大數據任務調度：Azkaban詳細安裝配置與案例實操

第1章 Azkaban概論

1.1 為什么需要工作流調度系統

1）一個完整的數據分析系統通常都是由大量任務單元組成：

Shell腳本程序，JAVA程序，MapReduce程序、Hive腳本等

2）各任務單元之間存在時間先后及前后依賴關系

3）為了很好地組織起這樣的復雜執行計劃，需要一個工作流調度系統來調度執行；

1.2 常見工作流調度系統

1）簡單的任務調度：直接使用linux的Crontab來定義；

2）復雜的任務調度：開發調度平臺或使用現成的開源調度系統，比如Ooize、Azkaban、 Airflow、DolphinScheduler等。

1.3 Azkaban與Oozie對比

對市面上最流行的兩種調度器，給出以下詳細對比，以供技術選型參考。總體來說，Ooize相比Azkaban是一個重量級的任務調度系統，功能全面，但配置使用也更復雜。如果可以不在意某些功能的缺失，輕量級調度器Azkaban是很不錯的候選對象。

第2章 Azkaban入門

2.1 集群模式安裝

2.1.1 上傳tar包

1）將azkaban-db-3.84.4.tar.gz，azkaban-exec-server-3.84.4.tar.gz，azkaban-web-server-3.84.4.tar.gz上傳到hadoop102的/opt/software路徑

[bigdata@hadoop102 software]$ ll
總用量 35572
-rw-r--r--. 1 bigdata bigdata     6433 4月  18 17:24 azkaban-db-3.84.4.tar.gz
-rw-r--r--. 1 bigdata bigdata 16175002 4月  18 17:26 azkaban-exec-server-3.84.4.tar.gz
-rw-r--r--. 1 bigdata bigdata 20239974 4月  18 17:26 azkaban-web-server-3.84.4.tar.gz

2）新建/opt/module/azkaban目錄，并將所有tar包解壓到這個目錄下

[bigdata@hadoop102 software]$ mkdir /opt/module/azkaban

3）解壓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目錄下

[bigdata@hadoop102 software]$ tar -zxvf azkaban-db-3.84.4.tar.gz -C /opt/module/azkaban/
[bigdata@hadoop102 software]$ tar -zxvf azkaban-exec-server-3.84.4.tar.gz -C /opt/module/azkaban/
[bigdata@hadoop102 software]$ tar -zxvf azkaban-web-server-3.84.4.tar.gz -C /opt/module/azkaban/

4）進入到/opt/module/azkaban目錄，依次修改名稱

[bigdata@hadoop102 azkaban]$ mv azkaban-exec-server-3.84.4/ azkaban-exec

[bigdata@hadoop102 azkaban]$ mv azkaban-web-server-3.84.4/ azkaban-web

2.1.2 配置MySQL

1）正常安裝MySQL

詳見《Hive安裝與配置》

2）啟動MySQL

[bigdata@hadoop102 azkaban]$ mysql -uroot -p000000

3）登陸MySQL，創建Azkaban數據庫

mysql> create database azkaban;

4）創建azkaban用戶并賦予權限

設置密碼有效長度4位及以上

mysql> set global validate_password_length=4;

設置密碼策略最低級別

mysql> set global validate_password_policy=0;

創建Azkaban用戶，任何主機都可以訪問Azkaban，密碼是000000

mysql> CREATE USER 'azkaban'@'%' IDENTIFIED BY '000000';

賦予Azkaban用戶增刪改查權限

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

5）創建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連接MySQL阻塞

[bigdata@hadoop102 software]$ sudo vim /etc/my.cnf

在[mysqld]下面加一行max_allowed_packet=1024M

[mysqld]

max_allowed_packet=1024M

8）重啟MySQL

[bigdata@hadoop102 software]$ sudo systemctl restart mysqld

2.1.3 配置Executor Server

Azkaban Executor Server處理工作流和作業的實際執行。

1）編輯azkaban.properties

[bigdata@hadoop102 azkaban]$ vim /opt/module/azkaban/azkaban-exec/conf/azkaban.properties

修改如下標紅的屬性

#...
default.timezone.id=Asia/Shanghai
#...
azkaban.webserver.url=http://hadoop102:8081

executor.port=12321
#...
database.type=mysql
mysql.port=3306
mysql.host=hadoop102
mysql.database=azkaban
mysql.user=azkaban
mysql.password=000000
mysql.numconnections=100
在最后添加
executor.metric.reports=true
executor.metric.milisecinterval.default=60000

2）同步azkaban-exec到所有節點

[bigdata@hadoop102 azkaban]$ xsync /opt/module/azkaban/azkaban-exec

3）必須進入到/opt/module/azkaban/azkaban-exec路徑，分別在三臺機器上，啟動executor server

[bigdata@hadoop102 azkaban-exec]$ bin/start-exec.sh

[bigdata@hadoop103 azkaban-exec]$ bin/start-exec.sh

[bigdata@hadoop104 azkaban-exec]$ bin/start-exec.sh

注意：如果在/opt/module/azkaban/azkaban-exec目錄下出現executor.port文件，說明啟動成功

4）下面激活executor，需要

[bigdata@hadoop102 azkaban-exec]$ curl -G "hadoop102:$(<./executor.port)/executor?action=activate" && echo

[bigdata@hadoop103 azkaban-exec]$ curl -G "hadoop103:$(<./executor.port)/executor?action=activate" && echo

[bigdata@hadoop104 azkaban-exec]$ curl -G "hadoop104:$(<./executor.port)/executor?action=activate" && echo

