工作流调度器azkaban
1.为什么需要工作流调度系统
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； 例如，我们可能有这样一个需求，某个业务系统每天产生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： 1、 通过Hadoop先将原始数据同步到HDFS上； 2、 借助MapReduce计算框架对原始数据进行转换，生成的数据以分区表的形式存储到多张Hive表中； 3、 需要对Hive中多个表的数据进行JOIN处理，得到一个明细数据Hive大表； 4、 将明细数据进行复杂的统计分析，得到结果报表信息； 5、 需要将统计分析得到的结果数据同步到业务系统中，供业务调用使用。
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
azkanban-install:
[hadoop@master ~]$ mkdir azkaban
[hadoop@master ~]$ tar xf /usr/local/src/azkaban-web-server-2.5.0.tar.gz -C azkaban/
[hadoop@master ~]$ tar xf /usr/local/src/azkaban-executor-server-2.5.0.tar.gz -C azkaban/
[hadoop@master ~]$ tar xf /usr/local/src/azkaban-sql-script-2.5.0.tar.gz -C azkaban/
[hadoop@master ~]$ ll azkaban/
total 12
drwxrwxr-x 2 hadoop hadoop 4096 Dec 12 16:11 azkaban-2.5.0
drwxrwxr-x 7 hadoop hadoop 4096 Dec 12 16:11 azkaban-executor-2.5.0
drwxrwxr-x 8 hadoop hadoop 4096 Dec 12 16:11 azkaban-web-2.5.0
[hadoop@master azkaban]$ mv azkaban-web-2.5.0 azkaban-server-2.5.0
[hadoop@master azkaban]$ ll
total 12
drwxrwxr-x 2 hadoop hadoop 4096 Dec 12 16:11 azkaban-2.5.0
drwxrwxr-x 7 hadoop hadoop 4096 Dec 12 16:11 azkaban-executor-2.5.0
drwxrwxr-x 8 hadoop hadoop 4096 Dec 12 16:11 azkaban-server-2.5.0
azkaban 脚本导入（前提是装好hive以及hive使用的数据库）
[hadoop@master conf]$ mysql -uhive -phive -h slave1 Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 2 Server version: 5.1.73 Source distribution Copyright (c) 2000, 2016, Oracle and/or its affiliates. All rights reserved. Oracle is a registered trademark of Oracle Corporation and/or its affiliates. Other names may be trademarks of their respective owners. Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. mysql> show databases; +--------------------+ | Database | +--------------------+ | information_schema | | hive | | mysql | | test | +--------------------+ 4 rows in set (0.02 sec) mysql> create database azkaban; Query OK, 1 row affected (0.00 sec) mysql> use azkaban; Database changed mysql> source /home/hadoop/azkaban/azkaban-2.5.0/create-all-sql-2.5.0.sql;
mysql> show databases;
+--------------------+
| Database |
+--------------------+
| information_schema |
| azkaban |
| hive |
| mysql |
| test |
+--------------------+
5 rows in set (0.00 sec)
mysql> use azkaban;
Database changed
mysql> show tables;
+------------------------+
| Tables_in_azkaban |
+------------------------+
| active_executing_flows |
| active_sla |
| execution_flows |
| execution_jobs |
| execution_logs |
| project_events |
| project_files |
| project_flows |
| project_permissions |
| project_properties |
| project_versions |
| projects |
| properties |
| schedules |
| triggers |
+------------------------+
15 rows in set (0.00 sec)
创建SSL配置
参考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL
命令: keytool -keystore keystore -alias jetty -genkey -keyalg RSA
运行此命令后,会提示输入当前生成 keystor的密码及相应信息,输入的密码请劳记,信息如下:
[hadoop@master azkaban-2.5.0]$ keytool -keystore keystore -alias jetty -genkey -keyalg RSA
输入keystore密码：
再次输入新密码:
您的名字与姓氏是什么？
[Unknown]：
您的组织单位名称是什么？
[Unknown]：
您的组织名称是什么？
[Unknown]：
您所在的城市或区域名称是什么？
[Unknown]：
您所在的州或省份名称是什么？
[Unknown]：
该单位的两字母国家代码是什么
[Unknown]： CN
CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN 正确吗？
