探索开源工作流引擎Azkaban在MRS中的实践

摘要：本文主要介绍如何在华为云上从0-1搭建azkaban并指导用户如何提交作业至MRS。

本文分享自华为云社区《开源工作流引擎Azkaban在MRS中的实践》，作者：啊喔YeYe。

环境输入

实践版本：Apache azkaban 4.0.0 （以单机版举例，集群版本配置过程类似），MRS 3.1.0 普通集群。
Azkaban 插件地址
 Azkaban 官网
 Azkaban 源码地址

安装azkaban-solo-server

Azkaban不提供二进制包，需要用户下载源码编译打包，获取到“azkaban-solo-server.zip”和“azkaban-db.zip”。

1、环境准备。

在华为云购买Linux弹性云服务器ECS，用于安装运行MRS集群客户端和Azkaban，并绑定弹性公网IP。
在弹性云服务器ECS上安装运行MRS集群客户端，例如安装目录为“/opt/client”。
准备数据表，参考MySQL教程。
安装MySQL并授予本机访问权限。注意：Azkaban 4.0.0版本默认适配MySQL 5.1.28版本。
创建Azkaban数据库，解压“azkaban-db.zip”获取“create-all-sql-*.sql”，并初始化。

2、上传安装包并解压

上传“azkaban-solo-server.zip”至“/opt/azkaban”目录
执行以下命令解压并删除安装包

unzip azkaban-solo-server.zip

rm -f unzip azkaban-solo-server.zip

3、修改配置文件“azkaban-solo-server/conf/azkaban.properties”

配置端口根据实际情况修改，“jetty.port”和“mysql.port”端口号可使用默认值

jetty.port=8081

database.type=mysql

mysql.port=3306

mysql.host=x.x.x.x

mysql.database=azkaban

mysql.user=xxx

mysql.password=xxx

4、启动azkaban-solo-server

source /opt/client/bigdata_env

cd /opt/azkaban/azkaban-solo-server

sh bin/start-solo.sh

5、访问Azkaban WEB UI

在浏览器输入“http://ECS弹性IP:port”网址，进入Azkaban WebUI登录界面，输入用户信息登录Azkaban服务。

说明：

默认端口（port）：8081；
用户名/密码：azkaban/azkaban；
用户账号配置文件： /opt/azkaban/azkaban-solo-server/conf/azkaban-users.xml

azkaban-hdfs-viewer plugin配置指导

连接HDFS需要用户下载源码编译获取“az-hdfs-viewer.zip”，并已完成安装azkaban-solo-server。

1、环境准备

配置Azkaban用户，添加supergroup用户组授予访问HDFS权限
在HDFS的配置文件“core-stie.xml”中增加Azkaban代理用户
a. 登录Manager页面，选择“集群 > 服务 > HDFS > 配置 > 全部配置 > HDFS（服务） > 自定义”
b. 在参数文件“core-site.xml”中添加如下配置项:

c. 配置完成后，单击左上角“保存”
d. 选择“概览 > 更多 > 重启服务”输入密码后重启HDFS服务

2、上传安装包并解压

上传“az-hdfs-viewer.zip”至“/opt/azkaban/azkaban-solo-server/plugins/viewer”目录
执行以下命令解压并删除安装包

unzip az-hdfs-viewer.zip

rm -f az-hdfs-viewer.zip

重命名解压后的文件名为"hdfs"
mv az-hdfs-viewer hdfs

3、修改并保存配置文件

修改"azkaban-solo-server/plugins/viewer/hdfs/conf/plugin.properties"文件中的代理用户为步骤1中配置的Azkaban代理用户。修改"execute-as-user"的存放目录为Azkaban安装目录，如"opt/azkaban/azkaban-solo-server"。

viewer.name=HDFS

viewer.path=hdfs

viewer.order=1

viewer.hidden=false

viewer.external.classpaths=extlib/*

viewer.servlet.class=azkaban.viewer.hdfs.HdfsBrowserServlet

hadoop.security.manager.class=azkaban.security.HadoopSecurityManager_H_2_0

azkaban.should.proxy=false

proxy.user=azkaban   // mrs集群中配置的azkaban代理用户名

allow.group.proxy=true

file.max.lines=1000

#Specifying the error message we want user to get when they don't have permissionsviewer.access_denied_message=The folder you are trying to access is protected.

execute.as.user=false

// execute-as-user存放目录

azkaban.native.lib=/opt/azkaban/azkaban-solo-server

若不存在该文件需手动创建并配置以上内容

4、拷贝HDFS插件所需包至"/opt/azkaban/azkaban-solo-server/extlib"目录

cp /opt/client/HDFS/hadoop/share/hadoop/hdfs/*.jar /opt/azkaban/azkaban-solo-server/extlib

cp /opt/client/HDFS/hadoop/share/hadoop/client/hadoop-client-api-3.1.1-mrs-2.0.jar /opt/azkaban/azkaban-solo-server/extlib

cp /opt/client/HDFS/hadoop/share/hadoop/common/*.jar /opt/azkaban/azkaban-solo-server/extlib

