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。