Azkaban工作流调度器
Azkanban工作流调度器
1.为什么需要工作流调度系统
一个完成的数据分析系统通常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
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
3.常见工作流调度系统
市面上目前有愈多工作流调度器
在hadoop领域，常见的工作流调度器有Oozie，Azkaban，Cascading，Hamake等
4.Azkaban介绍
Azkaban是由Kinkedin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
5.Azkaban安装部署
准备工作
Azkaban Web服务器
azkaban-web-server-2.5.0.tar.gz
Azkaban执行服务器
azkaban-executor-server-2.5.0.tar.gz
MySQL
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123456
下载地址:http://azkaban.github.io/downloads.html
5.1.Azkaban安装
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
在当前用户目录下新建 azkabantools目录,用于存放源安装文件.新建azkaban目录,用于存放azkaban运行程序
5.1.1.Azkaban web服务器安装
解压azkaban-web-server-2.5.0.tar.gz
[root@node02 software]# tar -zxvf azkaban-web-server-2.5.0.tar.gz -C /opt/modules
5.1.2.azkaban执行服器安装
解压azkaban-executor-server-2.5.0.tar.gz
[root@node02 software]# tar -zxvf azkaban-executor-server-2.5.0.tar.gz -C /opt/modules
[root@node02 software]# cd /opt/modules
[root@node02 modules]# ll
total 32
drwxr-xr-x. 7 root root 4096 Jan 25 13:31 azkaban-executor-2.5.0
drwxr-xr-x. 8 root root 4096 Jan 25 13:30 azkaban-web-2.5.0
drwxr-xr-x. 9 matrix matrix 4096 Jan 7 13:44 elasticsearch-2.4.2
drwxr-xr-x. 8 root root 4096 Jan 24 18:58 flume-1.6.0
drwxr-xr-x. 12 matrix matrix 4096 Jan 23 21:00 hadoop-2.5.1
drwxr-xr-x. 8 root root 4096 Jan 23 18:43 hive-1.2.1
drwxr-xr-x. 3 matrix matrix 4096 Dec 19 16:01 journalnode
drwxr-xr-x. 12 matrix matrix 4096 Dec 17 21:20 zookeeper
[root@node02 modules]# mv azkaban-executor-2.5.0 executor
[root@node02 modules]# mv azkaban-web-2.5.0 webserver
[root@node02 modules]# mv webserver ./azkaban
[root@node02 modules]# mv executor ./azkaban
5.1.3.azkaban脚本导入
[root@node02 software]# tar -zxvf azkaban-sql-script-2.5.0.tar.gz -C /opt/modules
5.1.3.1.azkaban脚本导入
将解压后的mysql脚本,导入到mysql中:
进入mysql
[root@node02 ~]# mysql -uroot -p
mysql> create database azkanban;
Query OK, 1 row affected (0.07 sec)
mysql> use azkanban;
Database changed
mysql> source /opt/modules/azkaban-2.5.0/create-all-sql-2.5.0.sql;
5.1.4.创建SSL配置
Azkanban Web页面使用https来访问的
参考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL
[root@node02 ~]# 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:
输入keystore密码： 123456
再次输入新密码: 123456
您的名字与姓氏是什么？不填
[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
输入的主密码123456
（如果和 keystore 密码相同，按回车）：
再次输入新密码:123456 完成上述工作后,将在当前目录生成 keystore 证书文件,
[root@node02 ~]# ll
total 44
-rw-------. 1 root root 1101 Dec 13 08:20 anaconda-ks.cfg
-rw-r--r--. 1 root root 8815 Dec 13 08:20 install.log
-rw-r--r--. 1 root root 3384 Dec 13 08:17 install.log.syslog
-rw-r--r--. 1 root root 2234 Jan 25 13:55 keystore
-rw-r--r--. 1 root root 19046 Jan 23 20:35 zookeeper.out
5.1.4.1.创建SSL配置将keystore拷贝到azkaban web服务器根目录中
[root@node02 ~]# cp keystore /opt/modules/azkaban/webserver/
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
[root@node02 ~]# tzselect
2、拷贝该时区文件，覆盖系统本地时区配置
