工作流调度器azkaban的安装和使用

前言

为什么需要工作流调度器？

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清洗转换，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. 将明细数据进行各种统计分析，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

简介

1. 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；
	crontab   定时任务  计划任务
	crontab -e
	52 	8	 *	 *	 * 		echo 'hello' >> /home/hadoop/tt.txt
	m  	h 	 d 	 m 	week	脚本位置
	0 10 * * 1,2,3,4,5 echo 'hello' >> /home/hadoop/bd1804_cron.txt

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

2. 常见工作流调度系统

市面上目前有许多工作流调度器
在 hadoop 领域，常见的工作流调度器有 Oozie, Azkaban,Cascading,Hamake 等

3. 各种调度工具对比
   下面的表格对上述四种 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
   
   
4. Azkaban 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
		azakaban可以调度的任务：
			java
			shell
			python
			hadoop
			spark
			hql
			sqoop
	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)} strust2(ONGL)

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

优缺点：
	oozie：
		优点：  大型企业
			调度机制比较全面
			基于事件驱动的工作流调度   A   B
			高可用的
		缺点：
			不太好上手  使用的时候比较复杂
	azkaban：
		优点：易于上手操作
		缺点：调度机制没有oozie完善  但是绝大部分的任务调度都是可以解决的           中小型公司
			  3.0之前不是高可用   存在单点故障的  3.0之后可以实现高可用的
	共同特点：提供了比较优良的可视化界面

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

Azkaban 安装部署

1. 安装说明

将安装文件上传到集群,最好上传到安装 hive、sqoop 的机器上,方便命令的执行。并最好同一存放在同一个目录下,用于存放源安装文件.新建 azkaban 目录,用于存放 azkaban 运行程序

2. 安装

1）上传
	azkaban-executor-server-2.5.0.tar.gz  执行服务器
	azkaban-sql-script-2.5.0.tar.gz  脚本文件
		存的就是sql脚本  存储的元数据库
		azkaban中将任务的调度进行存储  存储的时候就是二维表的形式进行存储   ---mysql中   这个脚本中存放的就是mysql的元数据初始化的脚本  手动操作
	azkaban-web-server-2.5.0.tar.gz   web服务
2）解压
	tar -xvzf azkaban-web-server-2.5.0.tar.gz 
	tar -xvzf azkaban-executor-server-2.5.0.tar.gz
	tar -xvzf azkaban-sql-script-2.5.0.tar.gz
3）配置环境变量
	export AZKABAN_WEB_HOME=/home/hadoop/apps/azkaban/azkaban-web-2.5.0
	export AZKABAN_EXE_HOME=/home/hadoop/apps/azkaban/azkaban-executor-2.5.0
	export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$ZOOKEEPER_HOME/bin:$HBASE_HOME/bin:$SQOOP_HOME/bin:$AZKABAN_WEB_HOME/bin:$AZKABAN_EXE_HOME/bin
	source /etc/profile
4）生成数字证书文件  ssh-keygen生成秘钥的
	生成结果在执行目录下   最好在azkaban目录下执行
		keytool -keystore keystore -alias jetty -genkey -keyalg RSA
		What is the two-letter country code for this unit?   [Unknown]:  
  	将数字证书发送到web目录下：
  		cp keystore azkaban-web-2.5.0/
5）将时区文件发送到/etc/profile
  	sudo cp Shanghai /etc/localtime 
6)初始化元数据库
	在mysql上创建数据库：
		create database azkaban;
		use   azkaban;
		source /home/hadoop/apps/azkaban/azkaban-2.5.0/create-all-sql-2.5.0.sql
7）修改配置文件
	web的配置文件
		1)vi azkaban.properties文件
			#Azkaban Personalization Settings
			azkaban.name=Test
			azkaban.label=My Local Azkaban
			azkaban.color=#FF3601
			azkaban.default.servlet.path=/index
			web.resource.dir=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/web/
			default.timezone.id=Asia/Shanghai

