Azkaban

一

1.1 为什么需要工作流调度系统

1）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

2）各任务单元之间存在时间先后及前后依赖关系

3）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；

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：

Hadoop先将原始数据上传到HDFS上（HDFS的操作）；

MapReduce对原始数据进行清洗（MapReduce的操作）；

hive表中（hive的导入操作）；

Hive中多个表的数据进行JOIN处理，得到一张hive的明细表（创建中间表）；

hive的查询操作）；

1.2

2）任务依赖（1）任务的结果，（3）任务依赖（2）任务的结果，（4）任务依赖（3）任务的结果，（5）任务依赖（4）任务的结果。一般的做法是，先执行完（1）再执行（2），再一次执行（3）（4）（5）。

crontab执行。其实，整个过程类似于一个有向无环图（DAG）。每个子任务相当于大任务中的一个节点，也就是，我们需要的就是一个工作流的调度器，而Azkaban就是能解决上述问题的一个调度器。

1.3 什么是azkaban

Azkaban是由Linkedin公司推出的一个批量工作流任务调度器，主要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，它的配置是通过简单的key:value对的方式，通过配置中的dependencies 来设置依赖关系。Azkaban使用job配置文件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。

1.4 Azkaban特点

hadoop

Web用户界面

/授权(权限的工作)

1.5 常见工作流调度系统

1）简单的任务调度：直接使用crontab实现；

2）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

1.6 ooize和azkaban特性对比

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	Oozie	Azkaban
工作流描述语言	XML	text file with key/value pairs
是否要web容器	Yes	Yes
进度跟踪	web page	web page
Hadoop job调度支持	yes	yes
运行模式	daemon	daemon
事件通知	no	Yes
需要安装	yes	yes
支持的hadoop版本	0.20+	currently unknown
重试支持	workflownode evel	yes
运行任意命令	yes	yes

1.7 Azkaban的架构

Azkaban由三个关键组件构成：

MySQL）：存储大部分执行流状态，AzkabanWebServer和AzkabanExecutorServer都需要访问数据库。

1.8 Azkaban下载地址

:http://azkaban.github.io/downloads.html

Azkaban安装部署

2.1 安装前准备

Azkaban Web服务器、Azkaban执行服务器、Azkaban的sql执行脚本及MySQL安装包拷贝到bigdata111虚拟机/opt/software目录下

MysqlAzkaban数据库，因为Azkaban建立了一些Mysql连接增强功能，以方便Azkaban设置，并增强服务可靠性。

2.2 安装Azkaban

/opt/module/目录下创建azkaban目录

[itstar@bigdata111 module]$ mkdir azkaban

azkaban-web-server-2.5.0.tar.gz、azkaban-executor-server-2.5.0.tar.gz、azkaban-sql-script-2.5.0.tar.gz到/opt/module/azkaban目录下

[itstar@bigdata111 software]$ tar -zxvf azkaban-web-server-2.5.0.tar.gz -C /opt/module/azkaban/

[itstar@bigdata111 software]$ tar -zxvf azkaban-executor-server-2.5.0.tar.gz -C /opt/module/azkaban/

[itstar@bigdata111 software]$ tar -zxvf azkaban-sql-script-2.5.0.tar.gz -C /opt/module/azkaban/

[itstar@bigdata111 azkaban]$ mv azkaban-web-2.5.0/ server

[itstar@bigdata111 azkaban]$ mv azkaban-executor-2.5.0/ executor

mysql，创建azkaban数据库，并将解压的脚本导入到azkaban数据库。

[itstar@bigdata111 azkaban]$ mysql -uroot -p000000

mysql> create database azkaban;

mysql> use azkaban;

mysql> source /opt/module/azkaban/azkaban-2.5.0/create-all-sql-2.5.0.sql

source后跟.sql文件，用于批量处理.sql文件中的sql语句。

2.3 生成密钥库

Keytool是java数据证书的管理工具，使用户能够管理自己的公/私钥对及相关证书。

[itstar@bigdata111 azkaban]$ keytool -keystore keystore -alias jetty -genkey -keyalg RSA

/市/自治区名称是什么?

/地区代码是什么?

CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=Unknown是否正确?

注意：

6个字符，可以是纯数字或者字母或者数字和字母的组合等等

<jetty> 的密钥相同，方便记忆

[itstar@bigdata111 azkaban]$ mv keystore /opt/module/azkaban/server/

2.4 时间同步配置

先配置好服务器节点上的时区

Asia/Shanghai，就要用 tzselect 生成。

[itstar@bigdata111 azkaban]$ tzselect

Please identify a location so that time zone rules can be set correctly.

Please select a continent or ocean.

Asia

10) Pacific Ocean

11) none - I want to specify the time zone using the Posix TZ format.

#? 5

Please select a country.

China

#? 9

Please select one of the following time zone regions.

1) Beijing Time

2) Xinjiang Time

#? 1

The following information has been given:

Therefore TZ='Asia/Shanghai' will be used.

Is the above information OK?

1) Yes

2) No

#? 1

You can make this change permanent for yourself by appending the line

to the file '.profile' in your home directory; then log out and log in again.

