大数据_Azkaban

需求

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；

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：

1. 通过Hadoop先将原始数据同步到HDFS上； 
2. 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； 
3. 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； 
4. 将明细数据进行各种统计分析，得到结果报表信息； 
5. 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。

常见工作流调度系统

简单的任务调度：直接使用linux的crontab来定义；
复杂的任务调度：在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading, 等

简介

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(properties)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。

Web用户界面
基于时间的执行任务
方便上传工作流
方便设置任务之间的关系
工作流和任务的日志记录和审计

安装

编译

我们这里选用azkaban3.51.0这个版本自己进行重新编译，编译完成之后得到我们需要的 安装包进行安装。

注意：我们这里编译需要使用jdk1.8的版本来进行编译，如果编译服务器使用的jdk版本 是1.7的，记得切换成jdk1.8，我们这里使用的是jdk8u141这个版本来进行编译。

cd /export/softwares/ 
wget https://github.com/azkaban/azkaban/archive/3.51.0.tar.gz 
tar ‐zxvf 3.51.0.tar.gz ‐C ../servers/ 
cd /export/servers/azkaban‐3.51.0/ 
yum ‐y install git 
yum ‐y install gcc‐c++ 
./gradlew build installDist ‐x test

编译完成后得到如下文件

1、azkaban-exec-server
编译完成之后得到我们需要的安装包在以下目录下即可获取得到
azkaban-exec-server存放目录
/export/servers/azkaban‐3.51.0/azkaban‐exec‐server/build/distributions
2、azkaban-web-server
azkaban-web-server存放目录
/export/servers/azkaban‐3.51.0/azkaban‐web‐server/build/distributions
3、azkaban-solo-server
azkaban-solo-server存放目录
/export/servers/azkaban‐3.51.0/azkaban‐solo‐server/build/distributions
4、execute-as-user.c
azkaban two server模式下需要的C程序在这个路径下面
/export/servers/azkaban‐3.51.0/az‐exec‐util/src/main/c

数据库脚本文件
数据库脚本文件在这个路径下面
/export/servers/azkaban‐3.51.0/azkaban‐db/build/install/azkaban‐db
create-all-sql…sql

Azkaban 单服务模式安装与使用

所需软件 : azkaban-solo-server

Step 1: 解压
azkaban 的solo server使用的是一个单节点的模式来进行启动服务的，只需要一个 azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz的安装包即可启动，所有的数据信息都是 保存在H2这个azkaban默认的数据当中， 上传我们的压缩包，然后修改配置文件启动即可。

cd /export/softwares 
tar ‐zxvf azkaban‐solo‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/

Step 2: 修改时区配置文件

cd /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT/conf vim azkaban.properties 
```shell
```properties 
default.timezone.id=Asia/Shanghai

修改commonprivate.properties配置文件

cd /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT/plugins/jobtypes vim commonprivate.properties 
```shell
```properties 
execute.as.user=false 
memCheck.enabled=false

Step 3: 启动solo-server
启动azkaban-solo-server

cd  /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT 
bin/start‐solo.sh

Step 4: 浏览器页面访问
浏览器页面访问 http://node03:8081/
默认用户名/密码 azkaban/azkaban

Azkaban 两个服务器模式安装与使用

需要的工具
Azkaban Web服务安装包 azkaban-web-server-0.1.0-SNAPSHOT.tar.gz
Azkaban执行服务安装包 azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz

编译之后的sql脚本
create-all-sql-0.1.0-SNAPSHOT.sql

C程序文件脚本 execute-as-user.c程序

Step 1: 数据库准备
进入mysql的客户端执行以下命令
mysql -uroot -p

执行以下命令：

CREATE DATABASE azkaban; 
CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban'; 
GRANT all privileges ON azkaban.* to 'azkaban'@'%' identified by  
'azkaban' WITH GRANT OPTION; 
flush privileges; 
use azkaban; 
source /export/software/create‐all‐sql‐0.1.0‐SNAPSHOT.sql;

Step 2: 解压软件包
解压azkaban-web-server

cd /export/softwares 
tar ‐zxvf azkaban‐web‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/ 
cd /export/servers 
mv azkaban‐web‐server‐0.1.0‐SNAPSHOT/ azkaban‐web‐server‐3.51.0

