工作流調度系統Azkaban的簡介和使用
1 概述
1.1 為什麽需要工作流調度系統
l 一個完整的數據分析系統通常都是由大量任務單元組成：
shell腳本程序，java程序，mapreduce程序、hive腳本等
l 各任務單元之間存在時間先後及前後依賴關系
l 為了很好地組織起這樣的復雜執行計劃，需要一個工作流調度系統來調度執行；
例如，我們可能有這樣一個需求，某個業務系統每天產生20G原始數據，我們每天都要對其進行處理，處理步驟如下所示：
1、 通過Hadoop先將原始數據同步到HDFS上；
2、 借助MapReduce計算框架對原始數據進行轉換，生成的數據以分區表的形式存儲到多張Hive表中；
3、 需要對Hive中多個表的數據進行JOIN處理，得到一個明細數據Hive大表；
4、 將明細數據進行復雜的統計分析，得到結果報表信息；
5、 需要將統計分析得到的結果數據同步到業務系統中，供業務調用使用。
1.2 工作流調度實現方式
簡單的任務調度：直接使用linux的crontab來定義；
復雜的任務調度：開發調度平臺
或使用現成的開源調度系統，比如ooize、azkaban等
1.3 常見工作流調度系統
市面上目前有許多工作流調度器
在hadoop領域，常見的工作流調度器有Oozie, Azkaban,Cascading,Hamake等
1.4 各種調度工具特性對比
下面的表格對上述四種hadoop工作流調度器的關鍵特性進行了比較，盡管這些工作流調度器能夠解決的需求場景基本一致，但在設計理念，目標用戶，應用場景等方面還是存在顯著的區別，在做技術選型的時候，可以提供參考
|
特性 |
Hamake |
Oozie |
Azkaban |
Cascading |
|
工作流描述語言 |
XML |
XML (xPDL based) |
text file with key/value pairs |
Java API |
|
依賴機制 |
data-driven |
explicit |
explicit |
explicit |
|
是否要web容器 |
No |
Yes |
Yes |
No |
|
進度跟蹤 |
console/log messages |
web page |
web page |
Java API |
|
Hadoop job調度支持 |
no |
yes |
yes |
yes |
|
運行模式 |
command line utility |
daemon |
daemon |
API |
|
Pig支持 |
yes |
yes |
yes |
yes |
|
事件通知 |
no |
no |
no |
yes |
|
需要安裝 |
no |
yes |
yes |
no |
|
支持的hadoop版本 |
0.18+ |
0.20+ |
currently unknown |
0.18+ |
|
重試支持 |
no |
workflownode evel |
yes |
yes |
|
運行任意命令 |
yes |
yes |
yes |
yes |
|
Amazon EMR支持 |
yes |
no |
currently unknown |
yes |
1.5 Azkaban與Oozie對比
對市面上最流行的兩種調度器，給出以下詳細對比，以供技術選型參考。總體來說，ooize相比azkaban是一個重量級的任務調度系統，功能全面，但配置使用也更復雜。如果可以不在意某些功能的缺失，輕量級調度器azkaban是很不錯的候選對象。
詳情如下：
u 功能
兩者均可以調度mapreduce,pig,java,腳本工作流任務
兩者均可以定時執行工作流任務
u 工作流定義
Azkaban使用Properties文件定義工作流
Oozie使用XML文件定義工作流
u 工作流傳參
Azkaban支持直接傳參，例如${input}
Oozie支持參數和EL表達式，例如${fs:dirSize(myInputDir)}
u 定時執行
Azkaban的定時執行任務是基於時間的
Oozie的定時執行任務基於時間和輸入數據
u 資源管理
Azkaban有較嚴格的權限控制，如用戶對工作流進行讀/寫/執行等操作
Oozie暫無嚴格的權限控制
u 工作流執行
Azkaban有兩種運行模式，分別是soloserver mode(executor server和web server部署在同一臺節點)和multi server mode(executor server和web server可以部署在不同節點)
Oozie作為工作流服務器運行，支持多用戶和多工作流
u 工作流管理
Azkaban支持瀏覽器以及ajax方式操作工作流
Oozie支持命令行、HTTP REST、Java API、瀏覽器操作工作流
2 Azkaban介紹
Azkaban是由Linkedin開源的一個批量工作流任務調度器。用於在一個工作流內以一個特定的順序運行一組工作和流程。Azkaban定義了一種KV文件格式來建立任務之間的依賴關系，並提供一個易於使用的web用戶界面維護和跟蹤你的工作流。
它有如下功能特點：
2 Web用戶界面
2 方便上傳工作流
2 方便設置任務之間的關系
2 調度工作流
2 認證/授權(權限的工作)
2 能夠殺死並重新啟動工作流
2 模塊化和可插拔的插件機制
2 項目工作區
2 工作流和任務的日誌記錄和審計
2.1 Azkaban安裝部署
2.1.1 準備工作
Azkaban Web服務器
azkaban-web-server-2.5.0.tar.gz
Azkaban執行服務器
azkaban-executor-server-2.5.0.tar.gz
MySQL
目前azkaban只支持 mysql,需安裝mysql服務器,本文檔中默認已安裝好mysql服務器,並建立了 root用戶,密碼 root.