Here is that TZ value again, this time on standard output so that you

can use the /usr/bin/tzselect command in shell scripts:

Asia/Shanghai

2）拷贝该时区文件，覆盖系统本地时区配置

[itstar@bigdata111 azkaban]$ sudo date -s '2018-10-18 16:39:30'

2.5 配置文件

2.5.1 Web服务器配置

[itstar@bigdata111 conf]$ pwd

/opt/module/azkaban/server/conf

[itstar@bigdata111 conf]$ vim azkaban.properties

2）按照如下配置修改azkaban.properties文件。

#Azkaban Personalization Settings

#服务器UI名称,用于服务器上方显示的名字

azkaban.name=Test

#描述

azkaban.label=My Local Azkaban

#UI颜色

azkaban.color=#FF3601

azkaban.default.servlet.path=/index

#默认web server存放web文件的目录

web.resource.dir=/opt/module/azkaban/server/web/

default.timezone.id=Asia/Shanghai

#Azkaban UserManager class

user.manager.class=azkaban.user.XmlUserManager

#用户权限管理默认类（绝对路径）

user.manager.xml.file=/opt/module/azkaban/server/conf/azkaban-users.xml

#Loader for projects

#global配置文件所在位置（绝对路径）

executor.global.properties=/opt/module/azkaban/executor/conf/global.properties

azkaban.project.dir=projects

#数据库类型

database.type=mysql

#端口号

mysql.port=3306

#数据库连接IP

mysql.host=bigdata111

#数据库实例名

mysql.database=azkaban

#数据库用户名

mysql.user=root

#数据库密码

mysql.password=000000

#最大连接数

mysql.numconnections=100

# Velocity dev mode

velocity.dev.mode=false

# Azkaban Jetty server properties.

# Jetty服务器属性.

#最大线程数

jetty.maxThreads=25

#Jetty SSL端口

jetty.ssl.port=8443

#Jetty端口

jetty.port=8081

#SSL文件名（绝对路径）

jetty.keystore=/opt/module/azkaban/server/keystore

#SSL文件密码

jetty.password=000000

#Jetty主密码与keystore文件相同

jetty.keypassword=000000

#SSL文件名（绝对路径）

jetty.truststore=/opt/module/azkaban/server/keystore

#SSL文件密码

jetty.trustpassword=000000

# Azkaban Executor settings

executor.port=12321

# mail settings

mail.sender=

mail.host=

job.failure.email=

job.success.email=

lockdown.create.projects=false

cache.directory=cache

[itstar@bigdata111 conf]$ vim azkaban-users.xml

<azkaban-users>

</azkaban-users>

2.5.2 执行服务器配置

1）进入执行服务器安装目录conf，打开azkaban.properties

[itstar@bigdata111 conf]$ pwd

/opt/module/azkaban/executor/conf

[itstar@bigdata111 conf]$ vim azkaban.properties

azkaban.properties文件。

#Azkaban

#时区

default.timezone.id=Asia/Shanghai

# Azkaban JobTypes Plugins

#jobtype 插件所在位置

azkaban.jobtype.plugin.dir=plugins/jobtypes

#Loader for projects

executor.global.properties=/opt/module/azkaban/executor/conf/global.properties

azkaban.project.dir=projects

database.type=mysql

mysql.port=3306

mysql.host=bigdata111

mysql.database=azkaban

mysql.user=root

mysql.password=000000

mysql.numconnections=100

# Azkaban Executor settings

#最大线程数

executor.maxThreads=50

#端口号(如修改,请与web服务中一致)

executor.port=12321

#线程数

executor.flow.threads=30

2.6 启动executor服务器

在executor服务器目录下执行启动命令

[itstar@bigdata111 executor]$ pwd

/opt/module/azkaban/executor

[itstar@bigdata111 executor]$ bin/azkaban-executor-start.sh

2.7 启动web服务器

azkaban web服务器目录下执行启动命令

[itstar@bigdata111 server]$ pwd

/opt/module/azkaban/server

[itstar@bigdata111 server]$ bin/azkaban-web-start.sh

注意：

executor，再执行web，避免Web Server会因为找不到执行器启动失败。

jps查看进程

[itstar@bigdata111 server]$ jps

3601 AzkabanExecutorServer

5880 Jps

3661 AzkabanWebServer

(建议使用谷歌浏览器)中输入https://服务器IP地址:8443azkaban服务了。

azkaban-users.xml文件中新添加的户用名及密码,admin和admin login。

Azkabanʵս

Azkaba内置的任务类型支持command、java

3.1单一job案例

1）创建job描述文件

[itstar@bigdata111 jobs]$ vim first.job

#first.job

type=command

command=echo 'this is my first job'

2) 将job资源文件打包成zip文件

[itstar@bigdata111 jobs]$ zip first.zip first.job

[itstar@bigdata111 jobs]$ ll

-rw-rw-r--. 1 itstar itstar 219 10月 18 17:43 first.zip

注意：

Azkaban上传的工作流文件只支持xxx.zip文件。zip应包含xxx.job运行作业所需的文件和任何文件（文件名后缀必须以.job结尾，否则无法识别）。作业名称在项目中必须是唯一的。