[否]： y
输入<jetty>的主密码
（如果和 keystore 密码相同，按回车）：
再次输入新密码:
完成上述工作后,将在当前目录生成 keystore 证书文件,将keystore 考贝到 azkaban web服务器根目录中.如:cp keystore azkaban-server-2.5.0/
[hadoop@master azkaban-2.5.0]$ keytool -keystore keystore -alias jetty -genkey -keyalg RSA Enter keystore password: Re-enter new password: What is your first and last name? [Unknown]: What is the name of your organizational unit? [Unknown]: What is the name of your organization? [Unknown]: What is the name of your City or Locality? [Unknown]: CN What is the name of your State or Province? [Unknown]: What is the two-letter country code for this unit? [Unknown]: Is CN=Unknown, OU=Unknown, O=Unknown, L=CN, ST=Unknown, C=Unknown correct? [no]: y Enter key password for <jetty> (RETURN if same as keystore password): You have new mail in /var/spool/mail/root
[hadoop@master azkaban-2.5.0]$ pwd
/home/hadoop/azkaban/azkaban-2.5.0
[hadoop@master azkaban-2.5.0]$ ll
-rw-rw-r-- 1 hadoop hadoop 2232 Dec 12 16:46 keystore
拷贝keystore 到azkaban-server-2.5.0/
[hadoop@master azkaban]$ cp azkaban-2.5.0/keystore azkaban-server-2.5.0/
配置文件
注：先配置好服务器节点上的时区
1、先生成时区配置文件Asia/Shanghai，用交互式命令 tzselect 即可
2、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
[hadoop@master ~]$ tzselect Please identify a location so that time zone rules can be set correctly. Please select a continent or ocean. 1) Africa 2) Americas 3) Antarctica 4) Arctic Ocean 5) Asia 6) Atlantic Ocean 7) Australia 8) Europe 9) Indian Ocean 10) Pacific Ocean 11) none - I want to specify the time zone using the Posix TZ format. #? 5 Please select a country. 1) Afghanistan 18) Israel 35) Palestine 2) Armenia 19) Japan 36) Philippines 3) Azerbaijan 20) Jordan 37) Qatar 4) Bahrain 21) Kazakhstan 38) Russia 5) Bangladesh 22) Korea (North) 39) Saudi Arabia 6) Bhutan 23) Korea (South) 40) Singapore 7) Brunei 24) Kuwait 41) Sri Lanka 8) Cambodia 25) Kyrgyzstan 42) Syria 9) China 26) Laos 43) Taiwan 10) Cyprus 27) Lebanon 44) Tajikistan 11) East Timor 28) Macau 45) Thailand 12) Georgia 29) Malaysia 46) Turkmenistan 13) Hong Kong 30) Mongolia 47) United Arab Emirates 14) India 31) Myanmar (Burma) 48) Uzbekistan 15) Indonesia 32) Nepal 49) Vietnam 16) Iran 33) Oman 50) Yemen 17) Iraq 34) Pakistan #? 9 Please select one of the following time zone regions. 1) Beijing Time 2) Xinjiang Time #? 1 The following information has been given: China Beijing Time Therefore TZ='Asia/Shanghai' will be used. Local time is now: Tue Dec 12 17:23:05 CST 2017. Universal Time is now: Tue Dec 12 09:23:05 UTC 2017. Is the above information OK? 1) Yes 2) No #? 1 You can make this change permanent for yourself by appending the line TZ='Asia/Shanghai'; export TZ 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
如果机器时间不一样，要调整：
[root@master hadoop]# date -s '2017-12-12 17:29:32'
[root@master hadoop]# hwclock -w