下載地址:http://azkaban.github.io/downloads.html
2.1.2 安裝
將安裝文件上傳到集群,最好上傳到安裝 hive、sqoop的機器上,方便命令的執行
在當前用戶目錄下新建 azkabantools目錄,用於存放源安裝文件.新建azkaban目錄,用於存放azkaban運行程序
2.1.3 azkaban web服務器安裝
解壓azkaban-web-server-2.5.0.tar.gz
命令: tar –zxvf azkaban-web-server-2.5.0.tar.gz
將解壓後的azkaban-web-server-2.5.0 移動到 azkaban目錄中,並重新命名 webserver
命令: mv azkaban-web-server-2.5.0 ../azkaban
cd ../azkaban
mv azkaban-web-server-2.5.0 server
2.1.4 azkaban 執行服器安裝
解壓azkaban-executor-server-2.5.0.tar.gz
命令:tar –zxvf azkaban-executor-server-2.5.0.tar.gz
將解壓後的azkaban-executor-server-2.5.0 移動到 azkaban目錄中,並重新命名 executor
命令:mv azkaban-executor-server-2.5.0 ../azkaban
cd ../azkaban
mv azkaban-executor-server-2.5.0 executor
azkaban腳本導入
解壓: azkaban-sql-script-2.5.0.tar.gz
命令:tar –zxvf azkaban-sql-script-2.5.0.tar.gz
將解壓後的mysql 腳本,導入到mysql中:
進入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;
2.1.5 創建SSL配置
參考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL
命令: keytool -keystore keystore -alias jetty -genkey -keyalg RSA
運行此命令後,會提示輸入當前生成 keystor的密碼及相應信息,輸入的密碼請勞記,信息如下:
輸入keystore密碼：
再次輸入新密碼:
您的名字與姓氏是什麽？
[Unknown]：
您的組織單位名稱是什麽？
[Unknown]：
您的組織名稱是什麽？
[Unknown]：
您所在的城市或區域名稱是什麽？
[Unknown]：
您所在的州或省份名稱是什麽？
[Unknown]：
該單位的兩字母國家代碼是什麽
[Unknown]： CN
CN=Unknown, OU=Unknown, O=Unknown,L=Unknown, ST=Unknown, C=CN 正確嗎？
[否]： y
輸入<jetty>的主密碼
（如果和 keystore 密碼相同，按回車）：
再次輸入新密碼:
完成上述工作後,將在當前目錄生成 keystore 證書文件,將keystore 考貝到 azkaban web服務器根目錄中.如:cp keystore azkaban/server
2.1.6 配置文件
註：先配置好服務器節點上的時區
1、先生成時區配置文件Asia/Shanghai，用交互式命令 tzselect 即可
2、拷貝該時區文件，覆蓋系統本地時區配置
cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
azkaban web服務器配置
進入azkaban web服務器安裝目錄 conf目錄
v 修改azkaban.properties文件
命令vi azkaban.properties
內容說明如下:
|
#Azkaban Personalization Settings azkaban.name=Test #服務器UI名稱,用於服務器上方顯示的名字 azkaban.label=My Local Azkaban #描述 azkaban.color=#FF3601 #UI顏色 azkaban.default.servlet.path=/index # web.resource.dir=web/ #默認根web目錄 default.timezone.id=Asia/Shanghai #默認時區,已改為亞洲/上海 默認為美國
#Azkaban UserManager class user.manager.class=azkaban.user.XmlUserManager #用戶權限管理默認類 user.manager.xml.file=conf/azkaban-users.xml #用戶配置,具體配置參加下文
#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 #數據庫類型 mysql.port=3306 #端口號 mysql.host=localhost #數據庫連接IP mysql.database=azkaban #數據庫實例名 mysql.user=root #數據庫用戶名 mysql.password=root #數據庫密碼 mysql.numconnections=100 #最大連接數
