Hadoop_16_azkaban
文章目录
- 工作流调度器azkaban
- azkaban架构
- azkaban的编译
- soloserver模式的安装与使用
- 解压
- 修改两个配置文件
- 启动solo-server
- 浏览器页面访问
- 多服务模式的安装
- 数据库准备
- 解压软件安装包
- 安装SSL安全认证
- azkaban web server安装
- azkaban executor server 安装
- 启动服务
- Command类型单一job示例
- Command类型多job工作流flow
- HDFS操作任务
- MAPREDUCE任务
- HIVE脚本任务
- azkaban的定时任务
工作流调度器azkaban
Azkaban官网是由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
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：
- 通过Hadoop先将原始数据同步到HDFS上；
- 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；
- 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；
- 将明细数据进行各种统计分析，得到结果报表信息；
- 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。
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、airflow等。
azkaban架构
azkaban的编译
我们这里选用azkaban3.51.0这个版本自己进行重新编译，编译完成之后得到我们需要的安装包进行安装。编译需要使用jdk1.8的版本来进行编译，这里使用的是jdk8u141这个版本来进行编译。
soloserver模式的安装与使用
解压
cd /export/softwares
tar -zxvf azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz -C …/servers/
修改两个配置文件
修改时区配置文件
cd /export/servers/azkaban-solo-server-0.1.0-SNAPSHOT/conf
vim azkaban.properties
default.timezone.id=Asia/Shanghai
修改commonprivate.properties配置文件
cd /export/servers/azkaban-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes
vim commonprivate.properties
# 添加这一行避免内存检查
memCheck.enabled=false
启动solo-server
启动azkaban-solo-server
cd /export/servers/azkaban-solo-server-0.1.0-SNAPSHOT
bin/start-solo.sh
浏览器页面访问
浏览器页面访问
http://node03:8081/
默认用户名和密码都是：
azkaban
azkaban可以调度各种各样的任务
可以调度 shell脚本
可以调度java 的jar包
可以调度hdfs的任务
可以调度mr的任务
多服务模式的安装
azkaban两个服务模式安装
所需软件：
Azkaban Web服务安装包
azkaban-web-server-0.1.0-SNAPSHOT.tar.gz
Azkaban执行服务安装包
azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz
编译之后的sql脚本
create-all-sql-0.1.0-SNAPSHOT.sql
C程序文件脚本
execute-as-user.c程序
转到路径：
cd /export/softwares/
将所需文件上传
数据库准备
进入mysql的客户端执行以下命令
mysql -uroot -p
执行以下命令：
CREATE DATABASE azkaban;
CREATE USER ‘azkaban’@’%’ IDENTIFIED BY ‘azkaban’;
GRANT all privileges ON azkaban.* to ‘azkaban’@’%’ identified by ‘azkaban’ WITH GRANT OPTION;
flush privileges;
use azkaban;
source /export/softwares/create-all-sql-0.1.0-SNAPSHOT.sql;
解压软件安装包
解压azkaban-web-server
cd /export/softwares
tar -zxvf azkaban-web-server-0.1.0-SNAPSHOT.tar.gz -C …/servers/
cd /export/servers
mv azkaban-web-server-0.1.0-SNAPSHOT/ azkaban-web-server-3.51.0
解压azkaban-exec-server
cd /export/softwares
tar -zxvf azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz -C …/servers/
cd /export/servers
mv azkaban-exec-server-0.1.0-SNAPSHOT/ azkaban-exec-server-3.51.0
安装SSL安全认证
安装ssl安全认证，允许我们使用https的方式访问我们的azkaban的web服务
密码一定要一个个的字母输入，或者粘贴也行
cd /export/servers/azkaban-web-server-3.51.0
keytool -keystore keystore -alias jetty -genkey -keyalg RSA
密码一直输入azkaban
azkaban web server安装
修改azkaban-web-server的配置文件
cd /export/servers/azkaban-web-server-3.51.0/conf
vim azkaban.properties
#时区等基本信息设置一下
azkaban.name=Azkaban
azkaban.label=My Azkaban
default.timezone.id=Asia/Shanghai
#将ssl设置为true
jetty.use.ssl=true
#添加ssl密码的部分，根据上一步的设定修改
jetty.ssl.port=8443
jetty.keystore=/export/servers/azkaban-web-server-3.51.0/keystore
jetty.password=azkaban
jetty.keypassword=azkaban
jetty.truststore=/export/servers/azkaban-web-server-3.51.0/keystore
jetty.trustpassword=azkaban
# 注意修改掉为符合的myslq设定
database.type=mysql
mysql.port=3306
mysql.host=node03
mysql.database=azkaban
mysql.user=azkaban
mysql.password=azkaban
mysql.numconnections=100
# 一定要把下面这句注释掉，因为这句是用来检测多个exec server,我们这里只有一个
#azkaban.executorselector.filters=StaticRemainingFlowSize,MinimumFreeMemory,CpuStatus
