大数据入门第十二天——azkaban入门

一、概述

　　1.azkaban是什么

　　　　通过官方文档：https://azkaban.github.io/


　　　　中文翻译：


　　2.为什么需要工作流调度系统　

　　l 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

　　l 各任务单元之间存在时间先后及前后依赖关系

　　l 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；

　　3.实现方式　

　　　　简单的任务调度：直接使用linux的crontab来定义；

　　　　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等

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。
详情如下：
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

工作流管理
Azkaban支持浏览器以及ajax方式操作工作流
Oozie支持命令行、HTTP REST、Java API、浏览器操作工作流

与oozie的详细对比
　　　　oozie暂不展开

二、安装与配置

　　1.准备　

　　　　目前azkaban只支持 mysql,需安装mysql服务器，并且需要特定的表结构进行存储（这里不像hive会自动创建，需要手动运行SQL脚本）　　　

　　　　Azkaban Web服务器

　　　　　　azkaban-web-server-2.5.0.tar.gz

　　　　Azkaban执行服务器

　　　　　　azkaban-executor-server-2.5.0.tar.gz

　　　　


　　以上的文件是通过自己用gradle构建而来，具体参考：这里

　　2.安装

　　　　在家目录（与apps/同级）下建立专门的文件夹

[hadoop@mini1 ~]$ mkdir azkaban

　　　　解压

[hadoop@mini1 ~]$ tar -zxvf azkaban-web-server-2.5.0.tar.gz -C azkaban

[hadoop@mini1 ~]$ tar -zxvf azkaban-executor-server-2.5.0.tar.gz -C azkaban

[hadoop@mini1 ~]$ tar -zxvf azkaban-sql-script-2.5.0.tar.gz -C azkaban

　　　　重命名（方便管理，可自定义）

[hadoop@mini1 azkaban]$ mv azkaban-web-2.5.0/ server
[hadoop@mini1 azkaban]$ mv azkaban-executor-2.5.0/ executor

　　　　导入Mysql脚本

[hadoop@mini1 azkaban]$ mysql -uroot -pZcc170821#

mysql> create database azkaban;
Query OK, 1 row affected (0.01 sec)

mysql> use azkaban;
Database changed
mysql> source /home/hadoop/azkaban/azkaban-2.5.0/create-all-sql-2.5.0.sql;

　　　　配置SSL（azkaban需要https访问）

参考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL 命令: keytool -keystore keystore -alias jetty -genkey -keyalg RSA
运行此命令后,会提示输入当前生成 keystor的密码及相应信息,输入的密码请劳记,信息如下:

输入keystore密码： 123456（纯粹为了方便记忆这里）
再次输入新密码:
# 以下可以不填（直接enter），这样就是Unknown，当然也可以自定义填入
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]：
您所在的州或省份名称是什么？
[Unknown]：
该单位的两字母国家代码是什么
[Unknown]：  CN
CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN 正确吗？
[否]：  y

输入<jetty>的主密码
（如果和 keystore 密码相同，按回车）：
再次输入新密码:
完成上述工作后,将在当前目录生成 keystore 证书文件,将keystore
考贝到 azkaban web服务器根目录中.如:cp keystore server/

　　　　统一时区　

　　拷贝该时区文件，覆盖系统本地时区配置（最好3台机器都统一）

cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

　　//如果文件不存在，通过tzselect 命令生成即可

　　　　如果用ntp做时间同步，参考：https://www.cnblogs.com/zwingblog/p/6110588.html

　　　　简单的时间同步：

sudo date -s '2018-02-26 19:41:58'
hwclock -w

　　　　web服务器配置

　　　　　　进入web服务器目录，修改conf/azkaban.properties，下面红色的即为本次需要调整的，按需调整！

#Azkaban Personalization Settings
azkaban.name=Test                           #服务器UI名称,用于服务器上方显示的名字
azkaban.label=My Local Azkaban                               #描述
azkaban.color=#FF3601                                                 #UI颜色
azkaban.default.servlet.path=/index                         #
web.resource.dir=web/                                                 #默认根web目录
default.timezone.id=Asia/Shanghai                           #默认时区,已改为亚洲/上海 默认为美国

#Azkaban UserManager class
user.manager.class=azkaban.user.XmlUserManager   #用户权限管理默认类
user.manager.xml.file=conf/azkaban-users.xml              #用户配置,具体配置参加下文

#Loader for projects
executor.global.properties=conf/global.properties    # global配置文件所在位置
azkaban.project.dir=projects                                                #

database.type=mysql                                                              #数据库类型
mysql.port=3306                                                                       #端口号
mysql.host=hadoop03                                                      #数据库连接IP
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
# Velocity dev mode
velocity.dev.mode=false
# Jetty服务器属性.
jetty.maxThreads=25                                                               #最大线程数
jetty.ssl.port=8443                                                                   #Jetty SSL端口
jetty.port=8081                                                                         #Jetty端口
jetty.keystore=keystore                                                          #SSL文件名
jetty.password=123456                                                             #SSL文件密码
jetty.keypassword=123456                                                      #Jetty主密码 与 keystore文件相同
jetty.truststore=keystore                                                                #SSL文件名
jetty.trustpassword=123456                                                   # SSL文件密码

