Azkaban的简单语法

最新推荐文章于 2023-11-09 11:32:11 发布

置顶大数据的江湖

最新推荐文章于 2023-11-09 11:32:11 发布

阅读量512

点赞数 1

分类专栏：大数据 # 调度工具文章标签：大数据

本文链接：https://blog.csdn.net/lexoning/article/details/115337980

版权

大数据同时被 2 个专栏收录

21 篇文章 2 订阅

订阅专栏

调度工具

1 篇文章 0 订阅

订阅专栏

Azkaban的使用说明

简单介绍

1 Azkaban介绍
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；

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：使用现成的开源调度系统，比如Ooize、Azkaban、 Airflow、DolphinScheduler等。
3 Azkaban与Oozie对比
两种调度器，给出以下详细对比。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。轻量级调度器Azkaban是很不错的候选对象。

初步使用

1 Azkaban初操作
1.1 集群模式安装上传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hadoop12的/data/soft路径
[ningzhen@hadoop12 soft]$ ll
2）新建/data/module/azkaban目录，并将所有tar包解压到这个目录下
[ningzhen@hadoop12 soft]$ mkdir /data/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/data/module/azkaban目录下
[ningzhen@hadoop12 soft]$ tar -zxvf azkaban-db-3.84.4.tar.gz -C /data/module/azkaban/
[ningzhen@hadoop12 soft]$ tar -zxvf azkaban-exec-server-3.84.4.tar.gz -C /data/module/azkaban/
[ningzhen@hadoop12 soft]$ tar -zxvf azkaban-web-server-3.84.4.tar.gz -C /data/module/azkaban/
4）进入到/opt/module/azkaban目录，依次修改名称
[ningzhen@hadoop12 azkaban]$ mv azkaban-exec-server-3.84.4/ azkaban-exec
[ningzhen@hadoop12 azkaban]$ mv azkaban-web-server-3.84.4/ azkaban-web
1.2 配置MySQL
1）正常安装MySQL
2）启动MySQL
[ningzhen@hadoop12 azkaban]$ mysql -uroot -proot
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root
mysql> CREATE USER ‘azkaban’@’%’ IDENTIFIED BY ‘root’;
赋予Azkaban用户增删改查权限
mysql> GRANT SELECT,INSERT,UPDATE,DELETE ON azkaban.* to ‘azkaban’@’%’ WITH GRANT OPTION;
赋予Azakban用户远程访问权限
mysql> grant all privileges on azkaban.* to ‘azkaban’@’%’ identified by ‘root’ with grant option;
5）创建Azkaban表，完成后退出MySQL
mysql> use azkaban;
mysql> source /data/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
[ningzhen@hadoop12 softe]$ sudo vim /etc/my.cnf
在[mysqld]下面加一行max_allowed_packet=1024M
[mysqld]
max_allowed_packet=1024M
8）重启MySQL
[ningzhen@hadoop12 soft]$ sudo systemctl restart mysqld
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
[ningzhen@hadoop12 azkaban]$ vim /data/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://hadoop12:8081

executor.port=12321
#…
database.type=mysql
mysql.port=3306
mysql.host=hadoop12
mysql.database=azkaban
mysql.user=azkaban
mysql.password=root
mysql.numconnections=100
在最后添加
executor.metric.reports=true
executor.metric.milisecinterval.default=60000
2）同步azkaban-exec到所有节点
[ningzhen@hadoop12 azkaban]$ xsync /data/module/azkaban/azkaban-exec
3）必须进入到/data/module/azkaban/azkaban-exec路径，分别在三台机器上，启动executor server
[ningzhen@hadoop02 azkaban-exec]$ bin/start-exec.sh
[ningzhen@hadoop13 azkaban-exec]$ bin/start-exec.sh
[ningzhen@hadoop14 azkaban-exec]$ bin/start-exec.sh
注意：如果在/data/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
[ningzhen@hadoop12 azkaban-exec]$ curl -G “hadoop12:$(<./executor.port)/executor?action=activate” && echo

[ningzhen@hadoop13 azkaban-exec]$ curl -G “hadoop13:$(<./executor.port)/executor?action=activate” && echo

