【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=8081jetty.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=1azkaban.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