unknown]：  CN
CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN 正确吗？
  [否]：  y

输入<jetty>的主密码
        （如果和 keystore 密码相同，按回车）：
再次输入新密码:
完成上述工作后,将在当前目录生成 keystore 证书文件,将keystore 考贝到 azkaban web服务器根目录中.如:cp keystore azkaban/webserver

azkaban web服务器配置

修改azkaban.properties文件

修改时区

修改Mysql的配置，根据自己安装mysql的情况来配置

密码是安装SSL的时候的密码

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=
mysql.host=node1
mysql.database=azkaban
mysql.user=root
mysql.password=root
mysql.numconnections=

# Velocity dev mode
velocity.dev.mode=false

# Azkaban Jetty server properties.
jetty.maxThreads=
jetty.ssl.port=
jetty.port=
jetty.keystore=keystore
jetty.password=
jetty.keypassword=
jetty.truststore=keystore
jetty.trustpassword=

# Azkaban Executor settings
executor.port=

# mail settings
mail.sender=
mail.host=
job.failure.email=
job.success.email=

lockdown.create.projects=false

cache.directory=cache

保存退出！！！

  azkaban 执行服务器配置

#Azkaban
default.timezone.id=Asia/Shanghai

# Azkaban JobTypes Plugins
azkaban.jobtype.plugin.dir=plugins/jobtypes

#Loader for projects
executor.global.properties=conf/global.properties
azkaban.project.dir=projects

database.type=mysql
mysql.port=
mysql.host=node1
mysql.database=azkaban
mysql.user=root
mysql.password=root
mysql.numconnections=

# Azkaban Executor settings
executor.maxThreads=
executor.port=
executor.flow.threads=

用户配置

进入azkaban web服务器conf目录,修改azkaban-users.xml

<azkaban-users>
        <user username="azkaban" password="azkaban" roles="admin" groups="azkaban" />
        <user username="metrics" password="metrics" roles="metrics"/>
        <user username="admin" password="admin" roles="admin,metrics" />
        <role name="admin" permissions="ADMIN" />
        <role name="metrics" permissions="METRICS"/>
</azkaban-users>

启动

web服务器

在azkaban web服务器目录下执行启动命令

bin/azkaban-web-start.sh

可以看到报错了！！！

我们这样解决

修改配置文件

改成绝对路径

启动web服务器

又报错了

这个问题这样解决

再次启动，还是报错了

是因为这里有空格

再次启动，可以看到启动成功了

启动执行服务器

在执行服务器目录下执行启动命令

bin/azkaban-executor-start.sh

可以看到报错了！！！

这样解决

修改配置文件

改成绝对路径

再启动一下

可以看到启动成功了

在浏览器输入地址https://192.168.86.131:8443/

唉，无奈界面太丑了

修改配置文件

改成绝对路径

修改完之后先把azkaban相关的进程kill掉，再启动

再刷新一下网页

这里建议使用谷歌浏览器。因为其他浏览器可能登陆不进去。