CC00001.Azkaban——|Hadoop&azkaban.V01|——|azkaban.v01|工作调度系统|

一、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，
~~~     需要一个⼯工作流调度系统来调度任务的执行。

~~~     # 假如：

~~~     有这样一个需求，某业务系统每天产生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。

### --- 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

### --- Azkaban与Oozie对⽐比

~~~     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