大数据 - （六-3）- ⼯作流调度系统Azkaban

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

⼯作流调度实现⽅式

• 简单的任务调度
  • 直接使⽤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

Azkaban与Oozie对⽐

• 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(xml)。
• 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。

功能上对比

• 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

⼯作流定义对比

• Azkaban使⽤Properties⽂件定义⼯作流
• Oozie使⽤XML⽂件定义⼯作流

⼯作流传参对比

• 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)}

定时执⾏对比

• 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

资源管理对比

• 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

⼯作流执⾏对比

• 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
  • 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

Azkaban介绍

• 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
• 使⽤job配置⽂件建⽴任务之间的依赖关系

• 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

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

架构⻆⾊

• 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⻚⾯管理
  • 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

Azkaban安装部署