3.4.3 ⼯作流调度系统Azkaban(安装部署、job依赖、Job/HDFS/MAPREDUCE/HIVE任务调度、定时任务)

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

Gradle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-soloserver-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
修改时区配置⽂件

cd /opt/lagou/servers/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-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes
vim commonprivate.properties
#修改如下信息
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-solo-server-0.1.0-SNAPSHOT
bin/start-solo.sh

4 浏览器⻚⾯访问
浏览器⻚⾯访问
http://linux122:8081/index

登录信息
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，选择zip格式

上传压缩包到Azkaban
创建project

指定project名称和描述信息

Azkaban上传我们的压缩包

查看⼯作流计划并执⾏

运⾏结果⻚⾯

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
进⼊mysql的客户端执⾏以下命令

mysql -uroot -p

执⾏以下命令：

SET GLOBAL validate_password_length=5;
SET GLOBAL validate_password_policy=0;
CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban'; 
GRANT all privileges ON azkaban.* to 'azkaban'@'%' identified by 'azkaban'
WITH GRANT OPTION;
CREATE DATABASE azkaban;
use azkaban;

#解压数据库脚本
tar -zxvf azkaban-db-0.1.0-SNAPSHOT.tar.gz -C /opt/lagou/servers/azkaban
#加载初始化sql创建表
source /opt/lagou/servers/azkaban/azkaban-db-0.1.0-SNAPSHOT/create-all-sql-0.1.0-SNAPSHOT.sql;

3 配置Azkaban-web-server

进⼊linux122节点
解压azkaban-web-server

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

进⼊azkaban-web-server根⽬录下

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

#修改为如下内容
# 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 # 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 并且知道端⼝
jetty.use.ssl=true
jetty.port=8443
jetty.maxThreads=25

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

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-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
# 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
# Where the Azkaban web server is located
azkaban.webserver.url=https://linux122:8443
# 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
# Azkaban Executor settings
executor.maxThreads=50
executor.port=12321
executor.flow.threads=30

分发exec-server到linux121节点

cd /opt/lagou/servers
scp -r azkaban linux121:$PWD

5 启动服务

先启动exec-server（ linux121, 123）

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

再启动web-server（linux122）

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

激活我们的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。

cd /opt/lagou/servers/azkaban/azkaban-exec-server-0.1.0-SNAPSHOT curl
-G “linux123:$(<./executor.port)/executor?action=activate” && echo

访问地址：
https://linux122:8443

第 4 节 Azkaban使⽤

1 shell command调度

创建job描述⽂件
vi command.job

command.job

type=command
command=echo 'hello'

将job资源⽂件打包成zip⽂件
zip command.job
通过azkaban的web管理平台创建project并上传job压缩包
⾸先创建Project

上传zip包

启动执⾏该job

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
foo.job

type=command
command=echo 'foo'

第⼆个job：bar.job依赖foo.job
bar.job

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

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
启动⼯作流flow

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

将job资源⽂件打包成zip⽂件

通过azkaban的web管理平台创建project并上传job压缩包
启动执⾏该job

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-mapreduceexamples-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

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
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

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：
⾸⻚选择待处理的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。