不同MRS版本所需Hadoop相关版本不同，通过find /opt/client查询目

5、检查目录结构

目录结构应当为：

- azkaban-solo-server

- bin

- conf

- extlib (hadoop相关插件第三方包)

- lib

- logs

- plugins

 - jobtypes(job插件目录)

   - commonprivate.properties

   - hive

     - plugin.properties

     - private.properties

   - hadoopJava

     - plugin.properties

     - private.properties

 - viewer

   - hdfs

     - conf

       - plugin.properties

   - lib (az-hdfs-viewer.zip解压后的lib)

- temp

- web

6、重启Azkaban-solo-server服务

cd /opt/azkaban/azkaban-solo-server

sh bin/shutdown-solo.sh

sh bin/start-solo.sh

7、访问HDFS Browser

在浏览器输入“http://ECS弹性IP:8081”网址，进入Azkaban WebUI登录界面，输入用户信息登录Azkaban服务
单击"HDFS"

plugins-jobtypes hadoop-job 部署运行

安装azkaban-solo-server完成后，再部署验证hadoop-job

1、环境准备

获取"azkaban-plugins-3.0.0.zip"压缩包
编译获取azkaban提供的hadoopjava-wordcount实例程序包“az-hadoop-jobtype-plugin.jar”

2、上传插件配置文件

解压"azkaban-plugins-3.0.0.zip" 获取"azkaban-plugins-3.0.0\plugins\jobtype\jobtypes"下"hadoopJava"文件夹
将“hadoopJava”文件夹上传至“/plugin”目录。目录不存在则需新建

3、修改配置文件"azkaban-solo-server/plugins/jobtypes/commonprivate.properties"

# set execute-as-user

execute.as.user=false 

hadoop.security.manager.class=azkaban.security.HadoopSecurityManager_H_2_0

azkaban.should.proxy=false

obtain.binary.token=false

proxy.user=azkaban // MRS集群中配置的Azkaban代理用户名

allow.group.proxy=true

// execute-as-user存放目录

azkaban.native.lib=/opt/azkaban/azkaban-solo-server 

# hadoop

hadoop.home=/opt/client/HDFS/hadoop   //opt/client为MRS集群客户端安装目录

hive.home=/opt/client/Hive/Beeline

spark.home=/opt/client/Spark/spark

hadoop.classpath=${hadoop.home}/etc/hadoop,${hadoop.home}/share/hadoop/common/*,${hadoop.home}/share/hadoop/common/lib/*,${hadoop.home}/share/hadoop/hdfs/*,${hadoop.home}/share/hadoop/hdfs/lib/*,${hadoop.home}/share/hadoop/yarn/*,${hadoop.home}/share/hadoop/yarn/lib/*,${hadoop.home}/share/hadoop/mapreduce/*,${hadoop.home}/share/hadoop/mapreduce/lib/*

jobtype.global.classpath=${hadoop.home}/etc/hadoop,${hadoop.home}/share/hadoop/common/*,${hadoop.home}/share/hadoop/common/lib/*,${hadoop.home}/share/hadoop/hdfs/*,${hadoop.home}/share/hadoop/hdfs/lib/*,${hadoop.home}/share/hadoop/yarn/*,${hadoop.home}/share/hadoop/yarn/lib/*,${hadoop.home}/share/hadoop/mapreduce/*,${hadoop.home}/share/hadoop/mapreduce/lib/*

4、示例程序验证

准备测试数据"input.txt"文件，文件内容可参考如下格式进行自定义，存放路径如"/opt/input.txt"

Ross    male    33  3674

Julie   male    42  2019

Gloria  female  45  3567

Carol   female  36  2813

通过HDFS客户端将测试数据"input.txt"上传至"hdfs /tmp/azkaban_test"
a. 以客户端安装用户，登录安装客户端的节点
b. 执行以下命令，切换到客户端安装目录 cd /opt/client
c. 执行以下命令配置环境变量 source bigdata_env
d. 执行HDFS Shell命令上传文件 hdfs dfs -put /opt/input.txt /tmp/azkaban_test
用户在本地编写并保存“wordcount.job”文件，内容如下

type=hadoopJava

job.extend=false

job.class=azkaban.jobtype.examples.java.WordCount

classpath=./lib/*,/opt/azkaban-solo-server-0.1.0-SNAPSHOT/lib/*

force.output.overwrite=true

input.path=/tmp/azkaban_test

output.path=/tmp/azkaban_test_out

在浏览器输入“http://ECS弹性IP:port”网址，进入Azkaban WebUI登录界面，输入用户信息登录Azkaban服务，提交job运行验证

Spark command job—参考客户端命令

spark任务有两种运行方式，一种是command方式，另一种是spark jobtype方式。

Command方式：需要指定spark_home为/opt/client/Spark/spark/
在MRS集群客户端节点可以通过echo $SPARK_HOME获取实际Spark安装地址。
设置azkanban所在ECS全局环境变量，添加source {MRS客户端}后需要重启azkaban才可生效
jobtype方式：参考plugins-jobtypes hadoop-job 部署运行。

点击关注，第一时间了解华为云新鲜技术~