大数据工作调度系统之Azkaban（Azkaban概述及安装配置）

大数据技术之Azkaban

一、Azkaban 概述

1、工作流调度系统

• 1）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
• 2）各任务单元之间存在时间先后及前后依赖关系
• 3）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；

图解：

2、 常见工作流调度系统

• 1）简单的任务调度：直接使用 Linux 的 Crontab 来定义；
• 2）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 Azkaban、Ooize、Airflow、DolphinScheduler等。

3、Azkaban 与 Oozie 对比

• 对市面上最流行的两种调度器，给出以下详细对比，以供技术选型参考。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。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。

二、Azkaban 入门

1、 集群模式安装

1.1 上传 tar 包

• 1）将 azkaban-db-3.84.4.tar.gz，azkaban-exec-server-3.84.4.tar.gz，azkaban-web-server-3.84.4.tar.gz 上传到 hadoop105 的 /opt/software/azkaban路径（安装包官网下载）

[xiaoxq@hadoop105 azkaban]$ pwd
/opt/software/azkaban
[xiaoxq@hadoop105 azkaban]$ ll
总用量 35572
-rw-rw-r--. 1 xiaoxq xiaoxq     6433 8月  12 12:37 azkaban-db-3.84.4.tar.gz
-rw-rw-r--. 1 xiaoxq xiaoxq 16175002 8月  12 12:37 azkaban-exec-server-3.84.4.tar.gz
-rw-rw-r--. 1 xiaoxq xiaoxq 20239974 8月  12 12:37 azkaban-web-server-3.84.4.tar.gz

• 2）新建/opt/module/azkaban目录，并将所有tar包解压到这个目录下

[xiaoxq@hadoop105 azkaban]$ mkdir -p /opt/module/azkaban

• 3）解压azkaban-db-3.84.4.tar.gz、 azkaban-exec-server-3.84.4.tar.gz和azkaban-web-server-3.84.4.tar.gz到/opt/module/azkaban目录下

[xiaoxq@hadoop105 azkaban]$ pwd
/opt/software/azkaban
[xiaoxq@hadoop105 azkaban]$ tar -zxvf azkaban-db-3.84.4.tar.gz -C /opt/module/azkaban/

[xiaoxq@hadoop105 azkaban]$ tar -zxvf azkaban-exec-server-3.84.4.tar.gz -C /opt/module/azkaban/

[xiaoxq@hadoop105 azkaban]$ tar -zxvf azkaban-web-server-3.84.4.tar.gz -C /opt/module/azkaban/

• 4）进入到/opt/module/azkaban目录，依次修改名称

[xiaoxq@hadoop105 azkaban]$ pwd
/opt/module/azkaban
[xiaoxq@hadoop105 azkaban]$ mv azkaban-exec-server-3.84.4/ azkaban-exec
[xiaoxq@hadoop105 azkaban]$ mv azkaban-web-server-3.84.4/ azkaban-web

[xiaoxq@hadoop105 azkaban]$ ll
总用量 12
drwxr-xr-x. 2 xiaoxq xiaoxq 4096 4月  18 17:24 azkaban-db-3.84.4
drwxr-xr-x. 6 xiaoxq xiaoxq 4096 4月  18 17:26 azkaban-exec
drwxr-xr-x. 6 xiaoxq xiaoxq 4096 4月  18 17:26 azkaban-web

1.2 配置 MySQL

• 1）正常安装MySQL
  • 详见 大数据技术之Hive
• 2）启动MySQL

[xiaoxq@hadoop105 azkaban]$ mysql -uroot -p密码

• 3）登陆MySQL，创建Azkaban数据库

mysql> create database azkaban;

• 4）创建azkaban用户并赋予权限

  有些版本需要设置以下内容：

设置密码有效长度4位及以上
mysql> set global validate_password_length=4;
设置密码策略最低级别
mysql> set global validate_password_policy=0;

• 创建 Azkaban 用户，任何主机都可以访问 Azkaban，密码是123456

mysql> CREATE USER 'azkaban'@'%' IDENTIFIED BY '123456';

• 赋予Azkaban用户增删改查权限

mysql> GRANT SELECT,INSERT,UPDATE,DELETE ON azkaban.* to 'azkaban'@'%' WITH GRANT OPTION;

• 5）创建 Azkaban 表，完成后退出 MySQL

mysql> use azkaban;
mysql> source /opt/module/azkaban/azkaban-db-3.84.4/create-all-sql-3.84.4.sql；
mysql> quit;