解压azkaban‐exec‐server

```shell 
cd /export/softwares 
tar ‐zxvf azkaban‐exec‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/ 
cd /export/servers 
mv azkaban‐exec‐server‐0.1.0‐SNAPSHOT/ azkaban‐exec‐server‐3.51.0

Step 3: 安装SSL安全认证
安装ssl安全认证，允许我们使用https的方式访问我们的azkaban的web服务密码一定要一个个的字母输入，或者粘贴也行

cd /export/servers/azkaban-web-server-3.51.0 
keytool -keystore keystore -alias jetty -genkey -keyalg RSA

Step 4: azkaban web server安装

修改azkaban-web-server的配置文件

cd /export/servers/azkaban‐web‐server‐3.51.0/conf 

vim azkaban.properties
# Azkaban Personalization Settings 
azkaban.name=Azkaban 
azkaban.label=My Azkaban 
azkaban.color=#FF3601 
azkaban.default.servlet.path=/index
web.resource.dir=web/ 
default.timezone.id=Asia/Shanghai 
# Azkaban UserManager class 
user.manager.class=azkaban.user.XmlUserManager 
user.manager.xml.file=conf/azkaban‐users.xml 
# Loader for projects 
executor.global.properties=conf/global.properties 
azkaban.project.dir=projects 
# Velocity dev mode 
velocity.dev.mode=false 
# Azkaban Jetty server properties. 
jetty.use.ssl=true 
jetty.maxThreads=25 
jetty.port=8081
jetty.ssl.port=8443 
jetty.keystore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
jetty.password=azkaban jetty.keypassword=azkaban 
jetty.truststore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
jetty.trustpassword=azkaban

# Azkaban Executor settings 
# mail settings 
mail.sender= 
mail.host= 

# User facing web server configurations used to construct the user facing  server URLs. They are useful when there is a reverse proxy between  Azkaban web servers and users. 
# enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081 
# when this parameters set then these parameters are used to generate  email links.
# if these parameters are not set then jetty.hostname, and jetty.port(if ssl configured jetty.ssl.port) are used. 
# azkaban.webserver.external_hostname=myazkabanhost.com 
# azkaban.webserver.external_ssl_port=443 
# azkaban.webserver.external_port=8081 
job.failure.email= 
job.success.email= 
lockdown.create.projects=false 
cache.directory=cache 
# JMX stats 
jetty.connector.stats=true 
executor.connector.stats=true 
# Azkaban mysql settings by default. Users should configure their own  username and password. 
database.type=mysql 
mysql.port=3306 
mysql.host=node03 
mysql.database=azkaban
mysql.user=azkaban 
mysql.password=azkaban 
mysql.numconnections=100 
#Multiple Executor azkaban.use.multiple.executors=true 
#azkaban.executorselector.filters=StaticRemainingFlowSize,MinimumFreeMemo ry,CpuStatus 
azkaban.executorselector.comparator.NumberOfAssignedFlowComparator=1 
azkaban.executorselector.comparator.Memory=1 
azkaban.executorselector.comparator.LastDispatched=1 
azkaban.executorselector.comparator.CpuUsage=1
azkaban.activeexecutor.refresh.milisecinterval=10000 
azkaban.queueprocessing.enabled=true 
azkaban.activeexecutor.refresh.flowinterval=10 
azkaban.executorinfo.refresh.maxThreads=10

Step 5: azkaban executor server 安装 第一步：修改azkaban-exex-server配置文 件
修改azkaban-exec-server的配置文件

cd /export/servers/azkaban‐exec‐server‐3.51.0/conf 

vim azkaban.properties
# Azkaban Personalization Settings 
azkaban.name=Azkaban 
azkaban.label=My Azkaban 
azkaban.color=#FF3601 
azkaban.default.servlet.path=/index 
web.resource.dir=web/ default.timezone.id=Asia/Shanghai 

# Azkaban UserManager class 
user.manager.class=azkaban.user.XmlUserManager 
user.manager.xml.file=conf/azkaban‐users.xml 
# Loader for projects 
executor.global.properties=conf/global.properties 
azkaban.project.dir=projects 
# Velocity dev mode 
velocity.dev.mode=false 
# Azkaban Jetty server properties. 
jetty.use.ssl=true 
jetty.maxThreads=25 
jetty.port=8081
jetty.keystore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
jetty.password=azkaban 
jetty.keypassword=azkaban 
jetty.truststore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
jetty.trustpassword=azkaban
# Where the Azkaban web server is located azkaban.webserver.url=https://node03:8443 
# mail settings 
mail.sender= 
mail.host= 