[root@node02 ~]# cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
cp: overwrite `/etc/localtime'? y
[root@node02 ~]# scp -r /usr/share/zoneinfo/Asia/Shanghai root@node01:/etc/localtime
[root@node02 ~]# scp -r /usr/share/zoneinfo/Asia/Shanghai root@node03:/etc/localtime 100% 388 0.4KB/s 00:00
[root@node02 ~]# scp -r /usr/share/zoneinfo/Asia/Shanghai root@node04:/etc/localtime 100% 388 0.4KB/s 00:00
5.1.4.2.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
[root@node02 ~]# cd /opt/modules
[root@node02 modules]# cd azkaban
[root@node02 azkaban]# cd webserver/
[root@node02 webserver]# cd conf
[root@node02 conf]# 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=localhost #数据库连接IP
mysql.database=azkanban #数据库实例名
mysql.user=root #数据库用户名
mysql.password=123456 #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5.1.4.3.用户配置
进入azkaban web服务器conf目录,修改azkaban-users.xml
增加管理员用户
[root@node02 conf]# vi azkaban-users.xml
<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>5.1.4.4.azkaban执行服务器executor配置
进入执行executor安装目录conf,修改azkaban.properties
[root@node02 azkaban]# cd executor/conf
[root@node02 conf]# vi 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=localhost
mysql.database=azkanban
mysql.user=root
mysql.password=123456
mysql.numconnections=100
# Azkaban Executor settings
executor.maxThreads=50
executor.port=12321
executor.flow.threads=30
#Azkaban
default.timezone.id=Asia/Shanghai #时区
# Azkaban JobTypes 插件配置
azkaban.jobtype.plugin.dir=plugins/jobtypes #jobtype 插件所在位置
#Loader for projects
executor.global.properties=conf/global.properties
azkaban.project.dir=projects
#数据库设置
database.type=mysql #数据库类型(目前只支持mysql)
mysql.port=3306 #数据库端口号
mysql.host=localhost #数据库IP地址
mysql.database=azkanban #数据库实例名
mysql.user=root #数据库用户名
mysql.password=123456 #数据库密码
mysql.numconnections=100 #最大连接数
# 执行服务器配置
executor.maxThreads=50 #最大线程数
executor.port=12321 #端口号(如修改,请与web服务中一致)
executor.flow.threads=30 #线程数5.1.5.启动azkaban
1.确认Hadoop集群/(hdfs、yarn、zookeeper)是否启动
2.在azkaban web服务器目录下执行启动命令
[root@node02 ~]# cd /opt/modules/azkaban/webserver/
[root@node02 webserver]# ./bin/azkaban-web-start.sh
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 &
3.执行服务器
在执行服务器目录下执行启动命令
[root@node02 executor]# ./bin/azkaban-executor-start.sh
注:只能要执行服务器根目录运行
[root@node02 ~]# jps
1610 QuorumPeerMain
1670 DataNode
2296 AzkabanWebServer
2312 AzkabanExecutorServer
1725 JournalNode
2378 Jps
5.1.6.在浏览器查看Azkaban Web UI
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用户名及密码(均为admin),点击login.
https://192.168.230.11:8443/
6.Azkaban实战
Azkaba内置的任务类型支持command、java
6.1.Command类型单一job示例
6.1.1.创建job描述文件
[root@node02 ~]# vi command.job
#command.job
type=command
command=echo 'hello'
6.1.2.将job资源文件打包成zip文件
zip command.job
6.1.3.通过azkaban的web管理平台创建project并上传job压缩包
首先创建project
上传zip包
6.1.4.启动执行该job
6.2.Command类型多job工作流flow
6.2.1.创建有依赖关系的多个job描述
第一个job：foo.job
# foo.job
type=command
command=echo foo
第二个job：bar.job依赖foo.job
# bar.job
type=command
dependencies=foo
command=echo bar