Azkaban -- Azkaban的安装和使用

Azkaban介绍

  Azkaban是在LinkedIn上创建的用于运行Hadoop作业的批处理工作流作业调度程序。Azkaban通过工作依赖性解决订购问题，并提供易于使用的Web用户界面来维护和跟踪您的工作流程。
  Azkaban的设计首先考虑了可用性。它已经在LinkedIn上运行了几年，并驱动了许多Hadoop和数据仓库流程。
  官网地址：https://azkaban.github.io/
  官网Doc：https://azkaban.readthedocs.io/en/latest/getStarted.html#

特性

• 与任何版本的Hadoop兼容
• 易于使用的Web UI
• 简单的Web和HTTP工作流程上传
• 项目工作区
• 安排工作流程
• 模块化且可插入
• 认证与授权
• 跟踪用户动作
• 通过电子邮件通知失败和成功
• SLA警报和自动终止
• 重试失败的作业
  

架构

  Azkaban由三个关键组件构成：

1. AzkabanWebServer：AzkabanWebServer是整个Azkaban工作流系统的主要管理者，它用户登录认证、负责project管理、定时执行工作流、跟踪工作流执行进度等一系列任务。
2. AzkabanExecutorServer：负责具体的工作流的提交、执行，它们通过mysql数据库来协调任务的执行。
3. 关系型数据库（MySQL）：存储大部分执行流状态，AzkabanWebServer和AzkabanExecutorServer都需要访问数据库。

安装

下载

  官网下载地址：https://azkaban.github.io/downloads.html
  编译好的：https://github.com/azkaban/azkaban/releases
  官网下载的是源码包，需要自己手动编译，或者去下载已经编译好的版本，主要是三个包：

• azkaban-web-server-版本号.tar.gz
• azkaban-executor-server-版本号.tar.gz
• azkaban-sql-script-版本号.tar.gz

编译

  从官网或者GitHub下载的代码是源码，需要手动编译，Azkaban是使用Gradle而不是maven做依赖管理的，Gradle的安装使用可以参考：Gradle – 安装Gradle并集成到IDEA
  按照上面博客将Gradle安装集成到IDEA后，就可以进行编译工作了，这里提醒一句，一定要把镜像地址改成国内镜像，不然编译时下载依赖很可能会超时下不来。 编译的话，可以在Linux服务器环境使用命令编译，也可以在Windows系统使用工具编译，我就是在windows环境编译了，我直接在源码包下使用gradle命令编译，中间还是出了点问题，所以我是在IDEA中编译的。

Linux类系统编译

  类Linux系统编译，官网也是给了说明，如下：

Windows系统编译

  Windows系统编译，我是使用IDEA，打开源码的build.gradle，打开为project，然后我们在在IDEA的控制台输入gradlew build、gradlew clean、gradlew installDist，之后就等着下载依赖和编译吧，中间过程大概10-20分钟。

  编译结束后，我们主要关注如下三块，db(元数据检表语句)、exec-server(执行器)、web-server(调度器)，我们可以将这三部分的build/install下的azkaban-exec-server和azkaban-web-server文件夹打包或者直接上传到服务器，这里注意，如果是直接上传服务器，需要手动给bin目录下的sh脚本赋可执行权限，不然启动报错。

安装

  将文件夹或者打好的包上传到服务器后，我们需要修改一些配置，这里我把文件夹改了下名字，azkaban-web-server改成了server，azkaban-executor-server改成了executor。

初始化元数据

  需要安装MySQL，分配用户和权限，这里就不再介绍了。然后找到db模块下的build/install/azkaban-db文件夹下的create-all-sql的脚本文件，去数据库中初始化元数据。

安装配置executor

1. 进入executor/conf目录下，修改azkaban.properties，修改mysql连接、用户名、密码信息即可。
2. 在之前的版本，应该是3.0之前，除了要修改mysql信息外，还需要配置ssl，但是3.0之后是不需要了，就改mysql连接信息就可以了。
3. 启动executor，./bin/start-exec.sh
4. 在3.x版本，启动了executor之后，还需要激活executor，否则web-server检测不到。激活executor只需要curl一下这个地址，或者浏览器访问下这个地址即可。其中localhost和port需要改为对应的地址和端口，至于端口号，在启动后会有一个executor.port的文件，cat一下可以看到此端口号，然后请求下面路径即可。

curl -G "http://localhost:port/executor?action=activate"
//或者浏览器直接访问:
http://localhost:port/executor?action=activate

5. 激活后就算启动完成了，可以jps看下

安装配置web-server

1. 进入server/conf目录下，修改azkaban.properties，修改mysql连接、用户名、密码信息即可。
2. 和上面一样，不再不需要配置ssl了。
3. 启动server，./bin/start-web.sh
4. 启动后去页面验证，默认端口8081
   
5. 默认有两个用户，在server/conf/azkaban-users.xml中配置，也可以自己添加用户
   

使用

使用说明

  Azkaban的任务是以job文件为单位的，一个job文件一个任务，然后把所有任务打成一个zip包在页面上传，之后可以执行也可以定时执行。
  Azkaban内置的任务类型支持command、java，虽然只有两种，但是一个command其实就几乎代替了所有类型。。。

单任务

1. 创建job描述文件，vim first.job

#first.job
type=command
command=echo 'this is my first job'

2. 将job资源文件打包成zip文件，在webUI上传
   
   
3. 单一执行或者调度执行
   
4. 查看结果
   

多任务

1. 创建多job，通过dependencies字段配置依赖关系。

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

#second.job
type=command
command=echo 'second job'
dependencies=first

#third.job
type=command
command=echo 'third job'
dependencies=first

#fourth.job
type=command
command=echo 'fourth job'
dependencies=second,third

2. 将job资源文件打包成zip文件，在webUI上传
3. 执行
   
4. 查看结果
   

调度Java、MapReduce、Hive、Spark等

  和上面的一样的道理，可以使用java -jar命令提交或者spark-submit提交，反正就是写好job文件，写好提交命令，一样打成zip包提交，执行或者调度执行就好。

二次开发

  因为我司需求想集成一个调度框架，对于azkaban我们就需要web应用通过api来操作任务、调度任务、查看任务等等，所以我们在官方api纸上还需要包装下通用api。

官方API

  官方API文档地址：https://azkaban.readthedocs.io/en/latest/ajaxApi.html

开源的包装好的API

  封装好的API，GitHub地址：https://github.com/shirukai/azkaban-java-api.git