工作流调度系统—Azkaban

最新推荐文章于 2023-04-11 23:05:31 发布

微毂

最新推荐文章于 2023-04-11 23:05:31 发布

阅读量351

点赞数

分类专栏：大数据文章标签：大数据 hadoop azkaban

本文链接：https://blog.csdn.net/weixin_42749734/article/details/113621462

版权

大数据专栏收录该内容

51 篇文章 2 订阅

订阅专栏

工作流调度系统—Azkaban

第 1 节概述

1.1 工作流调度系统

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任务的执行。

假如，我有这样一个需求，某个业务系统每天产生20G原始数据，每天都要对其进行处理，处理步骤如下所示:

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

1.2 工作流调度实现方式

简单的任务调度

- 直接使用linux的crontab

复杂的任务调度

- 开发调度平台或使用现成的开源调度系统，比如Ooize、Azkaban、Airflow等

1.3 Azkaban与Oozie对比

对市⾯上最流行的两种调度器，进行对⽐分析。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(xml)。如果可以不在意某些功能的缺失，轻量级调度器Azkaban是很不错的候选对象。

功能

两者均可以调度mapreduce,pig,java,脚本⼯作流任务

两者均可以定时执⾏工作流任务

⼯作流定义

Azkaban使⽤Properties文件定义工作流

Oozie使⽤XML文件定义工作流

⼯作流传参

Azkaban⽀持直接传参，例如${input}

Oozie支持参数和EL表达式，例如${fs:dirSize(myInputDir)}

定时执⾏

Azkaban的定时执行任务是基于时间的

Oozie的定时执⾏任务基于时间和输入数据

资源管理

Azkaban有较严格的权限控制，如用户对⼯作流进行读/写/执行等操作

Oozie暂⽆严格的权限控制

⼯作流执⾏

Azkaban有两种运行模式，分别是solo server mode(executor server和web server部署在同一台节点)和multi server mode(executor server和web server可以部署在不同节点)

Oozie作为⼯作流服务器运⾏，⽀持多用户和多工作流

第 2 节 Azkaban介绍

Azkaban是由linkedin(领英)公司推出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。

有如下功能特点

Web⽤户界⾯
⽅便上传工作流
方便设置任务之间的关系
调度工作流

架构⻆色

mysql服务器: 存储元数据，如项⽬名称、项目描述、项目权限、任务状态、SLA规则等
AzkabanWebServer:对外提供web服务，使用户可以通过web⻚面管理。职责包括项⽬管理、权限授权、任务调度、监控executor。
AzkabanExecutorServer:负责具体的工作流的提交、执行。

第 3 节 Azkaban安装部署

3.1 Azkaban的安装准备工作

1 编译

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

cd /opt/lagou/software/

wget https://github.com/azkaban/azkaban/archive/3.51.0.tar.gz

tar -zxvf 3.51.0.tar.gz -C ../servers/

cd /opt/lagou/servers/azkaban-3.51.0/

yum -y install git
yum -y install gcc-c++

./gradlew build installDist -x test

Gradlew是一个基于Apache Ant和Apache Maven的项⽬自动化构建工具。-x test 跳过测试。(注意联网!下载jar可能会失败、慢)

2 上传编译后的安装文件

在linux122节点创建⽬录

mkdir /opt/lagou/servers/azkaban

3.2 solo-server模式部署

1. 单服务模式安装

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

tar -zxvf azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz -C ../../servers/azkaban

2 修改配置⽂件

修改时区

cd /opt/lagou/servers/azkaban/azkaban-solo-server-0.1.0-SNAPSHOT/conf
vim azkaban.properties
default.timezone.id=Asia/Shanghai

修改commonprivate.properties配置文件

cd /opt/lagou/servers/azkaban/azkaban-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes
vim commonprivate.properties
execute.as.user=false
memCheck.enabled=false

azkaban默认需要3G的内存，剩余内存不足则会报异常。

3 启动solo-server

cd /opt/lagou/servers/azkaban/azkaban-solo-server-0.1.0-SNAPSHOT
bin/start-solo.sh

