【Hadoop离线基础总结】工作流调度器azkaban

Azkaban概述

工作流调度系统的作用

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，这时就需要一个工作流调度系统来调度执行

举例来说：

某个业务系统每天产生20G原始数据，需要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，供业务调用使用。
工作流调度系统的实现

简单的任务调度可以直接使用linux的crontab实现

复杂的任务调度则需要开源调度系统，比如oozie、azkaban、airflow等
常见工作流调度工具对比
Azkaban简单介绍

详细介绍参考官网：https://azkaban.github.io/

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。它定义了一种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。

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

安装部署

Azkaban的编译

注意：编译要新建一个虚拟机进行编译，jdk版本要用1.8

编译执行命名：

cd /export/softwares/

wget https://github.com/azkaban/azkaban/archive/3.51.0.tar.gz

tar -zxvf 3.51.0.tar.gz -C ../servers/

cd /export/servers/azkaban-3.51.0/

yum -y install git

yum -y install gcc-c++

./gradlew build installDist -x test

编译完成后需要在/export/servers/azkaban-3.51.0/azkaban-exec-server/build/distributions拿到需要的三个安装包：

azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz

azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz

azkaban-web-server-0.1.0-SNAPSHOT.tar.gz

在/export/servers/azkaban-3.51.0/az-exec-util/src/main/c下拿到需要的C文件：

execute-as-user.c

在/export/servers/azkaban-3.51.0/azkaban-db/build/install/azkaban-db下拿到需要的数据库脚本：

create-all-sql-0.1.0-SNAPSHOT.sql
azkaban单服务模式安装与使用

1.解压安装包

cd /export/softwares/ 把azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz安装包上传到该目录

tar -zxvf azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz -C ../servers 解压安装包

2.修改两个配置文件

cd /export/servers/azkaban-solo-server-0.1.0-SNAPSHOT/conf

vim azkaban.properties

default.timezone.id=Asia/Shanghai 只需要把时区修改得和linux的时区相同

cd /export/servers/azkaban-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes

vim commonprivate.properties
```
# set exeute-as-user

execute.as.user=false

memCheck.enabled=false		// 添加这一行，防止内存检查
```
3.启动solo-server

cd /export/servers/azkaban-solo-server-0.1.0-SNAPSHOT

bin/start-solo.sh

4.浏览器页面访问

访问地址：http://192.168.0.30:8081/

登录界面，登录用户名和密码都是azkaban

创建项目

在本地创建普通文本文件foo.job，并打包成压缩文件

注意：编码格式一定要选择UTF-8 without BOM，或者在文件开头添加# command.job
```
# command.job

type=command

command=echo "hello world"
```

azkaban两个服务模式安装与使用

1.数据库准备

mysql -uroot -p 进入mysql

执行以下命令：

CREATE DATABASE azkaban; 创建azkaban数据库

CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban'; 创建azkaban用户

GRANT all privileges ON azkaban.* to 'azkaban'@'%' identified by 'azkaban' WITH GRANT OPTION; 授予远程权限

flush privileges; 刷新权限

use azkaban;

source /export/softwares/create-all-sql-0.1.0-SNAPSHOT.sql;

2.把需要的安装包上传到/export/softwares/，并解压

cd /export/softwares/

tar -zxvf azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz -C ../servers/

mv azkaban-exec-server-0.1.0-SNAPSHOT/ azkaban-exec-server-3.51.0

tar -zxvf azkaban-web-server-0.1.0-SNAPSHOT.tar.gz -C ../servers/

mv azkaban-web-server-0.1.0-SNAPSHOT/ azkaban-web-server-3.51.0

3.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

cd /export/servers/azkaban-web-server-3.51.0

keytool -keystore keystore -alias jetty -genkey -keyalg RSA

密码一直输入azkaban

4.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

# Azkaban Personalization Settings

azkaban.name=Azkaban

azkaban.label=My Azkaban

azkaban.color=#FF3601

azkaban.default.servlet.path=/index

web.resource.dir=web/

default.timezone.id=Asia/Shanghai

# Azkaban UserManager class

user.manager.class=azkaban.user.XmlUserManager

user.manager.xml.file=conf/azkaban-users.xml

# Loader for projects

executor.global.properties=conf/global.properties

azkaban.project.dir=projects

# Velocity dev mode

velocity.dev.mode=false

# Azkaban Jetty server properties.

jetty.use.ssl=true

jetty.maxThreads=25

jetty.port=8081

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

# Azkaban Executor settings

# mail settings

mail.sender=

mail.host=

# User facing web server configurations used to construct the user facing server URLs. They are useful when there is a reverse proxy between Azkaban web servers and users.