# Velocity dev mode velocity.dev.mode=false # Jetty服務器屬性. jetty.maxThreads=25 #最大線程數 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文件密碼 jetty.keypassword=123456 #Jetty主密碼 與 keystore文件相同 jetty.truststore=keystore #SSL文件名 jetty.trustpassword=123456 # SSL文件密碼
# 執行服務器屬性 executor.port=12321 #執行服務器端口
# 郵件設置 [email protected] #發送郵箱 mail.host=smtp.163.com #發送郵箱smtp地址 mail.user=xxxxxxxx #發送郵件時顯示的名稱 mail.password=********** #郵箱密碼 [email protected] #任務失敗時發送郵件的地址 [email protected] #任務成功時發送郵件的地址 lockdown.create.projects=false # cache.directory=cache #緩存目錄
|
v azkaban 執行服務器executor配置
進入執行服務器安裝目錄conf,修改azkaban.properties
vi azkaban.properties
|
#Azkaban default.timezone.id=Asia/Shanghai #時區
# 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
#數據庫設置 database.type=mysql #數據庫類型(目前只支持mysql) mysql.port=3306 #數據庫端口號 mysql.host=192.168.20.200 #數據庫IP地址 mysql.database=azkaban #數據庫實例名 mysql.user=root #數據庫用戶名 mysql.password=root #數據庫密碼 mysql.numconnections=100 #最大連接數
# 執行服務器配置 executor.maxThreads=50 #最大線程數 executor.port=12321 #端口號(如修改,請與web服務中一致) executor.flow.threads=30 #線程數 |
|
|
v 用戶配置
進入azkaban web服務器conf目錄,修改azkaban-users.xml
vi azkaban-users.xml 增加 管理員用戶
|
<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> |
2.1.7 啟動
web服務器
在azkaban web服務器目錄下執行啟動命令
bin/azkaban-web-start.sh
註:在web服務器根目錄運行
或者啟動到後臺
nohup bin/azkaban-web-start.sh 1>/tmp/azstd.out 2>/tmp/azerr.out &
執行服務器
在執行服務器目錄下執行啟動命令
bin/azkaban-executor-start.sh
註:只能要執行服務器根目錄運行
啟動完成後,在瀏覽器(建議使用谷歌瀏覽器)中輸入https://服務器IP地址:8443 ,即可訪問azkaban服務了.在登錄中輸入剛才新的戶用名及密碼,點擊 login.
3 Azkaban實戰
Azkaba內置的任務類型支持command、java
3.1 Command類型單一job示例
1、創建job描述文件
vi command.job
|
#command.job type=command command=echo ‘hello‘ |
2、將job資源文件打包成zip文件
zip command.job
3、通過azkaban的web管理平臺創建project並上傳job壓縮包
首先創建project
上傳zip包
4、啟動執行該job
3.2 Command類型多job工作流flow
1、創建有依賴關系的多個job描述
第一個job：foo.job
|
# foo.job type=command command=echo foo |
第二個job：bar.job依賴foo.job
|
# bar.job type=command dependencies=foo command=echo bar |
2、將所有job資源文件打到一個zip包中
3、在azkaban的web管理界面創建工程並上傳zip包
4、啟動工作流flow
3.3 HDFS操作任務
1、創建job描述文件
|
# fs.job type=command command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop fs -mkdir /azaz |
2、將job資源文件打包成zip文件
3、通過azkaban的web管理平臺創建project並上傳job壓縮包
4、啟動執行該job
3.4 MAPREDUCE任務
Mr任務依然可以使用command的job類型來執行
1、創建job描述文件，及mr程序jar包（示例中直接使用hadoop自帶的examplejar）
|
# 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、將所有job資源文件打到一個zip包中
3、在azkaban的web管理界面創建工程並上傳zip包
4、啟動job
3.5 HIVE腳本任務
l 創建job描述文件和hive腳本
Hive腳本： 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、將所有job資源文件打到一個zip包中
3、在azkaban的web管理界面創建工程並上傳zip包
4、啟動job
工作流調度系統Azkaban的簡介和使用