4 浏览器⻚面访问

http://linux122:8081/index

用户名:azkaban 密码: azkaban

2. 单服务模式使用

需求:使⽤azkaban调度我们的shell脚本，执行linux的shell命令

具体步骤

开发job⽂件

创建普通⽂本文件foo.job，文件内容如下

type=command
command=echo 'hello world'

打成压缩包foo.zip，上传压缩包到Azkaban

创建project

指定project名称和描述信息

Azkaban上传压缩包

查看⼯作流计划并执⾏

执行结果界面

停止程序

bin/shutdown-solo.sh

3.3 multiple-executor模式部署

1 安装所需软件

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

sql脚本

节点规划

2 数据库准备

linux123

#解压数据库脚本
tar -zxvf azkaban-db-0.1.0-SNAPSHOT.tar.gz -C /opt/lagou/servers/azkaban

进入mysql的客户端执行以下命令

mysql -uroot -p

# 设置密码位数和强度
SET GLOBAL validate_password_length=5;
SET GLOBAL validate_password_policy=0;
# 创建用户azkaban
CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban';
# 赋权
GRANT all privileges ON azkaban.* to 'azkaban'@'%' identified by 'azkaban' WITH GRANT OPTION;

CREATE DATABASE azkaban;
use azkaban;

# 文件azkaban-db-0.1.0-SNAPSHOT.tar.gz解压到linux123的目录下
/opt/lagou/servers/azkaban-3.51.0/

#加载初始化sql创建表
source /opt/lagou/servers/azkaban-3.51.0/azkaban-db-0.1.0-SNAPSHOT/create-all-sql-0.1.0-SNAPSHOT.sql;

执行source后生成的表

3 配置Azkaban-web-server

进入linux122节点

解压azkaban-web-server

tar -zxvf azkaban-web-server-0.1.0-SNAPSHOT.tar.gz -C ../../servers/azkaban/

进入解压后的目录

cd /opt/lagou/servers/azkaban/azkaban-web-server-0.1.0-SNAPSHOT 
#生成ssl证书:
keytool -keystore keystore -alias jetty -genkey -keyalg RSA

注意:运行此命令后,会提示输入当前⽣成keystore的密码及相应信息,输入的密码请记住(所有密码统一以azkaban输入)

修改 azkaban-web-server的配置文件

cd /opt/lagou/servers/azkaban-web-server-3.51.0/conf
vim azkaban.properties

# Azkaban Personalization Settings
azkaban.name=Test
azkaban.label=My Local Azkaban
azkaban.color=#FF3601
azkaban.default.servlet.path=/index
web.resource.dir=web/
default.timezone.id=Asia/Shanghai # 修改点1：时区注意后⾯不要有空格
# Azkaban UserManager class
user.manager.class=azkaban.user.XmlUserManager
user.manager.xml.file=conf/azkaban-users.xml

# Azkaban Jetty server properties. 开启使用ssl 并且指定端⼝
jetty.use.ssl=true # 修改点2：改为true
jetty.port=8443 # 修改点3：端口改为8443
jetty.maxThreads=25


# 修改点4：增加KeyStore for SSL ssl相关配置 
jetty.keystore=keystore 
jetty.password=azkaban 
jetty.keypassword=azkaban 
jetty.truststore=keystore 
jetty.trustpassword=azkaban
注意密码和证书路路径

# 修改点5：Azkaban mysql settings by default. Users should configure their own username and password.
database.type=mysql
mysql.port=3306
mysql.host=linux123
mysql.database=azkaban
mysql.user=root
mysql.password=12345678
mysql.numconnections=100
#Multiple Executor 设置为false
azkaban.use.multiple.executors=true 

