Azkaban是一款基于Java编写的任务调度系统
任务调度:有四个任务脚A、B、C、D,其中任务A与任务B可以并行运行,然后任务C依赖任务A和任务B的运行结果,任务D依赖任务C的运行结果,此时整个过程可以等效为一个有向无环图,而给所有的任务运行定一个运行规则就可以理解为任务调度。
在任务简单时可以人为控制,但是当任务非常多,依赖复杂时,如果没有清晰的任务规划图,很容易在任务之间形成闭环从而出错,或者多个可并行的任务没有并行执行而浪费资源,这种时候就需要一个工作流调度器,Azkaban就是完成这种任务的。
Azkaban分为三个部分:
mysql服务器:用于存储项目、日志或者执行计划之类的信息
web服务器:使用Jetty对外提供web服务,使用户可以通过web页面方便管理
executor服务器:负责具体的工作流的提交、执行
基础搭建
首先可从Azkaban官网上下载azkaban,初学时可以只下载azkaban-web-server-2.5.0.tar.gz
,azkaban-executor-server-2.5.0.tar.gz
和azkaban-sql-script-2.5.0.tar.gz
三个组件压缩包即可,下载后进行解压azkaban-sql-script-2.5.0.tar.gz
包中包含的都是Azkaban所需用到的所有数据库表的创建语句,在Azkaban 2.5.0版本的这个包中会有一个create-all.sql
文件,可以一次性创建好所有的数据库表。azkaban-web-server-2.5.0.tar.gz
解压后在其conf/azkaban.properties
文件中可以进行web服务器数据库连接,web访问方式与端口,web访问账号密码,邮件等设置,各位根据自己的实际情况进行配置。azkaban-executor-server-2.5.0.tar.gz
解压后在其conf/azkaban.properties
文件中可以进行执行服务器数据库连接,执行服务器线程数等设置。
在这些都设置好以后,浏览器访问对应IP与端口,即可进入Azkaban的web界面了。此时Azkaban的基础搭建基本完成。
了解各个元素及其关系
Azkaban界面中的主要元素有三个,分别是project、job与flow
project可以理解为某个项目,其项目中包含了许多需要执行的任务,即为job,各个job之间形成依赖关系,便组成了工作流flow
创建工作 job 与创建工作流 flow
在Azkaban系统的web界面中有创建project的交互,可以通过界面创建一个project,但是Azkaban没有创建job与flow的界面,这一点很讨厌。于是需要编写以.job
为扩展名的文件然后上传,才能在系统中形成job任务。
创建job
首先,需要创建以.job
为扩展名的文件,一个文件即代表一个任务。
所有的job都需要一个知道他们如何去执行的type。一般的,有这样四种job类型:Java、command、javaprocess和pig。
本文以type=command
为例
其次在这个文件中添加这个任务所需的参数与参数值,
必须的参数有type
与command
例如
type=commandcommand=echo 'jobs start'
四类job类型的文件都可以添加的参数有retries
--> 任务失败时自动重启的次数retry.backoff
--> 每一次任务尝试重启时之间等待的毫秒数working.dir
--> 可以重新指定任务执行的工作目录,默认为目前正在运行的任务的工作目录failure.emails
--> 任务失败时的邮件提醒设置,以逗号分隔多个邮箱success.emails
--> 任务成功时的邮件提醒设置,以逗号分隔多个邮箱notify.emails
--> 任务无论失败还是成功都邮件提醒设置,以逗号分隔多个邮箱dependencies
--> 定义该文件依赖的文件,值为被依赖文件的文件名,多个目标以逗号分隔,不加扩展名
保存为start.job
文件即创建好了一个job
Azkaban每个project中只能上传一个
.zip
文件
创建工作流flow
定义好所有的参数后即为定义好了一个job,如果添加了dependencies
参数即形成了工作流flow
以开头的任务流为例:
#start.jobtype=commandcommand=echo "jobs start"
#A.jobtype=commandcommand=echo "This A job"dependencies=start
#B.jobtype=commandcommand=echo "This B job"dependencies=start
#C.jobtype=commandcommand=echo "This C job"dependencies=A,B
#D.jobtype=commandcommand=echo "This D job"dependencies=C
保存好5个文件后,将5文件打包成zip,然后在界面中进行上传,就会将这几个job上传到了系统中,最终呈现
从而一个工作流flow建好。
注意,想多个工作流flow并到一张图中,必须多个工作流flow有一个公共的结束job文件
创建子工作流subflow及其作用
Azkaban可以给每一个flow设定定时调度,这样就可以等到特定时间运行,然而,这样依旧不能满足一些需求
例如:
一个整个平台的任务调度中,大部分的job任务是根据依赖依次进行,但是有某些个job则依然需要自己的运行设定时间,即上一个job完成后需要等待,不能立即执行下一个job,但是Azkaban给job任务单独设定时后,会覆盖整个任务流flow的设置,所以此时需要引进子任务流subflow
子任务流的创建需要一个job文件,其参数形式为
type= xxx flow.name= xxxdependencies= xxx
注意
子流文件的参数设置需要遵循:
flow.name为设定的子流subflow的结束job文件的文件名
子流内部的起始文件不存在依赖 ,其依赖关系在type=flow这个文件中设定
子流后面的文件的依赖则为type=flow这个job文件的文件名
所以上面这个例子中
添加一个文件:
#subflow.jobtype=flowflow.name=Cdependencies=start
相应修改文件:
#A.jobtype=commandcommand=echo "This A job"
#B.jobtype=commandcommand=echo "This B job"
#D.jobtype=commandcommand=echo "This D job"dependencies=subflow
此时工作流会变为
这样在这个project中,就可以分别对两个流进行调度的设定,并且主流中的依赖会等待子流的运行,总体任务调度图也会非常的清晰
邮件提醒设置
Azkaban自带有邮件提醒功能,在web服务器的conf/azkaban.properties
文件中,有以下字段
# mail settingsmail.host=mail.sender=mail.user=mail.password=job.failure.email=job.success.email=job.notify.email=
这里面所有的值都是设定的是邮件的发送者,当初以为是设定接受者,被坑了好久,而邮件的接受者设置则需要前文所说的job文件的failure.emails
,success.emails
,notify.emails
三个参数,但是这三个属性不是直接加在.job
文件中,而是需要在所有.job
文件的根目录下创建一个以.properties
为扩展名的文件
例如:
# system.propertiessuccess.emails=xxx@xx.com failure.emails=xxx@xx.com
一些其他需要全局作用的参数也可以添加在这个文件中,此属性文件会作用于全局job文件,一起打包上传即可。这样就可以实现任务成功或失败时的邮件提醒。
最后
Azkaban还可以自行开发插件,不过这个系统依然有一些bug,如果后续有需求则需要慢慢修补了。
转载于:https://blog.51cto.com/jackwxh/1912379