#下面是一些刷新机制，可加可不加
azkaban.activeexecutor.refresh.milisecinterval=10000
azkaban.queueprocessing.enabled=true
azkaban.activeexecutor.refresh.flowinterval=10
azkaban.executorinfo.refresh.maxThreads=10
azkaban executor server 安装
修改azkaban-exec-server的配置文件
cd /export/servers/azkaban-exec-server-3.51.0/conf
vim azkaban.properties
#时区等基本信息设置一下
azkaban.name=Azkaban
azkaban.label=My Azkaban
default.timezone.id=Asia/Shanghai
#将ssl设置为true
jetty.use.ssl=true
#添加ssl密码的部分，根据上一步的设定修改
jetty.ssl.port=8443
jetty.keystore=/export/servers/azkaban-web-server-3.51.0/keystore
jetty.password=azkaban
jetty.keypassword=azkaban
jetty.truststore=/export/servers/azkaban-web-server-3.51.0/keystore
jetty.trustpassword=azkaban
# 注意这里已经变成https的模式，端口也改为8443
azkaban.webserver.url=https://node03:8443
# 注意修改掉为符合的myslq设定
database.type=mysql
mysql.port=3306
mysql.host=node03
mysql.database=azkaban
mysql.user=azkaban
mysql.password=azkaban
mysql.numconnections=100
添加插件
将我们编译后的C文件execute-as-user.c
上传到这个目录来/export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes
或者直接将我们/export/softwares下面的文件拷贝过来也行
cp /export/softwares/execute-as-user.c /export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes/
然后执行以下命令生成execute-as-user
yum -y install gcc-c++
cd /export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes
gcc execute-as-user.c -o execute-as-user
chown root execute-as-user
chmod 6050 execute-as-user
修改配置文件
cd /export/servers/azkaban-exec-server-3.47.0/plugins/jobtypes
vim commonprivate.properties
# 添加下面两句，跳过memory check的检查，我们只有一个exec server
memCheck.enabled=false
azkaban.native.lib=/export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes
启动服务
第一步：启动azkaban exec server
cd /export/servers/azkaban-exec-server-3.51.0
bin/start-exec.sh
第二步：激活我们的exec-server
node03机器任意目录下执行以下命令
curl -G “node03:$(<./executor.port)/executor?action=activate” && echo
第三步：启动azkaban-web-server
cd /export/servers/azkaban-web-server-3.51.0/
bin/start-web.sh
访问地址：
https://node03:8443
Command类型单一job示例
创建文本文件，更改名称为mycommand.job
注意后缀.txt一定不要带上，保存为格式为UFT-8 without bom
内容如下
type=command
command=echo ‘hello world’
将mycommand.job压缩为mycommand.zip类型的压缩包，创建在浏览器上创建新的project，上传压缩包测试。
Command类型多job工作流flow
-
创建有依赖关系的多个job描述
第一个job：foo.job
type=command
command=echo ‘foo’
第二个job：bar.job依赖foo.job
type=command
dependencies=foo
command=echo ‘bar’ -
把两个job资源文件打到一个zip包中
-
在azkaban的web管理界面创建工程并上传zip包
-
启动工作流flow
HDFS操作任务
- 创建job描述文件fs.job
type=command
command=/export/servers/hadoop-2.6.0-cdh5.14.0/bin/hdfs dfs -mkdir -p /azkaban
创建文件夹azkaban - 将job资源文件打包成zip文件
- 通过azkaban的web管理平台创建project并上传job压缩包
- 启动执行该job
MAPREDUCE任务
Mr任务依然可以使用command的job类型来执行。
-
创建job描述文件，及mr程序jar包（示例中直接使用hadoop自带的example jar）
type=command
command=/export/servers/hadoop-2.6.0-cdh5.14.0/bin/hadoop jar hadoop-mapreduce-examples-2.6.0-cdh5.14.0.jar pi 3 5
pi，计算圆周率，3个map,5个reduce -
将所有job资源文件打到一个zip包中，因为我们使用相对路径，所以需要在一个压缩包里。
example jar 路径：/export/servers/hadoop-2.6.0-cdh5.14.0/share/hadoop/mapreduce/
-
在azkaban的web管理界面创建工程并上传zip包
-
启动job
HIVE脚本任务
- 创建job描述文件和hive脚本
Hive脚本： hive.sql
create database if not exists azhive;
use azhive;
create table if not exists aztest(id string,name string) row format delimited fields terminated by ‘\t’;
Job描述文件：hive.job
type=command
command=/export/servers/hive-1.1.0-cdh5.14.0/bin/hive -f ‘hive.sql’ - 将所有job资源文件打到一个zip包中
- 在azkaban的web管理界面创建工程并上传zip包
- 启动job
azkaban的定时任务
使用azkaban的schedule功能可以实现对我们的作业任务进行定时调度功能.
*/1 * ? * * 每分钟执行一次定时调度任务
0 1 ? * * 每天晚上凌晨一点钟执行这个任务
0 */2 ? * * 每隔两个小时定时执行这个任务
30 21 ? * * 每天晚上九点半定时执行这个任务