[ningzhen@hadoop14 azkaban-exec]$ curl -G “hadoop14:$(<./executor.port)/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
[ningzhen@hadoop12 azkaban]$ vim /data/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=hadoop12
mysql.database=azkaban
mysql.user=azkaban
mysql.password=root
mysql.numconnections=100
…
azkaban.executorselector.filters=StaticRemainingFlowSize,CpuStatus
说明：
azkaban.executorselector.filters: 当有多个Executor同时启动的时候，需要从中选择一个Executor去执行任务，这里设置一组过滤器的种类，不满足要求的Executor就不会被分配任务
#StaticRemainingFlowSize：正在排队的任务数；
#CpuStatus：CPU占用情况
#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。
2）必须进入到hadoop12的/data/module/azkaban/azkaban-web路径，启动web server
[ningzhen@hadoop12 azkaban-web]$ bin/start-web.sh
4）访问http://hadoop12:8081,并用ningzhen用户登陆
2 Work Flow案例实操
2.1 HelloBigdata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
nodes:

name: jobA
type: command
config:
command: echo “Hello bigdata”
（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://hadoop12:8081/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 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
nodes:

name: jobC
type: command
#jobC 依赖 JobA和JobB
dependsOn:
- jobA
- jobB
  config:
  command: echo “I’m java”
name: jobA
type: command
config:
command: echo “I’m python”
name: jobB
type: command
config:
command: echo “I’m bigdata”
（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2.1HelloBigdata后续步骤。

2.3 内嵌工作流案例
需求：JobA执行完后执行JobB，JobA和JobB形成一个工作流embedded_flow；JobC依赖于embedded_flow该工作流。
1）工作流定义文件中可以添加子工作流，例如：
nodes:

name: jobC
type: command
#jobC 依赖embedded_flow
dependsOn:
- embedded_flow
  config:
  command: echo “I’m JobC”
name: embedded_flow
type: flow
nodes:
- name: jobB
  type: noop
  dependsOn:
  - jobA
- name: jobA
  type: command
  config:
  command: pwd
  参数说明：
  type: 作业类型。flow表示，定义为工作流类型
  type: noop 什么也不处理
  2）将修改后的basic.flow和azkaban.project压缩成three.zip文件

3）重复2.1HelloBigdata后续步骤。

2.4 自动失败重试案例
例：如果执行任务失败，需要重试3次，重试的时间间隔10000ms
具体步骤：
1）编译配置流
nodes:

name: JobA
type: command
config:
command: sh /not_exists.sh
retries: 3
retry.backoff: 10000
参数说明：
retries：重试次数
retry.backoff：重试的时间间隔
2）将修改后的basic.flow和azkaban.project压缩成four.zip文件

3）重复2.3.1节HelloWorld后续步骤。

4）执行并观察到一次失败+三次重试

5）也可以点击上图中的Log，在任务日志中看到，总共执行了4次。

6）也可以在Flow全局配置中添加任务失败重试配置，此时重试配置会应用到所有Job。
案例如下：
config:
retries: 3
retry.backoff: 10000
nodes:

name: JobA
type: command
config:
command: sh /not_exists.sh
2.2.5 手动失败重试案例
例：JobA=>JobB=>JobC=>JobD=>JobE=>JobF。生产环境，任何Job都有可能挂掉，可以根据需求执行想要执行的Job。
具体步骤：
1）编译配置流
nodes:
name: JobA
type: command
config:
command: echo “This is JobA.”
name: JobB
type: command
dependsOn:
- JobA
  config:
  command: echo “This is JobB.”
name: JobC
type: command
dependsOn:
- JobB
  config:
  command: echo “This is JobC.”
name: JobD
type: command
dependsOn:
- JobC
  config:
  command: echo “This is JobD.”
name: JobE
type: command
dependsOn:
- JobD
  config:
  command: echo “This is JobE.”
name: JobF
type: command
dependsOn:
- JobE
  config:
  command: echo “This is JobF.”
  2）将修改后的basic.flow和azkaban.project压缩成five.zip文件

