工作流调度器之Azkaban

Azkaban

1. 工作流调度器概述

1.1. 为什么需要工作流调度系统

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

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。

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

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

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

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。

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：

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组成部分

mysql服务器:用于存储项目、日志或者执行计划之类的信息

web服务器:使用Jetty对外提供web服务，使用户可以通过web页面方便管理

executor服务器:负责具体的工作流的提交、执行

2.1. 各个元素及其关系

Azkaban界面中的主要元素有三个，分别是project、job与flow

project可以理解为某个项目，其项目中包含了许多需要执行的任务，即为job，各个job之间形成依赖关系，便组成了工作流flow

2.2. 创建 job和flow

在Azkaban系统的web界面中有创建project的交互，可以通过界面创建一个project，但是Azkaban没有创建job与flow的界面，这一点很讨厌。于是需要编写以.job为扩展名的文件然后上传，才能在系统中形成job任务
---------------------
作者：Zzreal
来源：CSDN
原文：https://blog.csdn.net/Zonzereal/article/details/79093009
版权声明：本文为博主原创文章，转载请附上博文链接！