# 执行服务器属性
executor.port=12321                                                               #执行服务器端口

# 邮件设置
mail.sender=xxxxxxxx@163.com                                       #发送邮箱
mail.host=smtp.163.com                                                       #发送邮箱smtp地址
mail.user=xxxxxxxx                                       #发送邮件时显示的名称
mail.password=**********                                                 #邮箱密码
job.failure.email=xxxxxxxx@163.com                              #任务失败时发送邮件的地址
job.success.email=xxxxxxxx@163.com                            #任务成功时发送邮件的地址
lockdown.create.projects=false                                           #
cache.directory=cache                                                            #缓存目录

　　　　再修改azkaban-users.xml，配置web页面的用户

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

　　　　executor执行服务器配置　　　　

　　　　　　进入执行服务器安装目录conf,修改azkaban.properties

#Azkaban
default.timezone.id=Asia/Shanghai                                              #时区

# Azkaban JobTypes 插件配置
azkaban.jobtype.plugin.dir=plugins/jobtypes                   #jobtype 插件所在位置

#Loader for projects
executor.global.properties=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=192.168.20.200                                                           #数据库IP地址
mysql.database=azkaban                                                                #数据库实例名
mysql.user=azkaban                                                                         #数据库用户名
mysql.password=oracle                                                                   #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

　　　　3.启动

　　　　都需要在根目录启动：

　　　　　　web服务器

bin/azkaban-web-start.sh

　　//启动后敲一个回车也是可以自动到后台

　　　　启动到后台：

nohub bin/azkaban-web-start.sh 1>/tmp/az.out 2>/tmp/azerr.out &

　　　　　　执行服务器

bin/azkaban-executor-start.sh

　　　　　　访问：

https://服务器IP地址:8443

　　　　//输入上面配置的web用户即可！

　　4.停止

[hadoop@mini1 executor]$ bin/azkaban-executor-shutdown.sh

[hadoop@mini1 server]$ bin/azkaban-web-shutdown.sh

三、azkaban实战

　　Azkaba内置的任务类型支持command、java

　　1、command类型单一job　　　

　　　　1、创建job描述文件

　　　　　　vi command.job

　　　　　　　　　　如果报错配置文件不合法，需要修改为UTF-8格式！

#command.job
type=command
command=echo 'hello'　　　

　　　　2、将job资源文件打包成zip文件

　　　　　　zip command.zip command.job　　　　

　　　 3、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

　　　　


　　　　4.启动job

　　　　


　　　　　　立刻执行：

　　　　　　　　


　　　　　　定时调度：

　　　　　　


　　　　5.执行结果

　　　　　　


　　　　　　由于是通过shell去执行的，所以在我们的shell的窗口是看不到的，但是可以在details里面看到！

　　2.多job类型command

　　　　创建多个有依赖关系的Job描述

　　　　foo.job

# foo.job
type=command
command=echo foo

　　　　bar.job

# bar.job
type=command
dependencies=foo
command=echo bar

　　　　将多个Job打成一个zip包

　　　　　　foobar.zip

　　　　上传zip包

　　　　　　同上文上传，新建工程上传即可

　　　　启动工作流

　　　3.HDFS操作任务

　　　　　由于要执行hadoop命令，应该先找出hadoop命令的位置：（hadoop程序请先开启）

[hadoop@mini1 ~]$ which hadoop
~/apps/hadoop-2.6.4/bin/hadoop

　　　　创建Job描述文件

# fs.job
type=command
command=/home/hadoop/apps/hadoop-2.6.4/bin/hadoop fs -mkdir /azaz

　　　　添加到压缩包

　　　　　　fs.zip

　　　　新建项目，上传zip

　　　　启动Job

　　　　4.跑MapReduce程序

　　　　创建Job描述文件

　　　　　　和上面一样，先找出Hadoop命令的绝对路径

# mrwc.job
type=command
command=/home/hadoop/apps/hadoop-2.6.4/bin/hadoop  jar hadoop-mapreduce-examples-2.6.1.jar wordcount /wordcount/input /wordcount/azout

　　　// 如果没有相关的input目录与要统计的文件，请提前建立目录hadoop fs -mkidr -p /xxx

　　　　　将mrwc的job文件与相应的Jar打包

　　　　　　


　　　　　新建project，上传zip包

　　　　　启动job

　　　　5.hive脚本任务

　　　　　　1.创建job描述文件与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 ',';
load data inpath '/aztest/hiveinput' into table aztest;
create table azres as select * from aztest;
insert overwrite directory '/aztest/hiveoutput' select count(1) from aztest;

　　　　　　// 如果缺少相关的目录与数据，请先在HDFS上创建-mkdir -p / -put等

[hadoop@mini1 ~]$ hadoop fs -mkdir -p /aztest/hiveinput
[hadoop@mini1 ~]$ hadoop fs -put user2.dat /aztest/hiveinput

　　　　　　job描述文件：hivef.job

# hivef.job
type=command
command=/home/hadoop/apps/hive-1.2.1/bin/hive -f 'test.sql'

　　　　// 同样，先通过which hive定位

　　　　2.将所有资源文件：test.sql和hivef.job打成zip

　　　　3.新建工程，上传zip

　　　　4.执行Job