第 1 章 Azkaban 概论
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：
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；
为什么需要工作流调度系统
1.2 常见工作流调度系统
1）简单的任务调度：直接使用 Linux 的 Crontab 来定义；
2）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、Airflow、
DolphinScheduler 等。
1.3 Azkaban 与 Oozie 对比
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。
第 2 章 Azkaban 入门
2.1 集群模式安装
2.1.1 上传 tar 包
1）将 azkaban-db-3.84.4.tar.gz，azkaban-exec-server-3.84.4.tar.gz，azkaban-web
server-3.84.4.tar.gz 上传到 hadoop102 的/opt/software 路径
[atguigu@hadoop102 software]$ ll 总用量 35572 -rw-r--r--. 1 atguigu atguigu 6433 4 月 18 17:24 azkaban-db-3.84.4.tar.gz -rw-r--r--. 1 atguigu atguigu 16175002 4 月 18 17:26 azkaban-exec-server-3.84.4.tar.gz -rw-r--r--. 1 atguigu atguigu 20239974 4 月 18 17:26 azkaban-web-server-3.84.4.tar.gz
2）新建/opt/module/azkaban 目录，并将所有 tar 包解压到这个目录下
[atguigu@hadoop102 software]$ mkdir /opt/module/azkaban
3）解压 azkaban-db-3.84.4.tar.gz、 azkaban-exec-server-3.84.4.tar.gz 和 azkaban-
web-server-3.84.4.tar.gz 到/opt/module/azkaban 目录下
[atguigu@hadoop102 software]$ tar -zxvf azkaban-db-3.84.4.tar.gz -C /opt/module/azkaban/ [atguigu@hadoop102 software]$ tar -zxvf azkaban-exec-server-3.84.4.tar.gz -C /opt/module/azkaban/ [atguigu@hadoop102 software]$ tar -zxvf azkaban-web-server-3.84.4.tar.gz -C /opt/module/azkaban/
4）进入到/opt/module/azkaban 目录，依次修改名称
[atguigu@hadoop102 azkaban]$ mv azkaban-exec-server-3.84.4/ azkaban-exec [atguigu@hadoop102 azkaban]$ mv azkaban-web-server-3.84.4/ azkaban-web
2.1.2 配置 MySQL
1）正常安装 MySQL
2）启动 MySQL
[atguigu@hadoop102 azkaban]$ mysql -uroot -p000000
3）登陆 MySQL，创建 Azkaban 数据库
mysql> create database azkaban;
4）创建 azkaban 用户并赋予权限
设置密码有效长度 4 位及以上
mysql> set global validate_password_length=4;
设置密码策略最低级别
mysql> set global validate_password_policy=0;
创建 Azkaban 用户，任何主机都可以访问 Azkaban，密码是 000000
mysql> CREATE USER 'azkaban'@'%' IDENTIFIED BY '000000';
赋予 Azkaban 用户增删改查权限
mysql> GRANT SELECT,INSERT,UPDATE,DELETE ON azkaban.* to 'azkaban'@'%' WITH GRANT OPTION;
5）创建 Azkaban 表，完成后退出 MySQL
mysql> use azkaban; mysql> source /opt/module/azkaban/azkaban-db-3.84.4/create-all-sql-3.84.4.sql mysql> quit;
6）更改 MySQL 包大小；防止 Azkaban 连接 MySQL 阻塞
[atguigu@hadoop102 software]$ sudo vim /etc/my.cnf
在[mysqld]下面加一行 max_allowed_packet=1024M
[mysqld] max_allowed_packet=1024M
[mysqld]
max_allowed_packet=1024M
2.1.3 配置 Executor Server
Azkaban Executor Server 处理工作流和作业的实际执行。
1）编辑 azkaban.properties
[atguigu@hadoop102 azkaban]$ vim /opt/module/azkaban/azkaban-exec/conf/azkaban.properties
修改如下标红的属性 #... default.timezone.id=Asia/Shanghai #... azkaban.webserver.url=http://hadoop102:8081 executor.port=12321 #... database.type=mysql mysql.port=3306 mysql.host=hadoop102 mysql.database=azkaban mysql.user=azkaban mysql.password=000000 mysql.numconnections=100