# 修改点6：注释掉校验
#azkaban.executorselector.filters=StaticRemainingFlowSize,MinimumFreeMemory,Cp uStatus
azkaban.executorselector.comparator.NumberOfAssignedFlowComparator=1 
azkaban.executorselector.comparator.Memory=1 
azkaban.executorselector.comparator.LastDispatched=1 
azkaban.executorselector.comparator.CpuUsage=1

添加属性

mkdir -p plugins/jobtypes
cd plugins/jobtypes/
vim commonprivate.properties


azkaban.native.lib=false
execute.as.user=false
memCheck.enabled=false

4 配置Azkaban-exec-server

linux123节点，上传exec安装包到/opt/lagou/software/azkaban

tar -zxvf azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz –C /opt/lagou/servers/azkaban/

修改azkaban-exec-server的配置文件

cd /opt/lagou/servers/azkaban-exec-server-0.1.0-SNAPSHOT/conf
vim azkaban.properties

# 修改点1：修改时区
default.timezone.id=Asia/Shanghai
# 修改点2：webserver url
azkaban.webserver.url=https://linux122:8443
# 修改点3：数据库配置
database.type=mysql
mysql.port=3306
mysql.host=linux123
mysql.database=azkaban
mysql.user=root
mysql.password=12345678
# 修改点4：增加 Azkaban Executor settings
executor.port=12321

分发到linux121节点

scp -r azkaban-exec-server-0.1.0-SNAPSHOT/ linux121:/opt/lagou/servers/azkaban/

5 启动服务

先启动exec-server（linux121,linux123）

再启动web-server（linux122）

#启动exec-server
bin/start-exec.sh
#启动web-server
bin/start-web.sh

报数据库权限的错误

下面介绍两种方法，解决这一问题。

1、改表法

可能是你的帐号不允许从远程登陆，只能在localhost。这个时候只要在localhost的那台电脑，登入mysql后，更改 "mysql" 数据库里的 "user" 表里的 "host" 项，从"localhost"改称"%"

mysql -u root -p 
mysql>use mysql; 
mysql>update user set host = '%' where user = 'root'; 
mysql>select host, user from user;

=在安装mysql的机器上运行：

2、授权法

1、d:\mysql\bin\>mysql -h localhost -u root

//这样应该可以进入MySQL服务器

2、mysql>GRANT ALL PRIVILEGES ON *.* TO 'root'@'%'WITH GRANT OPTION

//赋予任何主机访问数据的权限

例如，你想myuser使用mypassword从任何主机连接到mysql服务器的话。

1 2	`GRANT` `ALL` `PRIVILEGES` `ON` `.` `TO` `'myuser'@'%'IDENTIFIED` `BY` `'mypassword'` `WI` `TH` `GRANT` `OPTION;`

如果你想允许用户myuser从ip为192.168.1.6的主机连接到mysql服务器，并使用mypassword作为密码

1 2	`GRANT` `ALL` `PRIVILEGES` `ON` `.` `TO` `'myuser'@'192.168.1.3'IDENTIFIED` `BY` `'mypassword'` `WITH` `GRANT` `OPTION;`

3、mysql>FLUSH PRIVILEGES

//修改生效

4、mysql>EXIT

退出MySQL服务器，这样就可以在其它任何的主机上以root身份登录

激活exec-server

启动webServer之后进程失败消失，可通过安装包根⽬录下对应启动日志进行排查。

需要⼿动激活executor

cd /opt/lagou/servers/azkaban/azkaban-exec-server-0.1.0-SNAPSHOT


# 分别在两台服务器执行以下命令。然后再启动web-server(linux122)
curl -G "linux121:$(<./executor.port)/executor?action=activate" && echo
curl -G "linux123:$(<./executor.port)/executor?action=activate" && echo