# User facing web server configurations used to construct the user facing  server URLs. They are useful when there is a reverse proxy between  Azkaban web servers and users. 
# enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081 
# when this parameters set then these parameters are used to generate  email links.
# if these parameters are not set then jetty.hostname, and jetty.port(ifssl configured jetty.ssl.port) are used. 
# azkaban.webserver.external_hostname=myazkabanhost.com 
# azkaban.webserver.external_ssl_port=443 
# azkaban.webserver.external_port=8081 
job.failure.email= 
job.success.email= 
lockdown.create.projects=false 
cache.directory=cache 
# JMX stats 
jetty.connector.stats=true 
executor.connector.stats=true 
# Azkaban plugin settings 
azkaban.jobtype.plugin.dir=plugins/jobtypes 
# Azkaban mysql settings by default. Users should configure their own  username and password. database.type=mysql 
mysql.port=3306 
mysql.host=node03 
mysql.database=azkaban 
mysql.user=azkaban 
mysql.password=azkaban 
mysql.numconnections=100 
# Azkaban Executor settings 
executor.maxThreads=50 
executor.flow.threads=30

Step 6: azkaban executor server 安装 第二步：添加插件
将我们编译后的C文件execute-as-user.c
上传到这个目录来/export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes
或者直接将我们/export/softwares下面的文件拷贝过来也行

cp /export/softwares/execute‐as‐user.c /export/servers/azkaban‐execserver‐3.51.0/plugins/jobtypes/

然后执行以下命令生成execute-as-user

yum ‐y install gcc‐c++ 
cd /export/servers/azkaban‐exec‐server‐3.51.0/plugins/jobtypes 
gcc execute‐as‐user.c ‐o execute‐as‐user 
chown root execute‐as‐user
chmod 6050 execute‐as‐user

Step 7: azkaban executor server 安装 第三步：修改配置文件

cd  /export/servers/azkaban‐exec‐server‐3.47.0/plugins/jobtypes 
vim commonprivate.properties 
execute.as.user=false 
memCheck.enabled=false 
azkaban.native.lib=/export/servers/azkaban‐exec‐server3.51.0/plugins/jobtypes

Step 7: 启动服务
第一步：启动azkaban exec server

cd /export/servers/azkaban‐exec‐server‐3.51.0 
bin/start‐exec.sh

第二步：激活我们的exec-server
node03机器任意目录下执行以下命令

curl ‐G "node03:$(<./executor.port)/executor?action=activate" && echo

第三步：启动azkaban-web-server

cd /export/servers/azkaban‐web‐server‐3.51.0/ 
bin/start‐web.sh

访问地址： https://node03:8443

Step 8: 修改linux的时区问题
由于先前做好了时钟同步，所以不用担心时区问题，不需要修改时区了
注：先配置好服务器节点上的时区

1. 先生成时区配置文件Asia/Shanghai，用交互式命令 tzselect 即可
2. 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

实战

Azkaba内置的任务类型支持command、java

Command 类型单一 Job 示例

Step 1: 创建 Job 描述文件
创建文本文件，更改名称为mycommand.job 注意后缀.txt一定不要带上，保存为格式为UFT-8 without bom 内容如下：

type=command 
command=echo 'hello world'

Step 2: 将job资源文件打包成zip文件

Step 3: 创建project并上传压缩包
通过azkaban的web管理平台创建project并上传job压缩包 首先创建project

Step 4: 启动执行job

Command 类型多 Job 示例

Step 1: 创建有依赖关系的多个job描述
第一个job：foo.job

type=command 
command=echo 'foo'

第二个job：bar.job依赖foo.job

type=command 
command=echo 'bar' 
dependencies=foo

Step 2: 将所有job资源文件打到一个zip包中

Step 3: 在azkaban的web管理界面创建工程并上传zip包

Step 4: 启动工作流flow

HDFS 操作任务

Step 1: 1、创建job描述文件fs.job

type=command 
command=/export/servers/hadoop‐3.1.1/bin/hdfs dfs  ‐mkdir /azkaban

Step 2: 将job资源文件打包成zip文件

Step 3: 通过azkaban的web管理平台创建project并上传job压缩包

Step 4: 启动执行该job

MapReduce 任务

MR 任务依然可以使用command的job类型来执行
Step 1: 创建job描述文件mr.job，及mr程序jar包（示例中直接使用hadoop自带的example jar）

 type=command 
 command=/export/servers/hadoop‐3.1.1/bin/hadoop jar hadoop‐mapreduceexamples‐3.1.1.jar pi 3 5

Step 2: 将所有job资源文件（mr.job和jar包）打到一个zip包中

Step 3: 在azkaban的web管理界面创建工程并上传zip包

Step 4: 启动job

Hive ​脚本任务

Step 1: 创建job描述文件和hive脚本
Hive脚本： hive.sql

create database if not exists azhive; 
use azhive; 
create table if not exists aztest(id string,name string) row format  delimited fields terminated by '\t';

Step 2: Job描述文件：hive.job

type=command 
command=/export/servers/apache‐hive‐3.1.1‐bin ‐f 'hive.sql’

Step 3: 将所有job资源文件（hive.sql和hive.job）打到一个zip包中

Step 4: 在azkaban的web管理界面创建工程并上传zip包

Step 5: 启动job

Azkaban 的定时任务

使用azkaban的scheduler功能可以实现对我们的作业任务进行定时调度功能

*/1 * ? * *  每分钟执行一次定时调度任务 
0 1 ? * *  每天晚上凌晨一点钟执行这个任务 
0 */2 ? * *  每隔两个小时定时执行这个任务 
30 21 ? * * 每天晚上九点半定时执行这个任务