3）通过azkaban的web管理平台创建project并上传job的zip包

project

zip包

4）启动执行该job

点击执行工作流

点击继续

5）Job执行成功

6）点击查看job日志

3.2多job工作流案例

1）创建有依赖关系的多个job描述

job：1.job

[itstar@bigdata111 jobs]$ vi 1.job

type=command

command=/opt/module/hadoop-2.8.4/bin/hadoop fs -put /opt/module/datas/word.txt /

job：2.job依赖1.job

[itstar@bigdata111 jobs]$ vi 2.job

type=command

command=/opt/module/hadoop-2.8.4/bin/hadoop jar /opt/module/hadoop-2.8.4/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.4.jar wordcount /word.txt /out

dependencies=1

2）job资源文件打到一个zip包中

3）在azkaban的web管理界面创建工程并上传zip包

4）查看结果

思考：

student.txt文件上传到hdfs，根据所传文件创建外部表，再将表中查询到的结果写入到本地文件

3.3 java操作任务

Azkaban调度java程序

1）编写java程序

import java.io.FileOutputStream;

import java.io.IOException;

public class AzkabanTest {

public void run() throws IOException {

FileOutputStream fos = new FileOutputStream("/opt/module/azkaban/output.txt");

fos.write("this is a java progress".getBytes());

fos.close();

}

public static void main(String[] args) throws IOException {

AzkabanTest azkabanTest = new AzkabanTest();

azkabanTest.run();

}

2）将java程序打成jar包，创建lib目录，将jar放入lib内

[itstar@bigdata111 azkaban]$ mkdir lib

[itstar@bigdata111 azkaban]$ cd lib/

[itstar@bigdata111 lib]$ ll

-rw-rw-r--. 1 itstar itstar 3355 10月 18 20:55 azkaban-0.0.1-SNAPSHOT.jar

3）编写job文件

[itstar@bigdata111 jobs]$ vim azkabanJava.job

#azkabanJava.job

type=javaprocess

java.class=AzkabanTest(全类名)

classpath=/opt/module/azkaban/lib/*

4）将job文件打成zip包

[itstar@bigdata111 jobs]$ zip azkabanJava.zip azkabanJava.job

5）通过azkaban的web管理平台创建project并上传job压缩包，启动执行该job

3.3 HDFS操作任务

1）创建job描述文件

[itstar@bigdata111 jobs]$ vi hdfs.job

#hdfs job

type=command

command=/opt/module/hadoop-2.8.4/bin/hadoop fs -mkdir /azkaban

2）将job资源文件打包成zip文件

[itstar@bigdata111 jobs]$ zip fs.zip fs.job

3）通过azkaban的web管理平台创建project并上传job压缩包

4）启动执行该job

5）查看结果

3.4 mapreduce任务

mapreduce任务依然可以使用azkaban进行调度

job描述文件，及mr程序jar包

[itstar@bigdata111 jobs]$ vim mapreduce.job

#mapreduce job

type=command

command=/opt/module/hadoop-2.8.4/bin/hadoop jar /opt/module/hadoop-2.8.4/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.4.jar wordcount /wordcount/input /wordcount/output

job资源文件打到一个zip包中

[itstar@bigdata111 jobs]$ zip mapreduce.zip mapreduce.job

3）在azkaban的web管理界面创建工程并上传zip包

4）启动job

5）查看结果

3.5 Hive脚本任务

1）创建job描述文件和hive脚本

1）Hive脚本：student.sql

[itstar@bigdata111 jobs]$ vim student.sql

use default;

drop table student;

create table student(id int, name string)

row format delimited fields terminated by '\t';

load data local inpath '/opt/module/datas/student.txt' into table student;

insert overwrite local directory '/opt/module/datas/student'

row format delimited fields terminated by '\t'

select * from student;

2）Job描述文件：hive.job

[itstar@bigdata111 jobs]$ vim hive.job

#hive job

type=command

command=/opt/module/hive/bin/hive -f /opt/module/azkaban/jobs/student.sql

job资源文件打到一个zip包中

3）在azkaban的web管理界面创建工程并上传zip包

4）启动job

5）查看结果

[itstar@bigdata111 student]$ cat /opt/module/datas/student/000000_0

标签

工作流

Hive

Azkaban

executor

MapReduce

Hadoop

Azakaban

一

1.1 为什么需要工作流调度系统

1.2

1.3 什么是azkaban

1.4 Azkaban特点

1.5 常见工作流调度系统

1.6 ooize和azkaban特性对比

1.7 Azkaban的架构

1.8 Azkaban下载地址

Azkaban安装部署

2.1 安装前准备

2.2 安装Azkaban

2.3 生成密钥库

2.4 时间同步配置

2.5 配置文件

2.5.1 Web服务器配置

2.5.2 执行服务器配置

2.6 启动executor服务器

2.7 启动web服务器

Azkabanʵս

3.1单一job案例

3.2多job工作流案例

3.3 java操作任务

3.3 HDFS操作任务

3.4 mapreduce任务

3.5 Hive脚本任务