• 6）更改 MySQL 包大小；防止 Azkaban 连接 MySQL 阻塞

[xiaoxq@hadoop105 software]$ sudo vim /etc/my.cnf

• 在[mysqld]下面加一行max_allowed_packet=1024M，修改以字节发送给服务器的最大数据包大小：

[mysqld]
max_allowed_packet=1024M

• 8）重启MySQL

[xiaoxq@hadoop105 software]$ sudo systemctl restart mysqld

1.3 配置 Executor Server

• Azkaban Executor Server 处理工作流和作业的实际执行。

1）编辑 azkaban.properties

[xiaoxq@hadoop105 azkaban]$ vim /opt/module/azkaban/azkaban-exec/conf/azkaban.properties

• 修改如下属性

5#...
default.timezone.id=Asia/Shanghai
#...
azkaban.webserver.url=http://hadoop105:8081

executor.port=12321
#...
database.type=mysql
mysql.port=3306
mysql.host=hadoop105
mysql.database=azkaban
mysql.user=azkaban
mysql.password=123456
mysql.numconnections=100

• 在最后添加

executor.metric.reports=true
executor.metric.milisecinterval.default=60000

2）编辑 commonprivate.properties

[xiaoxq@hadoop105 azkaban]$ vim /opt/module/azkaban/azkaban-exec/plugins/jobtypes/commonprivate.properties

• 添加

azkaban.native.lib=false

• 若不添加这个参数，在执行Job时可能会报如下错：

azkaban.utils.UndefinedPropertyException: Missing required property 'azkaban.native.lib'
	at azkaban.utils.Props.getString(Props.java:450)
	at azkaban.jobExecutor.ProcessJob.run(ProcessJob.java:242)
	at azkaban.execapp.JobRunner.runJob(JobRunner.java:823)
	at azkaban.execapp.JobRunner.doRun(JobRunner.java:602)
	at azkaban.execapp.JobRunner.run(JobRunner.java:563)
	at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511)
	at java.util.concurrent.FutureTask.run(FutureTask.java:266)
	at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
	at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
	at java.lang.Thread.run(Thread.java:748)

3）同步azkaban-exec到所有节点

[xiaoxq@hadoop105 azkaban]$ xsync /opt/module/azkaban/azkaban-exec

4）必须进入到/opt/module/azkaban/azkaban-exec路径，分别在三台机器上，启动executor server

[xiaoxq@hadoop105 azkaban-exec]$ bin/start-exec.sh
[xiaoxq@hadoop106 azkaban-exec]$ bin/start-exec.sh
[xiaoxq@hadoop107 azkaban-exec]$ bin/start-exec.sh

注意：如果在 /opt/module/azkaban/azkaban-exec 目录下出现 executor.port 文件，说明启动成功

4）下面激活 executor，需要

[xiaoxq@hadoop105 azkaban-exec]$ curl -G "hadoop105:$(<./executor.port)/executor?action=activate" && echo
{"status":"success"}

[xiaoxq@hadoop106 azkaban-exec]$ curl -G "hadoop106:$(<./executor.port)/executor?action=activate" && echo
{"status":"success"}

[xiaoxq@hadoop107 azkaban-exec]$ curl -G "hadoop107:$(<./executor.port)/executor?action=activate" && echo
{"status":"success"}

• 如果三台机器都出现如下提示，则表示激活成功

{"status":"success"}

1.4 配置 Web Server

• Azkaban Web Server 处理项目管理，身份验证，计划和执行触发。

1）编辑azkaban.properties

[xiaoxq@hadoop105  azkaban]$ vim /opt/module/azkaban/azkaban-web/conf/azkaban.properties

• 修改如下属性

...
default.timezone.id=Asia/Shanghai
...
database.type=mysql
mysql.port=3306
mysql.host=hadoop105
mysql.database=azkaban
mysql.user=azkaban
mysql.password=123456
mysql.numconnections=100
...
azkaban.executorselector.filters=StaticRemainingFlowSize,CpuStatus

说明：

• StaticRemainingFlowSize：正在排队的任务数；
• CpuStatus：CPU占用情况
• MinimumFreeMemory：内存占用情况。测试环境，必须将 MinimumFreeMemory 删除掉，否则它会认为集群资源不够，不执行。

2）修改 azkaban-users.xml 文件，添加 xiaoxq 用户

[xiaoxq@hadoop105  azkaban-web]$ vim /opt/module/azkaban/azkaban-web/conf/azkaban-users.xml

<azkaban-users>
  <user groups="azkaban" password="azkaban" roles="admin" username="azkaban"/>
  <user password="metrics" roles="metrics" username="metrics"/>
    
  <user password="xiaoxq" roles="metrics,admin" username="xiaoxq"/>
    
  <role name="admin" permissions="ADMIN"/>
  <role name="metrics" permissions="METRICS"/>
</azkaban-users>

3）必须进入到 hadoop105 的 /opt/module/azkaban/azkaban-web 路径，启动 web server

[xiaoxq@hadoop105  azkaban-web]$ bin/start-web.sh

4）访问http://hadoop105:8081,并用xiaoxq用户登陆