3）重复2.3HelloBigdata后续步骤。

Enable和Disable下面都分别有如下参数：
Parents：该作业的上一个任务
Ancestors：该作业前的所有任务
Children：该作业后的一个任务
Descendents：该作业后的所有任务
Enable All：所有的任务
4）可以根据需求选择性执行对应的任务。

Azkaban进阶

1.1 JavaProcess作业类型案例
JavaProcess类型可以运行一个自定义主类方法，type类型为javaprocess，可用的配置为：
Xms：最小堆
Xmx：最大堆
java.class：要运行的Java对象，其中必须包含Main方法
案例：
1）新建一个azkaban的maven工程
2）创建包名：com. ningzhen
3）创建AzTest类
package com. ningzhen;

public class AzTest {
public static void main(String[] args) {
System.out.println(“This is for testing!”);
}
}
4）打包成jar包azkaban-1.0-SNAPSHOT.jar
5）新建testJava.flow，内容如下
nodes:

name: test_java
type: javaprocess
config:
Xms: 96M
Xmx: 200M
java.class: com.atguigu.AzTest
6）将Jar包、flow文件和project文件打包成javatest.zip
7）创建项目=》上传javatest.zip =>执行作业=>观察结果
1.2 条件工作流案例
条件工作流功能允许用户根据条件指定是否运行某些作业。条件由先前作业的运行时参数（例如输出）和预定义宏组成。

1.2.1 运行时参数案例
1）运行时参数一般指作业的输出，使用时有以下几个条件：
（1）使用 $ {jobName:param}来定义作业运行时参数的条件
（2）“:” 用于分隔jobName和参数
（3）job运行时，使用参数与条件中的字符串或数字进行比较
（4）用户需要事先将参数的值写入$ JOB_OUTPUT_PROP_FILE
2）支持的运算符：
（1）== 等于
（2）!= 不等于
（3）> 大于
（4）>= 大于等于
（5）< 小于
（6）<= 小于等于
（7）&& 与
（8）|| 或
（9）! 非
3）案例：
JobA执行一个shell脚本；
JobB条件依赖于JobA，当JobA中param1的值为“BBB”，执行JobB；
JobC也条件依赖于JobA，当JobA中param1的值为“CCC”，执行JobC

（1）新建basic.flow
nodes:

- name: JobA
   type: command
   config:
     command: sh write_to_parameter.sh

 - name: JobB
   type: command
   dependsOn:
     - JobA
   config:
     command: echo "This is JobB."
   condition: ${JobA:param1} == "BBB"

 - name: JobC
   type: command
   dependsOn:
     - JobA
   config:
     command: echo "This is JobC."
   condition: ${JobA:param1} == "CCC"

（2）新建write_to_ parameter.sh，内容为：
echo ‘{“param1”:“BBB”}’ > $ JOB_OUTPUT_PROP_FILE
（3）将write_to_ parameter.sh、basic.flow和azkaban.project打包成parameter.zip

（4）按照我们设定的条件，由于JobA输出为BBB，所以会执行JobB分支。上传执行，注意观察分支条件：

1.2.2 预定义宏案例
预定义宏将会在所有父作业上评估，即YAML文件中的dependsOn部分。可用的预定义宏如下：
（1）all_success: 全部成功(默认)
（2）all_done：全部完成
（3）all_failed：全部失败
（4）one_success：至少一个成功
（5）one_failed：至少一个失败
1）案例
需求：
JobA执行一个shell脚本；
JobB条件依赖于JobA，当JobA中param1的值为“BBB”，执行JobB；
JobC也条件依赖于JobA，当JobA中param1的值为“CCC”，执行JobC
JobD依赖于JobB、JobC，JobB和JobC有任何一个执行成功后，执行JobD。
JobE依赖于JobB、JobC，JobB和JobC都执行成功，执行JobE。
JobF依赖于JobB、JobC、JobD、JobE。JobB、JobC、JobD、JobE都执行完了，执行JobF。
（1）修改上个案例的basic.flow
nodes:

name: JobA
type: command
config:
command: sh write_to_parameter.sh
name: JobB
type: command
dependsOn:
- JobA
  config:
  command: echo “This is JobB.”
  condition: ${JobA:param1} == “BBB”
name: JobC
type: command
dependsOn:
- JobA
  config:
  command: echo “This is JobC.”
  condition: ${JobA:param1} == “CCC”
name: JobD
type: command
dependsOn:
- JobB
- JobC
  config:
  command: echo “This is JobD.”
  condition: one_success
name: JobE
type: command
dependsOn:
- JobB
- JobC
  config:
  command: echo “This is JobE.”
  condition: all_success
name: JobF
type: command
dependsOn:
- JobB
- JobC
- JobD
- JobE
  config:
  command: echo “This is JobF.”
  condition: all_done
  （2）basic.flow、azkaban.project和write_to_parameter.sh文件，打包成condition.zip。
  （3）创建condition项目=>上传condition.zip文件=>执行作业=>观察结果

1.3 定时执行案例
需求：JobA每间隔1分钟执行一次；
具体步骤：
1）Azkaban可以定时执行工作流。在执行工作流时候，选择左下角Schedule

2）右上角注意时区是上海，然后在左面填写具体执行事件，填写的方法和crontab配置定时任务规则一致。

3）观察结果

4）删除定时调度
点击remove Schedule即可删除当前任务的调度规则。

1.4 邮件报警案例
1.4.1 注册邮箱
1）申请注册一个126邮箱
2）点击邮箱账号=>账号管理

3）开启SMTP服务

4）一定要记住授权码

1.4.2 默认邮件报警案例
Azkaban默认支持通过邮件对失败的任务进行报警，配置方法如下：
1）在azkaban-web节点hadoop12上，编辑/data/module/azkaban/azkaban-web/conf/azkaban.properties，修改如下内容：
[ ningzhen@hadoop12 azkaban-web]$ vim /data/module/azkaban/azkaban-web/conf/azkaban.properties
添加如下内容：
#这里设置邮件发送服务器，需要申请邮箱，切开通stmp服务，以下只是例子
mail.sender= ningzhen@126.com
mail.host=smtp.126.com
mail.user= ningzhen@126.com
mail.password=用邮箱的授权码

#这里设置工作流成功或者失败默认向哪里发送服务
job.failure.email= ningzhen@126.com
job.success.email= ningzhen@126.com
2）保存并重启web-server。
[ ningzhen@hadoop12 azkaban-web]$ bin/shutdown-web.sh
[ ningzhen@hadoop12 azkaban-web]$ bin/start-web.sh
3）编辑basic.flow，加入如下属性：
nodes:

name: jobA
type: command
config:
command: echo “This is an email test.”
failure.emails: ningzhen@126.com
success.emails: ningzhen@126.com
notify.emails: ningzhen@126.com
4）将azkaban.project和basic.flow压缩成email.zip
5）创建工程=>上传文件=>执行作业=>查看结果

default.timezone.id=Asia/Shanghai
…
database.type=mysql
mysql.port=3306
mysql.host=hadoop12
mysql.database=azkaban
mysql.user=azkaban
mysql.password=root
mysql.numconnections=100
…
azkaban.executorselector.filters=StaticRemainingFlowSize,CpuStatus
说明：
azkaban.executorselector.filters: 当有多个Executor同时启动的时候，需要从中选择一个Executor去执行任务，这里设置一组过滤器的种类，不满足要求的Executor就不会被分配任务
#StaticRemainingFlowSize：正在排队的任务数；
#CpuStatus：CPU占用情况
#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。
2）修改azkaban-users.xml文件，添加 ningzhen用户
[ ningzhen@hadoop12 azkaban-web]$ vim /data/module/azkaban/azkaban-web/conf/azkaban-users.xml

3）必须进入到hadoop102的/data/module/azkaban/azkaban-web路径，启动web server [ ningzhen@hadoop12 azkaban-web]$ bin/start-web.sh 4）访问http://hadoop12:8081,并用 ningzhen用户登陆

努力加油

大数据的江湖

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
Azkaban的简单语法

azkaban的使用说明简单介绍1 Azkaban介绍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；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：使用现成的开源调度系统，比如Ooize、Azkaban、 Airflow、DolphinScheduler等。3 Azk
复制链接

扫一扫