Azkaban 看这一篇就够了！任务调度平台的搭建，使用，以及API开发

当你的才华还撑不起你的野心时，那你就应该静下心来学习。每次脑子都会有很多想法，每次做了之后，还是觉得需要沉淀下来提升自己更加重要。著名的红叶子理论：一个人职业的成功不在于红叶子的数目多少，而在于他是否具备一片特别硕大的红叶子，这片特别硕大的红叶子不是与生俱来，需要个人的不断努力，准确地识别到最适合发展的红叶子。

目录大纲

0 写在前面的话

1.1 初识Azkaban

1.2 为什么需要任务调度器

1.3 常见几种任务调度器

1.4 Azkaban和Hadoop的关系

1.5 Azkaban 底层原理

2 Azkaban任务调度平台搭建

3 Azkaban Web可视化平台详细介绍以及使用

4 Azkaban API 功能预览

4.1 对接Azkaban，进行二次开发，使其嵌入到系统中

5 平台搭建中的问题总结

1.1 初识Azkaban

起源：Linkedin开源的一个批量工作流调度器

特征：一个工作流内，多个作业可以按照特定的顺序执行

依赖关系：作业之间的顺序关系依靠key-value的形式来建立依赖关系

可视界面：提供可视化web界面

1.2 为什么需要任务调度器

定时任务的出现，可谓大大提高了工作效率。最简单的定时任务，就是你手机的闹钟，你给它一个定时任务，到了指定时间它就叫醒你。程序当中也是如此，那些反复繁琐的操作，可以交给任务调度器去执行，这样既能避免人为的失误，也能让工作人员从无意义的工作中解脱出来！

什么是工作流任务调度器？

很多时候，单一的任务并没有办法满足我们的业务需求，任务直接有关联性，这时候工作流就诞生了！

1.3 常见几种任务调度器

常见的几种工作流任务调度器介绍

Hamake:

• 描述语言：xml
• 依赖机制：data-driven
• 不需要web容器
• 支持hadoop 作业调度
• 运行模式：command line utility
• 事件通知：不支持
• 无需安装

Oozie

• 描述语言：xml
• 依赖机制：explicit
• 需要web容器
• 不支持hadoop作业调度
• 运行模式：daemon
• 事件通知：不支持
• 需要安装

Azkaban

• 描述语言：text file with key/value pairs
• 依赖机制：explicit
• 需要web容器
• 支持Hadoop 作业调度
• 运行模式daemon
• 事件通知：不支持
• 需要安装

Cascading

• 工作流描述语言：Java Api
• 依赖机制：explicit
• 不需要web容器
• 支持hadoop 作业调度
• 运行模式 API
• 事件通知：有
• 无需安装

市面上最流行的工作流任务调度器大致有以下这两种：

• ooize
• azkaban

下面就这两种,进行详细的阐述

ooize 偏重量级，功能全面，但是配置却更加复杂

azkaban 偏轻量级，功能稍微缺少一些, 但是配置简单

功能方面：

• 均可调度mapreduce,pig,java,脚本工作流任务
• 均可定时执行工作流任务

工作流传参

Azkaban支持直接传参，例如inputOozie支持参数和EL表达式

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

资源控制

• 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

1.4 Azkaban 和 Hadoop的关系

Azkaban 几乎是Hadoop的御用工作流任务调度器

1.5 Azkaban 底层原理简述

架构图：

图片来源于网络。

从上图可见，Azkaban集群部署模式，主要有3个核心的组件：

Azkaban WebServer

Azkaban WebServer，是整个调度集群的核心，负责所有作业的管理和调度。

Azkaban ExecutorServer

Azkaban ExecutorServer，整个调度集群中实际运行作业的节点

DB

DB，是集群中所有节点运行共用的数据存储，包含作业信息、各种调度元数据等。

更加详细的了解，可以去谷哥或者度娘，本篇不做太深入的阐述

2 Azkaban任务调度平台搭建

注意：系统环境为linux系统

1. 下载安装

• 下载地址：http://azkaban.github.io/downloads.html

Azkaban Web 服务器：azkaban-web-server-2.5.1.tar.gz

Azkaban Excutor 执行服务器：azkaban-executor-server-2.5.1.tar.gz

Azkaban 脚本文件：azkaban-sql-script-2.5.1.tar.gz

2.安装说明

将以上三个压缩包下载下来，上传到需要安装azkaban的服务器上

3.安装步骤

1. 创建目录

切换到常用的/usr/local 目录下

[root@hadoop-demo ~]$ cd /usr/local

[root@hadoop-demo local]$ mkdir azkaban

2. 上传下载好的压缩包，解压到指定目录

解压命令：tar -zxvf 压缩包 -C 解压到那个目录

[root@hadoop-demo ~]$ tar -zxvf azkaban-web-server-2.5.1.tar.gz -C /usr/local/azkaban/