访问地址:https://linux122:8443

启动时遇到的问题：

原因：权限不够

解决办法：

方式一：配置文件中mysql配置前面创建的azkaban用户
方式二：修改root用户权限，允许其他节点连接

# 赋予最大的权限
GRANT all ON *.* to 'root'@'%' identified by '12345678' WITH GRANT OPTION;
flush privileges;

启动时发现web端访问不了，如下图

您目前无法访问 linux122,因为此网站发送了 Google Chrome 无法处理的杂乱凭据。

解决方案：

在chrome该页面上，直接键盘敲入这11个字符：thisisunsafe
（鼠标点击当前页面任意位置，让页面处于最上层即可输入,输入时是不显示任何字符的，直接输入即可！）

第 4 节 Azkaban使用

4.1 shell command调度

与单机模式操作案例一样

创建job描述文件：vim command.job

type=command
command=echo 'hello'

将描述文件打包成command.zip：zip command.job
通过azkaban的web界面创建project并上传压缩包
执行该job

4.2 job依赖调度

创建有依赖关系的多个job描述

第一个job：foo.job

type=command
command=echo 'hello'

第二个job：bar.job依赖foo.job

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

将上述两个文件打包成一个压缩包：foobar.zip

在azkaban的web管理界面创建工程并上传zip包

启动⼯作流flow

4.3 HDFS任务调度

创建job描述文件fs.job

type=command
command=/opt/lagou/servers/hadoop-2.9.2/bin/hadoop fs -mkdir /azkaban

打包、web界面创建project、上传、启动执行。

4.4 MapReduce任务调度

mr任务依然可以使用command的job类型来执行

创建job描述文件，及mr程序jar包(示例中直接使用hadoop⾃带的example jar)

mrwc.job

type=command
command=/opt/lagou/servers/hadoop-2.9.2/bin/hadoop jar hadoop-mapreduce-examples-2.9.2.jar wordcount /wordcount/input /wordcount/azout

将所有job资源文件打到⼀个zip包中

在azkaban的web管理界面创建工程并上传zip包

启动job

遇到虚拟机内存不足运行缓慢的情况:

1. 增大机器内存

2. 使用清除系统缓存命令，暂时释放一些内存

[root@linux123 mapreduce]# echo 1 >/proc/sys/vm/drop_caches
[root@linux123 mapreduce]# echo 2 >/proc/sys/vm/drop_caches
[root@linux123 mapreduce]# echo 3 >/proc/sys/vm/drop_caches

4.5 Hive脚本任务调度

创建job描述文件和hive脚本

Hive脚本: test.sql

use default;
drop table aztest;
create table aztest(id int,name string) row format delimited fields terminated by ',';

Job描述⽂件:hivef.job

type=command
command=/opt/lagou/servers/hive-2.3.7/bin/hive -f 'test.sql'

将所有job资源文件打到一个zip包中创建工程并上传zip包,启动job

4.6 定时任务调度

6 定时任务调度

除了⼿动立即执行工作流任务外，azkaban也支持配置定时任务调度。

开启方式如下: ⾸页选择待处理的project 选择左边schedule表示配置定时调度信息，选择右边execute表示⽴即执行工作流任务。

微毂

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

工作流调度系统—Azkaban

工作流调度系统—Azkaban

第 1 节 概述

1.1 工作流调度系统

1.2 工作流调度实现方式

1.3 Azkaban与Oozie对比

第 2 节 Azkaban介绍

第 3 节 Azkaban安装部署

3.1 Azkaban的安装准备工作

3.2 solo-server模式部署

1. 单服务模式安装

2. 单服务模式使用

3.3 multiple-executor模式部署

1 安装所需软件

2 数据库准备

3 配置Azkaban-web-server

4 配置Azkaban-exec-server

5 启动服务

第 4 节 Azkaban使用

4.1 shell command调度

4.2 job依赖调度

4.3 HDFS任务调度

4.4 MapReduce任务调度

4.5 Hive脚本任务调度

4.6 定时任务调度

第 1 节概述