			#Azkaban UserManager class
			user.manager.class=azkaban.user.XmlUserManager
			user.manager.xml.file=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/conf/azkaban-users.xml

			#Loader for projects
			executor.global.properties=/home/hadoop/apps/azkaban/azkaban-executor-2.5.0/conf/global.properties
			azkaban.project.dir=projects

			database.type=mysql
			mysql.port=3306
			mysql.host=hadoop01
			mysql.database=azkaban
			mysql.user=root
			mysql.password=123456
			mysql.numconnections=100

			# Velocity dev mode
			velocity.dev.mode=false

			# Azkaban Jetty server properties.
			jetty.maxThreads=25
			jetty.ssl.port=8443
			jetty.port=8081
			jetty.keystore=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/keystore
			jetty.password=hadoop
			jetty.keypassword=hadoop
			jetty.truststore=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/keystore
			jetty.trustpassword=hadoop

			# 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
		2)azkaban-users.xml  配置用户
			
			executor配置文件:
			azkaban.properties文件
			#Azkaban
			default.timezone.id=Asia/Shanghai

			# Azkaban JobTypes Plugins
			azkaban.jobtype.plugin.dir=plugins/jobtypes

			#Loader for projects
			executor.global.properties=/home/hadoop/apps/azkaban/azkaban-executor-2.5.0/conf/global.properties
			azkaban.project.dir=projects

			database.type=mysql
			mysql.port=3306
			mysql.host=hadoop01
			mysql.database=azkaban
			mysql.user=root
			mysql.password=123456
			mysql.numconnections=100

			# Azkaban Executor settings
			executor.maxThreads=50
			executor.port=12321
			executor.flow.threads=30
			不要多空格
8）启动
	启动web服务器：
	azkaban-web-start.sh
	启动executor
	azkaban-executor-start.sh
9)访问：
	浏览器：谷歌  火狐
	https://hadoop01:8443

启动

启动web服务器

1. 前台启动
	azkaban-web-start.sh
2. 运行为后台服务
	nohup zakaban-web-start.sh 1>/home/hadoop/azwebstd.out 2>/home/hadoop/azweberr.out &

启动执行服务器

1. 前台启动
	azkaban-executor-start.sh
2. nohup	zakaban-executor-start.sh 1>/home/hadoop/azexstd.out 2>/home/hadoop/azexerr.out &

登录html验证结果

登录地址为：https://hadoop03:8843,有出现以下页面则为登录成功：

Azkaban实战演示

command类型的单一job示例

1. 创建 job 文件
   vi command.job

#command.job
type=command 
command=echo 'hello'

2. 将 job 文件打包

zip command.zip command.job

3. 通过Azkaban Web平台创建 project 并上传压缩包
   

command类型多 job 工作流 flow

1. 创建关系依赖的多个job
   第一个job：one.job

# one.job
type=command
command=echo one

第二个job：two.job 依赖 one.job

# two.job
type=command
dependencies=one
command=echo two

2. 将所有资源打成一个 zip 包
   

3. 启动执行
   

操作 MapReduce 任务

1. 创建job描述文件

# mapreduce.job
type=command
command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop jar hadoop-mapreduce-examples-2.6.1.jar wordcount /wordcount/input /wordcount/azout

2. 将 job 资源问价打成 zip 包
   

3. 创建project，并上传zip包

4. 启动执行
   

Hive脚本任务

1. 创建hive描述文件和hive脚本
   hive脚本如下：
   1）hivetest.sql

use mysql;
drop table test;
create table test(id int,name string,sex string,age int,deparment string) row format delimited fields terminated by ',';
load data inpath '/student.txt' into table test;
create table aaa as select * from test;
insert overwrite directory '/test/hiveoutput' select count(1) from test;

2）job描述文件

# hivef.job
type=command
command=/root/apps/apache-hive-1.2.1-bin/bin/hive -f 'testhive.sql'

2. 将所有文件打成 zip 包

3. 通过 Azkaban 的 web 界面上传 zip 包，后启动 job