Azkaban配置与入门案例

什么是Azkaban

Azkaban是由Linkedin公司推出的一个批量工作流任务调度器，主要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，它的配置是通过简单的key:value对的方式，通过配置中的dependencies 来设置依赖关系。Azkaban使用job配置文件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。

Azkaban特点

1)     兼容任何版本的hadoop

2)     易于使用的Web用户界面

3)     简单的工作流的上传

4)     方便设置任务之间的关系

5)     调度工作流

6)     模块化和可插拔的插件机制

7)     认证/授权(权限的工作)

8)     能够杀死并重新启动工作流

9)     有关失败和成功的电子邮件提醒

Azkaban架构

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。

Azkaban安装配置

下载

Azkaban下载地址

下载如下文件   放入/opt/module/azkaban目录中

azkaban-web-server-2.5.0.tar.gz
azkaban-executor-server-2.5.0.tar.gz
azkaban-sql-script-2.5.0.tar.gz
mysql-libs.zip

选择Mysql作为Azkaban数据库，因为Azkaban建立了一些Mysql连接增强功能，以方便Azkaban设置，并增强服务可靠性。

安装

将下载的压缩文件依次解压

tar -zxvf azkaban-web-server-2.5.0.tar.gz
tar -zxvf azkaban-executor-server-2.5.0.tar.gz
tar -zxvf azkaban-sql-script-2.5.0.tar.gz

重命名

mv azkaban-web-server-2.5.0.tar.gz server
mv azkaban-executor-server-2.5.0.tar.gz executor

[root@hadoop001 azkaban]# ls
azkaban-2.5.0  executor  server

azkaban脚本导入

在mysql中创建azkaban需要的数据库、表

mysql> create database azkaban;
mysql> use azkaban;
mysql> source /opt/module/azkaban/azkaban-2.5.0/create-all-sql-2.5.0.sql

生成秘钥库

[root@hadoop001 azkaban]$ keytool -keystore keystore -alias jetty -genkey -keyalg RSA
输入密钥库口令:  
再次输入新口令: 
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]:  
您所在的省/市/自治区名称是什么?
  [Unknown]:  
该单位的双字母国家/地区代码是什么?
  [Unknown]:  
CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=Unknown是否正确?
  [否]:  y

输入 <jetty> 的密钥口令
        (如果和密钥库口令相同, 按回车):  
再次输入新口令:

将秘钥文件放入server

[root@hadoop001 azkaban]$ mv keystore /opt/module/azkaban/server/

时间同步设置

如果在/usr/share/zoneinfo/这个目录下不存在时区配置文件Asia/Shanghai，就要用 tzselect生成。

拷贝该时区文件，覆盖系统本地时区配置

[root@hadoop001 azkaban]$ cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime  

集群时间同步（同时发给三个窗口）

[root@hadoop001 azkaban]$ ntpdate -u ntp.api.bz

配置

配置azkaban.properties文件

[root@hadoop101 conf]$ pwd
/opt/module/azkaban/server/conf
[root@hadoop101 conf]$ vim azkaban.properties

#Azkaban Personalization Settings
#服务器UI名称,用于服务器上方显示的名字
azkaban.name=Test
#描述
azkaban.label=My Local Azkaban
#UI颜色
azkaban.color=#FF3601
#访问WEB页面默认的根路径
azkaban.default.servlet.path=/index
#默认web server存放web文件的目录
web.resource.dir=/opt/module/azkaban/server/web/
#默认时区,已改为亚洲/上海 默认为美国
default.timezone.id=Asia/Shanghai

#Azkaban UserManager class
#用户管理使用的类
user.manager.class=azkaban.user.XmlUserManager
#用户权限管理默认类（绝对路径）
user.manager.xml.file=/opt/module/azkaban/server/conf/azkaban-users.xml

#Loader for projects
#global配置文件所在位置（绝对路径）
executor.global.properties=/opt/module/azkaban/executor/conf/global.properties
#项目保存路径
azkaban.project.dir=projects

#数据库类型
database.type=mysql
#端口号
mysql.port=3306
#数据库连接IP
mysql.host=hadoop101
#数据库实例名
mysql.database=azkaban
#数据库用户名
mysql.user=root
#数据库密码
mysql.password=000000
#最大连接数
mysql.numconnections=100

# Velocity dev mode
velocity.dev.mode=false

# Azkaban Jetty server properties.
# Jetty服务器属性.
#最大线程数
jetty.maxThreads=25
#Jetty SSL端口
jetty.ssl.port=8443
#Jetty端口
jetty.port=8081
#SSL文件名（绝对路径）
jetty.keystore=/opt/module/azkaban/server/keystore
#SSL文件密码
jetty.password=000000
#Jetty主密码与keystore文件相同
jetty.keypassword=000000
#SSL文件名（绝对路径）
jetty.truststore=/opt/module/azkaban/server/keystore
#SSL文件密码
jetty.trustpassword=000000