[root@hadoop-demo ~]$ tar -zxvf azkaban-executor-server-2.5.1.tar.gz -C /usr/local/azkaban/

3.解压脚本

解压azkaban的sql脚本

[root@hadoop-demo ~]$ tar -zxvf azkaban-sql-script-2.5.1.tar.gz

[root@hadoop-demo ~]$ cd azkaban-2.5.1/

4. 将create-all-sql-2.5.1.sql导入到MySQL数据库中

• 创建一个名为azkaban的数据库
• 选择表 --> 运行SQL文件 --> 选择sql
• 导入后,刷新表就可以看到

5. 创建SSL配置

• 执行命令

keytool -keystore keystore -alias jetty -genkey -keyalg RSA

会在当前目录生成一个keystore证书文件，需要填写一些信息，比如你的姓名,工作单位等。按照提示填写即可。

直接一路回车也是可以的，直接回车就是默认

[root@hadoop-demo azkaban]$ keytool -keystore keystore -alias jetty -genkey -keyalg RSA

输入密钥库口令:

再次输入新口令:

您的名字与姓氏是什么?

[Unknown]:

您的组织单位名称是什么?

[Unknown]:

您的组织名称是什么?

[Unknown]:

您所在的城市或区域名称是什么?

[Unknown]:

您所在的省/市/自治区名称是什么?

[Unknown]:

该单位的双字母国家/地区代码是什么?

[Unknown]: CN

CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN是否正确?

[否]: 是

输入 <jetty> 的密钥口令

(如果和密钥库口令相同, 按回车):

[root@hadoop-demo azkaban]$

• 然后把 keystore 考贝到 azkaban web服务器bin目录中使用mv命令或者copy

6.修改时区

[root@hadoop-demo azkaban]$ sudo cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

7.修改azkaban web 服务器配置

进入 azkaban web 服务器安装目录 conf 目录

[root@hadoop-demo ~]$ cd /usr/local/azkaban/azkaban-web-2.5.1/conf/

修改 azkaban.properties 文件

[root@hadoop-demo conf]$ vim azkaban.properties

配置文件详解：

#Azkaban Personalization Settings

azkaban.name=MyTestAzkaban #服务器 UI 名称

azkaban.label=My Local Azkaban #描述标签

azkaban.color=#FF3601 #‘Web UI的 颜色

azkaban.default.servlet.path=/index

web.resource.dir=/usr/local/azkaban/azkaban-web-2.5.1/web/ #默认根 web 目录

default.timezone.id=Asia/Shanghai #默认时区,已修改为亚洲/上海

... 篇幅有限，此处省略其他

修改 azkaban-users.xml配置文件

用户配置 进入 azkaban web 服务器 conf 目录,修改 azkaban-users.xml vim azkaban-users.xml 管理管理员用户

<azkaban-users>

<user username="azkaban" password="azkaban" roles="admin" groups="azkaban" />

<role name="admin" permissions="ADMIN" />

<role name="metrics" permissions="METRICS"/>

</azkaban-users>

修改azkaban executor服务器配置

进入 azkaban executor 服务器安装目录 conf 目录

[root@hadoop-demo ~]$ cd /usr/local/azkaban

cd azkaban-executor-2.5.1/conf/

修改azkaban.properties文件

[root@hadoop-demo conf]$ vim azkaban.properties

#Azkaban

default.timezone.id=Asia/Shanghai #时区

# Azkaban JobTypes 插件配置，插件所在位置

azkaban.jobtype.plugin.dir=/home/hadoop/apps/azkaban-2.5.0/azkaban-executor-2.5.0/plugins/jobtypes

#Loader for projects

executor.global.properties=/home/hadoop/apps/azkaban-2.5.0/azkaban-executor-2.5.0/conf/global.properties

azkaban.project.dir=projects

#数据库设置

database.type=mysql #数据库类型(目前只支持 mysql)

mysql.port=3306 #数据库端口号

mysql.host=hadoop03 #数据库 IP 地址

mysql.database=azkaban #数据库实例名

mysql.user=root #数据库用户名

mysql.password=root #数据库密码

mysql.numconnections=100 #最大连接数

# 执行服务器配置

executor.maxThreads=50 #最大线程数

executor.port=12321 #端口号(如修改,请与 web 服务中一致)

