Azkaban安装与实战-优快云博客

本文链接：https://blog.youkuaiyun.com/hanlipenghanlipeng/article/details/109149175

1. 概述

1.1 为什么要是用工作流调度系统

例如，我们可能有这样一个需求，某个业务系统每天产生20G原始数据，我们每天都要对其进行处理，处理步骤如下所示：

通过Hadoop先将原始数据同步到HDFS上；
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；
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；
将明细数据进行复杂的统计分析，得到结果报表信息；
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。

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，需要一个工作流调度系统来调度执行。

1.2 工作流的实现方式以及常见的工作流调度系统

对于简单的任务调度：可以直接使用linux的crontab来实现。
对于复杂的任务调度：开发调度平台或者使用现成的开源调度系统，比如ooize、azkaban等。
下面是市面上常见的工作流调度器的特性对比：

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 messages	web page	web page	Java API
Hadoop job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	workflownode evel	yes	yes
运行任意命令	yes	yes	yes	yes
Amazon EMR支持	yes	no	currently unknown	yes

2. 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

3. Azkaban安装

3.1 准备工作

Azkaban Web服务器：azkaban-web-server-3.30.1.tar.gz
Azkaban执行服务器：azkaban-executor-server-3.30.1.tar.gz
mysql安装好：目前只支持mysql（需要存储任务数据）
下载地址:http://azkaban.github.io/downloads.html （源码安装）

3.2 安装

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。新建azkaban目录,用于存放azkaban运行程序。

3.2.1 azkaban web服务器安装

解压azkaban-web-server-3.30.1.tar.gz
命令: tar –zxvf azkaban-web-server-3.30.1.tar.gz
将解压后的azkaban-web-server-3.30.1 移动到 azkaban目录中,并重新命名 webserver
命令: mv azkaban-web-server-3.30.1 ../azkaban
        cd ../azkaban
        mv azkaban-web-server-3.30.1  server

3.2.2 azkaban 执行服器安装

解压azkaban-executor-server-3.30.1.tar.gz
命令:tar –zxvf azkaban-executor-server-3.30.1.tar.gz
将解压后的azkaban-executor-server-3.30.1 移动到 azkaban目录中,并重新命名 executor
命令:mv azkaban-executor-server-3.30.1  ../azkaban
	cd ../azkaban
	mv azkaban-executor-server-2.5.0  executor

3.2.3 创建数据库和导入表结构

解压: azkaban-sql-script-3.30.1.tar.gz
命令:tar –zxvf azkaban-sql-script-3.30.1.tar.gz
将解压后的mysql 脚本,导入到mysql中:
进入mysql
mysql> create database azkaban;
mysql> use azkaban;
Database changed
mysql> source /home/hadoop/azkaban-3.30.1/create-all-sql-3.30.1.sql;

3.2.4 创建SSL配置

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 keystor的密码及相应信息,输入的密码请劳记,信息如下:

输入keystore密码： 
再次输入新密码:
您的名字与姓氏是什么？
  [Unknown]： 
您的组织单位名称是什么？
  [Unknown]： 
您的组织名称是什么？
  [Unknown]： 
您所在的城市或区域名称是什么？
  [Unknown]： 
您所在的州或省份名称是什么？
  [Unknown]： 
该单位的两字母国家代码是什么
  [Unknown]：  CN
CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN 正确吗？
  [否]：  y
 
输入<jetty>的主密码
        （如果和 keystore 密码相同，按回车）： 
再次输入新密码:
完成上述工作后,将在当前目录生成 keystore 证书文件,将keystore 考贝到 azkaban web服务器根目录中.如:cp keystore azkaban/server

3.2.5 更改时区

先生成时区配置文件Asia/Shanghai，用交互式命令 tzselect 即可
拷贝该时区文件，覆盖系统本地时区配置
cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

3.2.6 配置文件

3.2.6.1 azkaban web服务器配置

进入azkaban web服务器安装目录 conf目录,修改azkaban.properties文件。
命令vi azkaban.properties

#Azkaban Personalization Settings
azkaban.name=Test #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=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=conf/azkaban-users.xml #用户配置,具体配置参加下文

#Loader for projects
executor.global.properties=conf/global.properties # global配置文件所在位置
azkaban.project.dir=projects #
#数据库配置
database.type=mysql #数据库类型
mysql.port=3306 #端口号
mysql.host=localhost #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=false
#以下是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=keystore #SSL文件名
jetty.password=123456 #SSL文件密码
jetty.keypassword=123456 #Jetty主密码与 keystore文件相同
jetty.truststore=keystore #SSL文件名
jetty.trustpassword=123456 # 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
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

3.2.6.2 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。

vi azkaban.properties

#Azkaban
default.timezone.id=Asia/Shanghai #时区

#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

#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=192.168.20.200 #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

3.2.6.3 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"/>
        <!-- 这行是添加的，添加一个用户 -->
        <user username="admin" password="admin" roles="admin,metrics" />
        <role name="admin" permissions="ADMIN" />
        <role name="metrics" permissions="METRICS"/>
</azkaban-users>

3.3 启动

启动web服务器：bin/azkaban-web-start.sh （在web服务器根目录运行）
启动执行服务器：bin/azkaban-executor-start.sh （在执行服务器根目录运行）
启动完成后,在浏览器(建议使用谷歌浏览器)中输入https://服务器IP地址:8443 ,即可访问azkaban服务了.在登录中输入刚才新的户用名及密码,点击 login。

4. 实战

4.1 Command类型单一job示例

创建job描述文件
vi command.job

#command.job
type=command                                                    
command=echo 'hello'

将job资源文件打包成zip文件
zip command.job
通过azkaban的web管理平台创建project并上传job压缩包
首先创建project,然后上传zip包。
启动执行该job

4.2 Command类型多job工作流flow

创建有依赖关系的多个job描述
第一个job：foo.job

# foo.job
type=command
command=echo foo
第二个job：bar.job依赖foo.job

第二个job

# bar.job
type=command
dependencies=foo
command=echo bar

将所有job资源文件打到一个zip包中
在azkaban的web管理界面创建工程并上传zip包
启动工作流flow

4.3 HDFS操作任务

# fs.job
type=command
command=/usr/local/hadoop-2.7.3/bin/hadoop fs -mkdir /pengpeng

4.4 MAPREDUCE任务

# mrwc.job
type=command
command=/usr/local/hadoop-2.7.3/bin/hadoop  jar hadoop-mapreduce-examples-2.6.1.jar pi 5 5

4.5 HIVE脚本任务

创建job描述文件和hive脚本
Hive脚本： 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'

本文由鹏鹏出品

更多文章请访问韩利鹏的博客