【转载】Azkaban（三）Azkaban的使用
界面介绍
首页有四个菜单
- projects：最重要的部分，创建一个工程，所有flows将在工程中运行。
- scheduling:显示定时任务
- executing:显示当前运行的任务
- history:显示历史运行任务
介绍projects部分
概念介绍
创建工程：创建之前我们先了解下之间的关系，一个工程包含一个或多个flows，一个flow包含多个job。job是你想在azkaban中运行的一个进程，可以是简单的linux命令，可是java程序，也可以是复杂的shell脚本，当然，如果你安装相关插件，也可以运行插件。一个job可以依赖于另一个job，这种多个job和它们的依赖组成的图表叫做flow。
1、Command 类型单一 job 示例
（1）首先创建一个工程，填写名称和描述
（2）点击创建之后
Flows：工作流程，有多个job组成
Permissions:权限管理
Project Logs:工程日志
（3）job的创建
创建job很简单，只要创建一个以.job结尾的文本文件就行了,例如我们创建一个工作，用来打印hello，名字叫做command.job
#command.job
type=command
command=echo 'hello'
一个工程不可能只有一个job，我们现在创建多个依赖job，这也是采用azkaban的首要目的。
（4）将 job 资源文件打包
注意：只能是zip格式
（5）通过 azkaban web 管理平台创建 project 并上传压缩包
2、Command 类型多 job 工作流 flow
（1）创建项目
我们说过多个jobs和它们的依赖组成flow。怎么创建依赖，只要指定dependencies参数就行了。比如导入hive前，需要进行数据清洗，数据清洗前需要上传，上传之前需要从ftp获取日志。
定义5个job：
1、o2o_2_hive.job：将清洗完的数据入hive库
2、o2o_clean_data.job：调用mr清洗hdfs数据
3、o2o_up_2_hdfs.job：将文件上传至hdfs
4、o2o_get_file_ftp1.job：从ftp1获取日志
5、o2o_get_file_fip2.job：从ftp2获取日志
依赖关系：
3依赖4和5，2依赖3，1依赖2，4和5没有依赖关系。
o2o_2_hive.job
type=command # 执行sh脚本，建议这样做，后期只需维护脚本就行了，azkaban定义工作流程 command=sh /job/o2o_2_hive.sh dependencies=o2o_clean_data
o2o_clean_data.job
type=command # 执行sh脚本，建议这样做，后期只需维护脚本就行了，azkaban定义工作流程 command=sh /job/o2o_clean_data.sh dependencies=o2o_up_2_hdfs
o2o_up_2_hdfs.job
type=command #需要配置好hadoop命令，建议编写到shell中，可以后期维护 command=hadoop fs -put /data/* #多个依赖用逗号隔开 dependencies=o2o_get_file_ftp1,o2o_get_file_ftp2
o2o_get_file_ftp1.job
type=command command=wget "ftp://file1" -O /data/file1
o2o_get_file_ftp2.job
type=command command=wget "ftp:file2" -O /data/file2
可以运行unix命令，也可以运行python脚本（强烈推荐）。将上述job打成zip包。
ps：为了测试流程，我将上述command都改为echo ＋相应命令
（2）上传
点击o2o_2_hive进入流程，azkaban流程名称以最后一个没有依赖的job定义的。
右上方是配置执行当前流程或者执行定时流程。
说明
Flow view：流程视图。可以禁用，启用某些job
Notification:定义任务成功或者失败是否发送邮件
Failure Options:定义一个job失败，剩下的job怎么执行
Concurrent：并行任务执行设置
Flow Parametters：参数设置。
（3）执行一次
设置好上述参数，点击execute。
绿色代表成功，蓝色是运行，红色是失败。可以查看job运行时间，依赖和日志，点击details可以查看各个job运行情况。
（4）执行定时任务
这时候注意到cst了吧，之前需要将配置中时区改为Asia/shanghai。
可以选择"天/时/分/月/周"等执行频率。
可以查看下次执行时间。
3、操作 MapReduce 任务
（1）创建 job 描述文件
mapreduce_wordcount.job
# mapreduce_wordcount.job
type=command
dependencies=mapreduce_pi
command=/home/hadoop/apps/hadoop-2.7.5/bin/hadoop
jar
/home/hadoop/apps/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar
wordcount /wordcount/input /wordcount/output_azkaban
mapreduce_pi.job
# mapreduce_pi.job
type=command
command=/home/hadoop/apps/hadoop-2.7.5/bin/hadoop
jar
/home/hadoop/apps/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar
pi 5 5
（2）创建 project 并上传 zip 包
（3）启动执行
4、Hive 脚本任务
（1） 创建 job 描述文件和 hive 脚本
Hive 脚本如下
test.sql
create database if not exists azkaban; use azkaban; drop table if exists student; create table student(id int,name string,sex string,age int,deparment string) row format delimited fields terminated by ','; load data local inpath '/home/hadoop/student.txt' into table student; create table student_copy as select * from student; insert overwrite directory '/aztest/hiveoutput' select count(1) from student_copy; !hdfs dfs -cat /aztest/hiveoutput/000000_0; drop database azkaban cascade;
Job 描述文件：
hivef.job
# hivef.job type=command command=/home/hadoop/apps/apache-hive-2.3.3-bin/bin/hive -f 'test.sql'
（2）将所有 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
5、启动 job
