Azkaban的介绍、安装与使用
2019年05月12日 20:59:17 剑行极锋 阅读数：602
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Sven119/article/details/90144843
目录

1、概述

1.1、为什么需要工作流调度器

1.2、工作流调度实现方式

1.3、常见工作流调度系统

1.4、各种调度工具对比

1.5、azkaban与oozie对比

1.6、azkaban介绍

2、azkaban安装部署

2.1、准备工作

2.2、安装说明

2.3、安装Azkaban Web服务器

2.4、安装Azkaban Excutor服务器

2.5、安装Azkaban脚本导入

2.6、创建SSL配置

2.7、修改配置文件

2.8、配置环境变量

2.9、启动

3、Azkaban实战演示

3.1、Command类型单一job示例

3.2、Command类型多job工作流flow

3.3、操作HDFS任务

3.4、操作MR任务

3.5、Hive脚本任务

1、概述
1.1、为什么需要工作流调度器
1、一个完整的数据分析系统通常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

2、各任务单元之间存在时间先后及前后依赖关系

3、为了很好的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。

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(定时任务)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、各种调度工具对比
下面的表格对上述四种hadoop工作流调度器的关键特征进行了比较，尽管这些工作流调度器能够解决需求场景基本一致，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，在技术选型时可供参考

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 message

web page

web page

java API

hadoop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

workflow node evel

yes

yes

运行任意命令

yes

yes

yes

yes

amaon EMR支持

yes

no

currently unknow

yes

1.5、azkaban与oozie对比
总体来说：oozie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：

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

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

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)} srust2(ONGL)

定时执行
azkaban的定时执行时基于时间的

oozie的定时执行任务基于时间和输入数据

资源管理
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
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

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。

1.6、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(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。

它有如下功能特点：

Web用户界面
方便上传工作流
方便设置任务之间任务关系
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
模块化和可拔插的插件机制
项目工作区
工作流和任务的日志记录和审计
2、azkaban安装部署
2.1、准备工作
Azkaban Web 服务器：azkaban-web-server-2.5.0.tar.gz

Azkaban Excutor 执行服务器：azkaban-executor-server-2.5.0.tar.gz Azkaban

初始化脚本文件：azkaban-sql-script-2.5.0.tar.gz

下载地址:http://azkaban.github.io/downloads.html

2.2、安装说明
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。并最好同一存放在 apps 目录下,用于存放源安装文件.新建 azkaban 目录,用于存放 azkaban 运行程序

2.3、安装Azkaban Web服务器
解压安装   tar -zxvf azkaban-web-server-2.5.0.tar.gz -C apps/ azkaban/

2.4、安装Azkaban Excutor服务器
解压安装   tar -zxvf azkaban-executor-server-2.5.0.tar.gz -C apps/ azkaban/

2.5、安装Azkaban脚本导入
解压安装   tar -zxvf azkaban-sql-script-2.5.0.tar.gz -C apps/ azkaban/

进入 mysql：

mysql> create database azkaban;
Query OK, 1 row affected (0.01 sec)
mysql> use azkaban;
Database changed
mysql> source /home/hadoop/apps/azkaban/azkaban-script-2.5.0/create-all-sql-2.5.0.sql;
2.6、创建SSL配置
最好是在 azkaban 目录下： 执行命令: keytool -keystore keystore -alias jetty -genkey -keyalg RSA

运行此命令后,会提示输入当前生成 keystore 的密码及相应信息,输入密码请劳记,信息如下:

keytool -keystore keystore -alias jetty -genkey -keyalg RSA
Enter keystore password:
Re-enter new password:
What is your first and last name?
 [Unknown]:
What is the name of your organizational unit?
 [Unknown]:
What is the name of your organization?
 [Unknown]:
What is the name of your City or Locality?
 [Unknown]:
What is the name of your State or Province?
 [Unknown]:
What is the two-letter country code for this unit?
 [Unknown]: CN
Is CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN correct?
 [no]: y
Enter key password for <jetty>
 (RETURN if same as keystore password):
[root@hadoop03 azkaban]# ll
total 16
drwxr-xr-x. 7 root root 4096 Nov 21 01:53 azkaban-executor-2.5.0
drwxr-xr-x. 2 root root 4096 Nov 21 01:53 azkaban-script-2.5.0
drwxr-xr-x. 8 root root 4096 Nov 21 01:52 azkaban-web-2.5.0
-rw-r--r--. 1 root root 2232 Nov 21 02:06 keystore
完成上述工作后,将在当前目录生成 keystore 证书文件,将 keystore 拷贝到 azkaban web 服务 器根目录中.如:cp keystore azkaban/azkaban-web-2.5.0

