azkaban知识点学习总结（一）

一 概述

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；

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计算，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。

 

1.2 常见工作流调度系统

 

1）简单的任务调度：直接使用linux的crontab来定义；

 

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、 Cascading、Hamake等

 

1.3Azkaban与Oozie对比

 

对市面上最流行的两种调度器，给出以下详细对比，以供技术选型参考。总体来说，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。

 

详情如下：

 

1）功能

 

两者均可以调度mapreduce，pig，java，脚本工作流任务

 

两者均可以定时执行工作流任务

 

2）工作流定义

 

Azkaban使用Properties文件定义工作流

 

Oozie使用XML文件定义工作流

 

3）工作流传参

 

Azkaban支持直接传参，例如${input}

 

Oozie支持参数和EL表达式，例如${fs:dirSize(myInputDir)}

 

4）定时执行

 

Azkaban的定时执行任务是基于时间的

 

Oozie的定时执行任务基于时间和输入数据

 

5）资源管理

 

Azkaban有较严格的权限控制，如用户对工作流进行读/写/执行等操作

 

Oozie暂无严格的权限控制

 

6）工作流执行

 

Azkaban有两种运行模式，分别是solo server mode(executor server和web server部署在同一台节点)和multi server mode(executor server和web server可以部署在不同节点)

 

Oozie作为工作流服务器运行，支持多用户和多工作流

 

7）工作流管理

 

Azkaban支持浏览器以及ajax方式操作工作流

 

Oozie支持命令行、HTTP REST、Java API、浏览器操作工作流

 

二 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

 

下载地址:http://azkaban.github.io/downloads.html

 

三 Azkaban安装部署

 

3.1 安装前准备

 

1）将Azkaban Web服务器、Azkaban执行服务器和MySQL拷贝到hadoop102虚拟机/opt/software目录下

 

azkaban-web-server-2.5.0.tar.gz

 

azkaban-executor-server-2.5.0.tar.gz

 

azkaban-sql-script-2.5.0.tar.gz

 

mysql-libs.zip

 

2）目前azkaban只支持 mysql，需安装mysql服务器，本文档中默认已安装好mysql服务器，并建立了 root用户，密码 root。

 

3.2安装azkaban

 

1）在/opt/module/目录下创建azkaban目录

 

[atguigu@hadoop102 module]$ mkdir azkaban

 

2）解压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

 

[atguigu@hadoop102 software]$ tar -zxvf azkaban-web-server-2.5.0.tar.gz -C /opt/module/azkaban/

 

[atguigu@hadoop102 software]$ tar -zxvf azkaban-executor-server-2.5.0.tar.gz -C /opt/module/azkaban/

 

[atguigu@hadoop102 software]$ tar -zxvf azkaban-sql-script-2.5.0.tar.gz -C /opt/module/azkaban/

 

3）对解压后的文件重新命名

 

[atguigu@hadoop102 azkaban]$ mv azkaban-web-2.5.0/ server

 

[atguigu@hadoop102 azkaban]$ mv azkaban-executor-2.5.0/ executor

 

4）azkaban脚本导入

 

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

 

[atguigu@hadoop102 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

 

3.2 创建SSL配置

 

参考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL