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

azkaban.properties

 <azkaban-users>

   <user groups="azkaban" password="azkaban" roles="admin" username="azkaban"/>

   <user password="metrics" roles="metrics" username="metrics"/>

   <user username="admin" password="admin" roles="admin,metrics" />

   <role name="admin" permissions="ADMIN"/>

   <role name="metrics" permissions="METRICS"/>

 </azkaban-users>

azkaban-users.xml

　　　　　　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

azkaban.properties

　　　　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'