2.7、修改配置文件
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

sudo 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

cd apps/azkaban/azkaban-web-2.5.0/conf/

修改 azkaban.properties 文件

#Azkaban Personalization Settings
azkaban.name=MyTestAzkaban #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=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/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=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/conf/azkaban-users.xml
 #用户配置,具体配置参加下文
#Loader for projects # global 配置文件所在位置
executor.global.properties=/home/hadoop/apps/azkaban/azkaban-executor-2.5.0/conf/global.properties
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=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/keystore #SSL 文件名
jetty.password=hadoop #SSL 文件密码
jetty.keypassword=hadoop #Jetty 主密码 与 keystore 文件相同
jetty.truststore=/home/hadoop/apps/azkaban/azkaban-web-2.5.0/keystore #SSL 文件名
jetty.trustpassword=hadoop # 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(可选项)
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
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>
azkaban 执行服务器 executor 配置

进入执行服务器安装目录 conf,修改 azkaban.properties

#Azkaban
default.timezone.id=Asia/Shanghai #时区
# Azkaban JobTypes 插件配置，插件所在位置
azkaban.jobtype.plugin.dir=/home/hadoop/apps/azkaban/azkaban-executor-2.5.0/plugins/jobtypes
#Loader for projects
executor.global.properties=/home/hadoop/apps/azkaban/azkaban-executor-2.5.0/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=hadoop03 #数据库 IP 地址
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
# 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
2.8、配置环境变量
修改~/.bashrc

export AZKABAN_WEB_HOME=/home/hadoop/apps/azkaban/azkaban-web-2.5.0
export AZKABAN_EXE_HOME=/home/hadoop/apps/azkaban/azkaban-executor-2.5.0
export PATH=$PATH:$AZKABAN_WEB_HOME/bin:$AZKABAN_EXE_HOME/bin
2.9、启动
启动web服务器：azkaban-web-start.sh

nohup azkaban-web-start.sh 1>/home/hadoop/azwebstd.out 2>/home/hadoop/azweberr.out &

启动执行服务器：azkaban-executor-start.sh

nohup azkaban-executor-start.sh 1>/home/hadoop/azexstd.out 2>/home/hadoop/azexerr.out &

3、Azkaban实战演示
3.1、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

zip command.job

3.通过azkaban web管理平台创建project并上传压缩包

3.2、Command类型多job工作流flow
1.创建有多依赖关系的多个job描述

第一个job：stepone.job

#stepone.job
type=command
command=echo stepone
第二个job：steptwo.job依赖steptwo.job

#steptwo.job
type=command
dependencies=stepone
command=echo steptwo
2.将所有资源打成一个zip包

3.执行启动

3.3、操作HDFS任务
1.创建job描述文件

#hdfs.job
type=command
command=/app/hadoop/apps/hadoop-2.6.5/bin/hadoop fs -mkdir -p /hello/azkaban
2.将job资源文件打成zip包

3.创建project并上传zip包

4.启动执行

3.4、操作MR任务
1.创建job描述文件

#mapreduce.job
type=command
command=/home/hadoop/apps/hadop-2.6.1/bin/hadoop
jar hadoop-mapreduce-examples-2.6.1jar wordcount/wordcount/input/wordcount/azout
2.将job资源文件达成jar包

3.创建project并上传zip包

4.启动执行

3.5、Hive脚本任务
1.创建job描述文件和hive脚本

2.hive脚本如下：

hivetest.sql

use mycar;
drop table aztest;
create table aztest(id int,name string,sex string,age int,deparment string) row format delimited fields
terminated by ',';
load data inpath '/student.txt' 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
type=command
command=/root/apps/apache-hive-1.2.1-bin/bin/hive -f 'testhive.sql'
3.将所有job资源文件达到一个zip包中

4.在azkaban的web管理界面船舰工程并上传zip包

5.启动job