任务调度工具oozie和azkaban的对比

1．工作流调度工具：（azkaban 和oozie的对比）

工作流调度：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。

调度工具性能对比：Apache Oozie，其配置工作流的过程是编写大量的XML配置，而且代码复杂度比较高，不易于二次开发。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。

Oozie和Azkaban的区别：

两者在功能方面大致相同，只是Oozie底层在提交Hadoop Spark作业是通过org.apache.hadoop的封装好的接口进行提交，而Azkaban可以直接操作shell语句。在安全性上可能Oozie会比较好。

工作流定义：Oozie是通过xml定义的而Azkaban为properties来定义。

部署过程：Oozie的部署相对困难些，同时它是从Yarn上拉任务日志。

Azkaban中如果有任务出现失败，只要进程有效执行，那么任务就算执行成功，这是BUG，但是Oozie能有效的检测任务的成功与失败。

操作工作流：Azkaban使用Web操作。Oozie支持Web，RestApi，Java API操作。

权限控制：Oozie基本无权限控制，Azkaban有较完善的权限控制，供用户对工作流读写执行操作。

Oozie的action主要运行在hadoop中而Azkaban的actions运行在Azkaban的服务器中。

记录workflow的状态：Azkaban将正在执行的workflow状态保存在内存中，Oozie将其保存在Mysql中。

出现失败的情况：Azkaban会丢失所有的工作流，但是Oozie可以在继续失败的工作流运行

2．调度工具介绍：（azkaban 和oozie）

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：
1.Web用户界面
2.方便上传工作流
3.方便设置任务之间的关系
4.调度工作流
5.认证/授权(权限的工作)
6.能够杀死并重新启动工作流
7.模块化和可插拔的插件机制
8.项目工作区
9.工作流和任务的日志记录和审计

Oozie介绍

Oozie工作流是放置在控制依赖DAG（有向无环图 Direct Acyclic Graph）中的一组动作（例如，Hadoop的Map/Reduce作业、Pig作业等），其中指定了动作执行的顺序。我们会使用hPDL（一种XML流程定义语言）来描述这个图。

hPDL是一种很简洁的语言，只会使用少数流程控制和动作节点。控制节点会定义执行的流程，并包含工作流的起点和终点（start、end和fail节点）以及控制工作流执行路径的机制（decision、fork和join节点）。动作节点是一些机制，通过它们工作流会触发执行计算或者处理（如下图）

3．Azkaban和Oozie的基本操作

Azkaban：

Azkaban的工作流的创建特别方便，直接通过web界面创建工程，然后提交任务。（创建job的的文件必须是以.job的文件，并且上传的文件是以zip压缩包的形式进行上传）。

创建工作流的基本流程：

（1）创建工程，提交任务。

（2）任务提交完成之后bar.job和foo.job之间的依赖关系显示在web 界面当中。

（3）然后执行相应提交的任务。如下图两者的对应关系，可以直接执行单个的任务，也可以指定定时任务。可设置定时任务的执行时间。同时可以在定时执行完成之后做相应的提醒服务。

Oozie的基本操作：

操作准备；

job.properties	任务的一些配置文件，例如运行的HDFS以及JobTracker (ResourceManager)等
Lib	存放执行的JAR包
Workflow.xml	工作流的依赖
****.jar	执行任务的jar包（自定义的文件）