[TOC] # azKaban简介及安装 ## 1 概述 ### 1.1为什么需要工作流调度系统 1. 一个完整的数据分析系统通常都是由大量任务单元组成： 2. shell脚本程序，java程序，mapreduce程序、hive脚本等 3. 各任务单元之间存在时间先后及前后依赖关系 4. 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： 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。 ### 1.2 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 ### 1.3 常见工作流调度系统 > 市面上目前有许多工作流调度器 > 在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading,Hamake等   ### 1.4 各种调度工具特性对比 > 下面的表格对上述四种hadoop工作流调度器的关键特性进行了比较，尽管这些工作流调度器能够解决的需求场景基本一致，但在设计理念，目标用户，应用场景等方面还是存在显著的区别，在做技术选型的时候，可以提供参考 | 特性 | Hamake | Oozie | Azkaban| Cascading| | --- | --- | --- | --- | --- | | 工作流描述语言 | XML | XML (xPDL based)| text file with key/value pairs Java API| | 依赖机制 | data-driven | explicit| explicit| explicit| | 是否要web容器| No| Yes| Yes | No| | 进度跟踪 | console/log messages | web page| web page | Java API| | Hadoop job调度支持| no | yes | yes| yes| | 运行模式| command line utility | daemon| daemon| API| | Pig支持 | yes | yes| yes| yes| | 事件通知 | no | no | no| yes| | 需要安装 | no | yes| yes | no| | 支持的hadoop版本| 0.18+ | 0.20+ | currently unknown | 0.18+| | 重试支持 | no | workflownode evel | yes | yes| | 运行任意命令| yes| yes| yes| yes| | Amazon EMR支持 | ye| s no | currently unknown| yes| ### 1.5 Azkaban与Oozie对比 > 对市面上最流行的两种调度器，给出以下详细对比，以供技术选型参考。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。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。 > 详情如下： 1) 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 2) 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 3) 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)} 4) 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 5) 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 6) 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 7) 工作流管理 > Azkaban支持浏览器以及ajax方式操作工作流 > Oozie支持命令行、HTTP REST、Java API、浏览器操作工作流 ## 2 Azkaban介绍 > 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。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： * 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 ## 3 Azkaban安装部署 1) 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 root. 下载地址:http://azkaban.github.io/downloads.html ~~~ 2) 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 > azkaban web服务器安装 ~~~ 解压azkaban-web-server-2.5.0.tar.gz 命令: tar –zxvf azkaban-web-server-2.5.0.tar.gz 将解压后的azkaban-web-server-2.5.0 移动到 azkaban目录中,并重新命名 webserver 命令: mv azkaban-web-server-2.5.0 ../azkaban cd ../azkaban mv azkaban-web-server-2.5.0 server ~~~ > azkaban 执行服器安装 ~~~ 解压azkaban-executor-server-2.5.0.tar.gz 命令:tar –zxvf azkaban-executor-server-2.5.0.tar.gz 将解压后的azkaban-executor-server-2.5.0 移动到 azkaban目录中,并重新命名 executor 命令:mv azkaban-executor-server-2.5.0 ../azkaban cd ../azkaban mv azkaban-executor-server-2.5.0 executor ~~~ > azkaban脚本导入 ~~~ 解压: azkaban-sql-script-2.5.0.tar.gz 命令:tar –zxvf azkaban-sql-script-2.5.0.tar.gz 将解压后的mysql 脚本,导入到mysql中: 进入mysql mysql> create database azkaban; mysql> use azkaban; Database changed mysql> source /home/hadoop/azkaban-2.5.0/create-all-sql-2.5.0.sql; ~~~ > 创建SSL配置 > 参考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL > 命令: 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： 再次输入新密码: 您的名字与姓氏是什么？ [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<jetty>的主密码 （如果和 keystore 密码相同，按回车）： 再次输入新密码: 完成上述工作后,将在当前目录生成 keystore 证书文件,将keystore 考贝到 azkaban web服务器根目录中.如:cp keystore 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 2.拷贝该时区文件，覆盖系统本地时区配置 ~~~ cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime ~~~ > azkaban web服务器配置 > 进入azkaban web服务器安装目录 conf目录 1) 修改azkaban.properties文件 > 命令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=hadoop03 #数据库连接IP mysql.database=azkaban #数据库实例名 mysql.user=root #数据库用户名 mysql.password=root #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 ~~~ 2) azkaban 执行服务器配置 > 进入执行服务器安装目录conf,修改azkaban.properties ~~~ vi azkaban.properties #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=192.168.20.200 #数据库IP地址 mysql.database=azkaban #数据库实例名 mysql.user=azkaban #数据库用户名 mysql.password=oracle #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 ~~~ 3) 用户配置 > 进入azkaban web服务器conf目录,修改azkaban-users.xml ~~~ vi azkaban-users.xml 增加 管理员用户 <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> ~~~ > 启动 > web服务器 ~~~ 在azkaban web服务器目录下执行启动命令 bin/azkaban-web-start.sh 注:在web服务器根目录运行 ~~~ > 执行服务器 ~~~ 在执行服务器目录下执行启动命令 bin/azkaban-executor-start.sh ./ 注:只能要执行服务器根目录运行 ~~~ > 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户用名及密码,点击 login. ## 4 Azkaban实战 > Azkaba内置的任务类型支持command、java ### 4.1 Command类型单一job示例 1) 创建job描述文件 ~~~ vi command.job #command.job type=command command=echo 'hello' ~~~ 2) 将job资源文件打包成zip文件 ~~~ zip command.job ~~~ 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  4) 启动执行该job  ### 4.2Command类型多job工作流flow 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 ~~~ 2) 将所有job资源文件打到一个zip包中  3) 在azkaban的web管理界面创建工程并上传zip包 4) 启动工作流flow ### 4.3HDFS操作任务 1) 创建job描述文件 ~~~ # fs.job type=command command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop fs -mkdir /azaz ~~~ 2) 将job资源文件打包成zip文件  3) 通过azkaban的web管理平台创建project并上传job压缩包 4) 启动执行该job ### 4.4 MAPREDUCE任务 > Mr任务依然可以使用command的job类型来执行 1) 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） ~~~ # mrwc.job type=command command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop jar hadoop-mapreduce-examples-2.6.1.jar wordcount /wordcount/input /wordcount/azout ~~~ 2) 将所有job资源文件打到一个zip包中  3) 在azkaban的web管理界面创建工程并上传zip包 4) 启动job ### 4.5HIVE脚本任务 1) 创建job描述文件和hive脚本 > Hive脚本： test.sql ~~~ use default; drop table aztest; create table aztest(id int,name string) row format delimited fields terminated by ','; load data inpath '/aztest/hiveinput' into table aztest; create table azres as select * from aztest; insert overwrite directory '/aztest/hiveoutput' select count(1) from aztest; Job描述文件：hivef.job # hivef.job type=command command=/home/hadoop/apps/hive/bin/hive -f 'test.sql' ~~~ 2. 将所有job资源文件打到一个zip包中 3. 在azkaban的web管理界面创建工程并上传zip包 4. 启动job