executor.flow.threads=30 #线程数

配置环境变量

[root@hadoopdemo ~]$ vi .bashrc

#Azkban

export AZKABAN_WEB_HOME=/usr/local/azkaban/azkaban-web-2.5.1

export AZKABAN_EXE_HOME=/usr/local/azkaban/azkaban-executor-2.5.0

export PATH=$PATH:$AZKABAN_WEB_HOME/bin:$AZKABAN_EXE_HOME/bin

// 保存之后使其立即生效

[root@hadoop3 ~]$ source .bashrc

运行启动

启动web服务器

[root@hadoop3-demo ~]$ azkaban-web-start.sh

后台启动方式

nohup azkaban-web-start.sh &

启动executor服务器

[root@hadoop-demo ~]$ azkaban-executor-start.sh

后台启动方式

nohup azkaban-executor-start.sh &

验证

打开谷歌或是火狐浏览器输入https://服务器ip:8443

可看到以下界面：

输入在配置文件azkaban-users.xml，中配置的用户名密码azkaban/azkaban，点击登录

3.Azkaban Web可视化平台介绍以及使用

首页有四个菜单

• projects：项目/工程，管理工程，已经工程下的工作流，作业等。左侧是分类，个人/分组/全部
• scheduling:显示定时任务
• executing:显示当前运行的任务
• history:显示历史运行任务

创建工程：

一个工程可以包含多个flows，一个flows可以包含多个job；job代表一个作业，作业可以是shell命令，shell脚本等。一个作业可以依赖其他作业，这样的作业组成的流图叫flow。

1、Command 类型单一 job 示例

（1）首先创建一个工程，填写名称和描述

（2）点击创建之后

• Flows：工作流程，由多个job组成
• Permissions:权限
• Project Logs:项目日志

（3）job的创建

创建job很简单，只要创建一个以.job结尾的文本文件就行了,例如我们创建一个工作，用来打印hello，名字叫做command.job

可以先创建command.txt，写入一下内容后将后缀改为.job

# 第一个job

type=command

command=echo "hello"

这样job就创建好了，type等于command的意思是告诉azkaban用unix原生命令去运行。一个工程不可能只有一个job，我们现在创建多个依赖job，这也是采用azkaban的首要目的。

（4）将 job 资源文件打成压缩zip包

千万注意：只能是zip格式

（5）通过 azkaban web 管理平台创建 project 并上传压缩包

查看工程

执行flow，点击Execute，Schedule是使用cron表达式定时执行

执行结果，点击details查看日志

执行日志

2、Command 类型多 job 工作流 flow

（1）创建项目

我们说过多个jobs和它们的依赖组成flow。怎么创建依赖，只要指定dependencies参数就行了。定义3个job：

1、a.job

2、b.job

3、c.job

依赖关系：3依赖1和2

a.job

type=command

command=echo "a"

b.job

type=command

command=echo "b"

c.job

type=command

command=echo "c"

#多个依赖用逗号隔开

dependencies=a,b

（2）上传

说明

• Flow view：流程视图。可以禁用，启用某些job
• Notification:定义任务成功或者失败是否发送邮件
• Failure Options:定义一个job失败，剩下的job怎么执行
• Concurrent：并行任务执行设置
• Flow Parametters：参数设置。可指定执行器执行

（3）执行一次

设置参数，点击execute。绿色代表成功，蓝色是运行，红色是失败。可以查看job运行时间，依赖和日志，点击details可以查看各个job运行情况。

（4）执行定时任务

选择日期生成cron表达式,根据cron表达式进行定时执行

4 Azkaban API 功能预览

官方api地址：https://azkaban.github.io/azkaban/docs/latest/#ajax-api

文档是英文文档, 建议大家不要谷歌翻译, 谷歌翻译后更加不通顺，有阅读障碍

功能预览：

• Authenticate 认证登录
• Create a Project 创建项目
• Delete a Project 删除项目
• Upload a Project Zip 上传zip包
• Fetch Flows of a Project 获取一个项目中所有流的id
• Fetch Jobs of a Flow 获取一个流下面的所有作业
• Fetch Executions of a Flow 获取一个流的执行情况
• Fetch Running Executions of a Flow 获取一个正在执行的流的信息
• Execute a Flow 执行一个流
• Cancel a Flow Execution 关闭一个正在执行的流
• Schedule a period-based Flow (Deprecated) 定时执行一个流
• Flexible scheduling using Cron 使用cron表达式定时执行
• Fetch a Schedule 获取调度
• Unschedule a Flow 取消调度
• Set a SLA 设置SLA
• Fetch a SLA 获取一个SLA
• Pause a Flow Execution 暂停一个流
• Resume a Flow Execution 重新执行一个流
• Fetch a Flow Execution 获取流的详细执行情况
• Fetch Execution Job Logs 获取Job日志
• Fetch Flow Execution Updates 它通过lastUpdateTime过滤，后者只返回事后更新的作业信息。

4.1 对接Azkaban，进行二次开发，使其嵌入到系统中

这些是从生产环境中封装好的, 大家可以直接运用到实际工作中。

End.

挖数网专栏作者：尘心Jason

作者介绍：5年互联网大数据开发经验，丰富的项目开发经历

本文为中国统计网原创文章，未经允许禁止转载，需要转载请微信联系授权（微信号：lovedata0420）