# enduser -> myazkabanhost:443 -> proxy -> localhost:8081

# when this parameters set then these parameters are used to generate email links.

# if these parameters are not set then jetty.hostname, and jetty.port(if ssl configured jetty.ssl.port) are used.

# azkaban.webserver.external_hostname=myazkabanhost.com

# azkaban.webserver.external_ssl_port=443

# azkaban.webserver.external_port=8081

job.failure.email=

job.success.email=

lockdown.create.projects=false

cache.directory=cache

# JMX stats

jetty.connector.stats=true

executor.connector.stats=true

# Azkaban mysql settings by default. Users should configure their own username and password.

database.type=mysql

mysql.port=3306

mysql.host=node03

mysql.database=azkaban

mysql.user=azkaban

mysql.password=azkaban

mysql.numconnections=100

#Multiple Executor

azkaban.use.multiple.executors=true

#azkaban.executorselector.filters=StaticRemainingFlowSize,MinimumFreeMemory,CpuStatus

azkaban.executorselector.comparator.NumberOfAssignedFlowComparator=1

azkaban.executorselector.comparator.Memory=1

azkaban.executorselector.comparator.LastDispatched=1

azkaban.executorselector.comparator.CpuUsage=1

azkaban.activeexecutor.refresh.milisecinterval=10000

azkaban.queueprocessing.enabled=true

azkaban.activeexecutor.refresh.flowinterval=10

azkaban.executorinfo.refresh.maxThreads=10

5.azkaban executor server安装

修改azkaban-exex-server配置文件

cd /export/servers/azkaban-exec-server-3.51.0/conf

vim azkaban.properties

# Azkaban Personalization Settings

azkaban.name=Azkaban

azkaban.label=My Azkaban

azkaban.color=#FF3601

azkaban.default.servlet.path=/index

web.resource.dir=web/

default.timezone.id=Asia/Shanghai

# Azkaban UserManager class

user.manager.class=azkaban.user.XmlUserManager

user.manager.xml.file=conf/azkaban-users.xml

# Loader for projects

executor.global.properties=conf/global.properties

azkaban.project.dir=projects

# Velocity dev mode

velocity.dev.mode=false

# Azkaban Jetty server properties.

jetty.use.ssl=true

jetty.maxThreads=25

jetty.port=8081

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

# Where the Azkaban web server is located

azkaban.webserver.url=http://node03:8443

# mail settings

mail.sender=

mail.host=

# User facing web server configurations used to construct the user facing server URLs. They are useful when there is a reverse proxy between Azkaban web servers and users.

# enduser -> myazkabanhost:443 -> proxy -> localhost:8081

# when this parameters set then these parameters are used to generate email links.

# if these parameters are not set then jetty.hostname, and jetty.port(if ssl configured jetty.ssl.port) are used.

# azkaban.webserver.external_hostname=myazkabanhost.com

# azkaban.webserver.external_ssl_port=443

# azkaban.webserver.external_port=8081

job.failure.email=

job.success.email=

lockdown.create.projects=false

cache.directory=cache

# JMX stats

jetty.connector.stats=true

executor.connector.stats=true

# Azkaban plugin settings

azkaban.jobtype.plugin.dir=plugins/jobtypes

# Azkaban mysql settings by default. Users should configure their own username and password.

database.type=mysql

mysql.port=3306

mysql.host=node03

mysql.database=azkaban

mysql.user=azkaban

mysql.password=azkaban

mysql.numconnections=100

# Azkaban Executor settings

executor.maxThreads=50

executor.flow.threads=30

添加插件

cp /export/softwares/execute-as-user.c /export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes/ 把上传的c文件拷贝到指定目录下

yum -y install gcc-c++ 如果提示gcc command not found，那么就在线安装gcc+c++即可

执行以下命令生成execute-as-user

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-3.51.0/plugins/jobtypes

vim commonprivate.properties

execute.as.user=false

memCheck.enabled=false

azkaban.native.lib=/export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes

出现这个

6.启动服务

cd /export/servers/azkaban-exec-server-3.51.0

bin/start-exec.sh 启动exec server

curl -G "node03:$(<./executor.port)/executor?action=activate" && echo 激活exec server

cd /export/servers/azkaban-web-server-3.51.0/

bin/start-web.sh 启动web server

使用

多job工作流flow

第一个job文本文件没什么特殊的
```
# command.job

type=command

command=echo 'hello world'
```
第二个job文本文件最后一行添加依赖即可
```
# command.job

type=command

command=echo 'bar job'

dependencies=foo			//第一个job文件的名字
```
之后需要将两个文件打包到一个压缩包中上传即可

HDFS操作任务

HDFS的job文件这么写

# command.job

type=command

command=/export/servers/hadoop-2.6.0-cdh5.14.0/bin/hadoop fs -mkdir /azkaban

MAPREDUCE任务

需要把jar包和job文件一起打包压缩

#command.job

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

HIVE脚本任务

需要先写一个sql文件

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';

然后再写Job文件，并把两个文件打包到一起

# command.job

type=command

command=/export/servers/hive-1.1.0-cdh5.14.0/bin/hive -f 'hive.sql'

定时任务