2）同步 azkaban-exec 到所有节点
[atguigu@hadoop102 azkaban]$ xsync /opt/module/azkaban/azkaban-exec
3）必须进入到/opt/module/azkaban/azkaban-exec 路径（因为有些资源默认使用的都是相对路径），分别在三台机器上，启动 executor
server
[atguigu@hadoop102 azkaban-exec]$ bin/start-exec.sh [atguigu@hadoop103 azkaban-exec]$ bin/start-exec.sh [atguigu@hadoop104 azkaban-exec]$ bin/start-exec.sh
注意：如果在/opt/module/azkaban/azkaban-exec 目录下出现 executor.port 文件，说明启动成功
4）下面激活 executor，需要
[atguigu@hadoop102 azkaban-exec]$ curl -G "hadoop102:12321/executor?action=activate" && echo [atguigu@hadoop103 azkaban-exec]$ curl -G "hadoop103:12321/executor?action=activate" && echo [atguigu@hadoop104 azkaban-exec]$ curl -G "hadoop104:12321/executor?action=activate" && echo
如果三台机器都出现如下提示，则表示激活成功
{"status":"success"}
2.1.4 配置 Web Server
Azkaban Web Server 处理项目管理，身份验证，计划和执行触发。
1）编辑 azkaban.properties
[atguigu@hadoop102 azkaban]$ vim /opt/module/azkaban/azkaban-web/conf/azkaban.properties
修改如下属性
... default.timezone.id=Asia/Shanghai ... database.type=mysql mysql.port=3306 mysql.host=hadoop102 mysql.database=azkaban mysql.user=azkaban mysql.password=000000 mysql.numconnections=100 ... azkaban.executorselector.filters=StaticRemainingFlowSize,CpuStatus
骚戴理解：azkaban.executorselector.filters其实就是在多个执行器executor的时候把任务分发到哪个executor的分发策略
StaticRemainingFlowSize：正在排队的任务数，选择排队最少的；
CpuStatus：CPU 占用情况，选择cpu占用率最低的
MinimumFreeMemory：内存占用情况。测试环境，必须将 MinimumFreeMemory 删除掉，否则它会认为集群资源不够，不执行，选择指定内存的。
2）修改 azkaban-users.xml 文件，添加 atguigu 用户
[atguigu@hadoop102 azkaban-web]$ vim /opt/module/azkaban/azkaban-web/conf/azkaban-users.xml
<azkaban-users> <user groups="azkaban" password="azkaban" roles="admin" username="azkaban"/> <user password="metrics" roles="metrics" username="metrics"/> <user password="atguigu" roles="admin" username="atguigu"/> <role name="admin" permissions="ADMIN"/> <role name="metrics" permissions="METRICS"/> </azkaban-users>
3）必须进入到 hadoop102 的/opt/module/azkaban/azkaban-web 路径，启动 web server
[atguigu@hadoop102 azkaban-web]$ bin/start-web.sh
4）访问 http://hadoop102:8081,并用 atguigu 用户登陆
2.2 Work Flow 案例实操
2.2.1 HelloWorld 案例
1）在 windows 环境，新建 azkaban.project 文件，编辑内容如下
azkaban-flow-version: 2.0
注意：该文件作用，是采用新的 Flow-API 方式解析 flow 文件。
2）新建 basic.flow 文件，内容如下
（1）Name：job 名称
（2）Type：job 类型。command 表示你要执行作业的方式为命令
（3）Config：job 配置
3）将 azkaban.project、basic.flow 文件压缩到一个 zip 文件，文件名称必须是英文。
4）在 WebServer 新建项目：http://hadoop102:8081/index
5）给项目名称命名和添加项目描述
6）first.zip 文件上传
7）选择上传的文件
8）执行任务流
9）在日志中，查看运行结果
2.2.2 作业依赖案例
需求：JobA 和 JobB 执行完了，才能执行 JobC
具体步骤：
1）修改 basic.flow 为如下内容
（1）dependsOn：作业依赖，后面案例中演示
2）将修改后的 basic.flow 和 azkaban.project 压缩成 second.zip 文件
3）重复 2.3.1 节 HelloWorld 后续步骤。