如果三臺機器都出現如下提示，則表示激活成功

{"status":"success"}

2.1.4 配置Web Server

Azkaban Web Server處理項目管理，身份驗證，計劃和執行觸發。

1）編輯azkaban.properties

[bigdata@hadoop102 azkaban]$ vim /opt/module/azkaban/azkaban-web/conf/azkaban.properties

修改如下屬性

...
default.timezone.id=Asia/Shanghai
...
database.type=mysql
mysql.port=3306
mysql.host=hadoop102
mysql.database=azkaban
mysql.user=azkaban
mysql.password=000000
mysql.numconnections=100
...
azkaban.executorselector.filters=StaticRemainingFlowSize,CpuStatus

說明：

#StaticRemainingFlowSize：正在排隊的任務數；

#CpuStatus：CPU占用情況

#MinimumFreeMemory：內存占用情況。測試環境，必須將MinimumFreeMemory刪除掉，否則它會認為集群資源不夠，不執行。

2）修改azkaban-users.xml文件，添加bigdata用戶

[bigdata@hadoop102 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="bigdata" roles="metrics,admin" username="bigdata"/>

  <role name="admin" permissions="ADMIN"/>
  <role name="metrics" permissions="METRICS"/>
</azkaban-users>

3）必須進入到hadoop102的/opt/module/azkaban/azkaban-web路徑，啟動web server

[bigdata@hadoop102 azkaban-web]$ bin/start-web.sh

4）訪問http://hadoop102:8081,并用bigdata用戶登陸

2.2 Work Flow案例實操

2.2.1 HelloWorld案例

1）在windows環境，新建azkaban.project文件，編輯內容如下

azkaban-flow-version: 2.0

注意：該文件作用，是采用新的Flow-API方式解析flow文件。

2）新建basic.flow文件，內容如下

nodes:
  - name: jobA
    type: command
    config:
      command: echo "Hello World"

（1）Name：job名稱

（2）Type：job類型。command表示你要執行作業的方式為命令

（3）Config：job配置

3）將azkaban.project、basic.flow文件壓縮到一個zip文件，文件名稱必須是英文。

4）在WebServer新建項目：http://hadoop102:8081/index

5）給項目名稱命名和添加項目描述

6）first.zip文件上傳

7）選擇上傳的文件

8）執行任務流

9）在日志中，查看運行結果

2.2.2 作業依賴案例

需求：JobA和JobB執行完了，才能執行JobC

具體步驟：

1）修改basic.flow為如下內容

nodes:
  - name: jobC
    type: command
    # jobC 依賴 JobA和JobB
    dependsOn:
      - jobA
      - jobB
    config:
      command: echo "I’m JobC"

  - name: jobA
    type: command
    config:
      command: echo "I’m JobA"

  - name: jobB
    type: command
    config:
      command: echo "I’m JobB"

（1）dependsOn：作業依賴，后面案例中演示

2）將修改后的basic.flow和azkaban.project壓縮成second.zip文件

3）重復2.3.1節HelloWorld后續步驟。

2.2.3 內嵌工作流案例

需求：JobA執行完后執行JobB，JobA和JobB形成一個工作流embedded_flow；JobC依賴于embedded_flow該工作流。

1）工作流定義文件中可以添加子工作流，例如：

nodes:
  - name: jobC
    type: command
    # jobC 依賴embedded_flow
    dependsOn:
      - embedded_flow
    config:
      command: echo "I’m JobC"

  - name: embedded_flow
    type: flow
    nodes:
      - name: jobB
        type: noop
        dependsOn:
          - jobA

      - name: jobA
        type: command
        config:
          command: pwd

參數說明：

type: 作業類型。flow表示，定義為工作流類型

type: noop 什么也不處理

2）將修改后的basic.flow和azkaban.project壓縮成three.zip文件

3）重復2.3.1節HelloWorld后續步驟。

2.2.4 自動失敗重試案例

需求：如果執行任務失敗，需要重試3次，重試的時間間隔10000ms

具體步驟：

1）編譯配置流

nodes:
  - name: JobA
    type: command
    config:
      command: sh /not_exists.sh
      retries: 3
      retry.backoff: 10000

參數說明：

retries：重試次數

retry.backoff：重試的時間間隔

2）將修改后的basic.flow和azkaban.project壓縮成four.zip文件

3）重復2.3.1節HelloWorld后續步驟。

4）執行并觀察到一次失敗+三次重試

5）也可以點擊上圖中的Log，在任務日志中看到，總共執行了4次。

6）也可以在Flow全局配置中添加任務失敗重試配置，此時重試配置會應用到所有Job。

案例如下：

config:
  retries: 3
  retry.backoff: 10000
nodes:
  - name: JobA
    type: command
    config:
      command: sh /not_exists.sh

2.2.5 手動失敗重試案例

需求：JobA=》JobB（依賴于A）=》JobC=》JobD=》JobE=》JobF。生產環境，任何Job都有可能掛掉，可以根據需求執行想要執行的Job。

具體步驟：

1）編譯配置流

nodes:
  - name: JobA
    type: command
    config:
      command: echo "This is JobA."

  - name: JobB
    type: command
    dependsOn:
      - JobA
    config:
      command: echo "This is JobB."

  - name: JobC
    type: command
    dependsOn:
      - JobB
    config:
      command: echo "This is JobC."

  - name: JobD
    type: command
    dependsOn:
      - JobC
    config:
      command: echo "This is JobD."

  - name: JobE
    type: command
    dependsOn:
      - JobD
    config:
      command: echo "This is JobE."

  - name: JobF
    type: command
    dependsOn:
      - JobE
    config:
      command: echo "This is JobF."

2）將修改后的basic.flow和azkaban.project壓縮成five.zip文件

3）重復2.3.1節HelloWorld后續步驟。