azkaban web服务器配置 进入azkaban web服务器安装目录 conf目录 修改azkaban.properties文件 命令vi azkaban.properties 内容说明如下: #Azkaban Personalization Settings azkaban.name=Test #服务器UI名称,用于服务器上方显示的名字 azkaban.label=My Local Azkaban #描述 azkaban.color=#FF3601 #UI颜色 azkaban.default.servlet.path=/index # web.resource.dir=web/ #默认根web目录 default.timezone.id=Asia/Shanghai #默认时区,已改为亚洲/上海 默认为美国 #Azkaban UserManager class user.manager.class=azkaban.user.XmlUserManager #用户权限管理默认类 user.manager.xml.file=conf/azkaban-users.xml #用户配置,具体配置参加下文 #Loader for projects executor.global.properties=conf/global.properties # global配置文件所在位置 azkaban.project.dir=projects # database.type=mysql #数据库类型 mysql.port=3306 #端口号 mysql.host=slave1 #数据库连接IP mysql.database=azkaban #数据库实例名 mysql.user=hive #数据库用户名 mysql.password=hive #数据库密码 mysql.numconnections=100 #最大连接数 # Velocity dev mode velocity.dev.mode=false # Jetty服务器属性. jetty.maxThreads=25 #最大线程数 jetty.ssl.port=8443 #Jetty SSL端口 jetty.port=8081 #Jetty端口 jetty.keystore=keystore #SSL文件名 jetty.password=123456 #SSL文件密码 jetty.keypassword=123456 #Jetty主密码 与 keystore文件相同 jetty.truststore=keystore #SSL文件名 jetty.trustpassword=123456 # SSL文件密码 # 执行服务器属性 executor.port=12321 #执行服务器端口 # 邮件设置 mail.sender=xxxxxxxx@163.com #发送邮箱 mail.host=smtp.163.com #发送邮箱smtp地址 mail.user=xxxxxxxx #发送邮件时显示的名称 mail.password=********** #邮箱密码 job.failure.email=xxxxxxxx@163.com #任务失败时发送邮件的地址 job.success.email=xxxxxxxx@163.com #任务成功时发送邮件的地址 lockdown.create.projects=false # cache.directory=cache #缓存目录
用户配置：
用户配置 进入azkaban web服务器conf目录,修改azkaban-users.xml vi azkaban-users.xml 增加 管理员用户 <azkaban-users> <user username="azkaban" password="azkaban" roles="admin" groups="azkaban" /> <user username="metrics" password="metrics" roles="metrics"/> <user username="admin" password="admin" roles="admin,metrics" /> <role name="admin" permissions="ADMIN" /> <role name="metrics" permissions="METRICS"/> </azkaban-users>
azkaban 执行服务器excutor配置
进入执行服务器安装目录conf,修改azkaban.properties
vi azkaban.properties
[hadoop@master conf]$ vim azkaban.properties #Azkaban default.timezone.id=Asia/Shanghai # Azkaban JobTypes Plugins azkaban.jobtype.plugin.dir=plugins/jobtypes #Loader for projects executor.global.properties=conf/global.properties azkaban.project.dir=projects database.type=mysql mysql.port=3306 mysql.host=slave1 mysql.database=azkaban mysql.user=hive mysql.password=hive mysql.numconnections=100 # Azkaban Executor settings executor.maxThreads=50 executor.port=12321 executor.flow.threads=30
启动
web服务器
在azkaban web服务器目录下执行启动命令
bin/azkaban-web-start.sh
[hadoop@master azkaban-server-2.5.0]$ bin/azkaban-web-start.sh
2017/12/12 17:59:11.281 +0800 INFO [log] [Azkaban] Started SslSocketConnector@0.0.0.0:8443 2017/12/12 17:59:11.282 +0800 INFO [AzkabanWebServer] [Azkaban] Server running on ssl port 8443. #启动成功
[hadoop@master azkaban-server-2.5.0]$ jps
3443 NameNode
8659 AzkabanWebServer
8708 Jps
3764 ResourceManager
3621 SecondaryNameNode
8575 AzkabanWebServer
注:在web服务器根目录运行
或者启动到后台：
nohup bin/azkaban-web-start.sh 1>/tmp/azstd.out 2>/tmp/azerr.out &
执行服务器
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
[hadoop@master azkaban-executor-2.5.0]$ pwd /home/hadoop/azkaban/azkaban-executor-2.5.0 [hadoop@master azkaban-executor-2.5.0]$ bin/azkaban-executor-start.sh 2017/12/12 18:04:51.127 +0800 INFO [log] [Azkaban] Started SocketConnector@0.0.0.0:12321 2017/12/12 18:04:51.127 +0800 INFO [AzkabanExecutorServer] [Azkaban] Azkaban Executor Server started on port 12321
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.
azkaban 实战：
Azkaba内置的任务类型支持command、java