# Azkaban Executor settings
executor.port=12321

# mail settings
mail.sender=
mail.host=
job.failure.email=
job.success.email=

lockdown.create.projects=false

cache.directory=cache

web服务器用户配置

配置azkaban-users.xml 

<user username="admin" password="admin" roles="admin,metrics" />

执行服务器配置

修改executor的azkaban.properties

[root@hadoop101 conf]$ pwd
/opt/module/azkaban/executor/conf
[root@hadoop101 conf]$ vim azkaban.properties

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

# Azkaban JobTypes Plugins
#jobtype 插件所在位置
azkaban.jobtype.plugin.dir=plugins/jobtypes

#Loader for projects
executor.global.properties=/opt/module/azkaban/executor/conf/global.properties
azkaban.project.dir=projects

database.type=mysql
mysql.port=3306
mysql.host=hadoop101
mysql.database=azkaban
mysql.user=root
mysql.password=000000
mysql.numconnections=100

# Azkaban Executor settings
#最大线程数
executor.maxThreads=50
#端口号(如修改,请与web服务中一致)
executor.port=12321
#线程数
executor.flow.threads=30

启动服务

开启executor服务器

[root@hadoop101 executor]$ pwd
/opt/module/azkaban/executor
[root@hadoop101 executor]$ bin/azkaban-executor-start.sh

开启web服务器

[root@hadoop101 server]$ pwd
/opt/module/azkaban/server
[root@hadoop101 server]$ bin/azkaban-web-start.sh

注：需要依次启动

查看进程

[root@hadoop101 server]$ jps
3601 AzkabanExecutorServer
5880 Jps
3661 AzkabanWebServer

浏览器访问

访问https://服务器IP地址:8443到达azkaban控制台 

Azkaban实例

单一Job任务

创建Job描述文件

[root@hadoop001 jobs]$ vim first.job
#first.job
type=command
command=echo 'this is first job'

将Job资源打包成zip文件

zip first.zip first.job

注：Azkaban上传的工作流文件只支持XXX.zip文件。

zip文件中应包含xxx.job运行作业所需的文件和任何文件（文件后缀必须是.job）

作业名称在项目中必须是唯一的。

通过Azkaban的web管理平台创建project并上传job的zip包。

启动

点击执行

点击继续

执行成功

多Job工作流

创建有依赖关系的多个job描述

start.job

[root@hadoop101 jobs]$ vim start.job
#start.job
type=command
command=touch /opt/module/az.txt

step1.job

[root@hadoop101 jobs]$ vim step1.job
#step1.job
type=command
dependencies=start
command=echo "this is step1 job"

step2.job

[root@hadoop101 jobs]$ vim step2.job
#step2.job
type=command
dependencies=start
command=echo "this is step2 job"

finish.sh

[root@hadoop101 jobs]$ vim finish.job
#finish.job
type=command
dependencies=step1,step2
command=echo "this is finish job"

将所有job资源文件打包到一个zip包中

zip jobs.zip start.job step1.job step2.job finish.job

上传执行，查看结果

job会根据依赖关系依次执行。

java操作任务

以向文件/opt/module/azkaban/output.txt文件中输出信息为例。

编写java程序

import java.io.IOException;

public class AzkabanTest {
    public void run() throws IOException {
        FileOutputStream fos = new FileOutputStream("/opt/module/azkaban/output.txt");
        fos.write("azkaban java progress".getBytes());
        fos.close();
    }

    public static void main(String[] args) throws IOException {
        AzkabanTest azkabanTest = new AzkabanTest();
        azkabanTest.run();
    }
}

将java程序打包成jar包，在azkaban下创建lib目录，将jar包放入lib目录中

编写job文件

[root@hadoop101 jobs]$ vim azkabanJava.job
#azkabanJava.job
type=javaprocess
java.class=com.bigdata.azkaban.AzkabanTest
classpath=/opt/module/azkaban/lib/*

将job文件打包成zip文件

MapReduce任务

将MapReduce程序打包放在/opt/module/hadoop-2.7.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar

创建job文件

[root@hadoop101 jobs]$ vim mapreduce.job
#mapreduce job
type=command
command=/opt/module/hadoop-2.7.2/bin/hadoop jar /opt/module/hadoop-2.7.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /wordcount/input /wordcount/output

Hive任务

编写Hive脚本

[root@hadoop101 jobs]$ vim student.sql
use default;
drop table student;
create table student(id int, name string)
row format delimited fields terminated by '\t';
load data local inpath '/opt/module/datas/student.txt' into table student;
insert overwrite local directory '/opt/module/datas/student'
row format delimited fields terminated by '\t'
select * from student;

编写job文件

[root@hadoop101 jobs]$ vim hive.job
#hive job
type=command
command=/opt/module/hive/bin/hive -f /opt/module/azkaban/jobs/student.sql