工作流调度系统Azkaban

1、概述

1.1、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任务的执行。

        假如，我有这样一个需求，某个业务系统每天产生20G原始数据，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。

1.2、工作流调度实现方式

• 简单的任务调度：直接用linux的crontab；
• 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

1.3、Azkaban与Oozie对比

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

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

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)}

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

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

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

2、Azkaban介绍

        Azkaban是由linkedin（领英）公司推出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使用job配置文件建⽴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。

        Azkaban定义了一种K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。

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

架构角色

mysql服务器: 存储元数据，如项目名称、项目描述、项目权限、任务状态、SLA规则等

AzkabanWebServer:对外提供web服务，使用户可以通过web页面管理。职责包括项目管理、权限授权、任务调度、监控executor。

AzkabanExecutorServer:负责具体的工作流的提交、执行。