目录
⼯作流调度系统Azkaban
第 1 节 概述
1.1 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,需要⼀个⼯作流调度系统来调度任务的执⾏。
假如,我有这样⼀个需求,某个业务系统每天产⽣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。
1.2 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
1.3 Azkaban与Oozie对⽐
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
第 2 节 Azkaban介绍
Azkaban是由linkedin(领英)公司推出的⼀个批量⼯作流任务调度器,⽤于在⼀个⼯作流内以⼀个特定的顺序运⾏⼀组⼯作和流程。Azkaban使⽤job配置⽂件建⽴任务之间的依赖关系,并提供⼀个易于使⽤的web⽤户界⾯维护和跟踪你的⼯作流
Azkaban定义了⼀种KV⽂件(properties)格式来建⽴任务之间的依赖关系,并提供⼀个易于使⽤的web⽤户界⾯维护和跟踪你的⼯作流。
有如下功能特点
- Web⽤户界⾯
- ⽅便上传⼯作流
- ⽅便设置任务之间的关系
- 调度⼯作流
架构⻆⾊
mysql服务器: 存储元数据,如项⽬名称、项⽬描述、项⽬权限、任务状态、SLA规则等
AzkabanWebServer:对外提供web服务,使⽤户可以通过web⻚⾯管理。职责包括项⽬管理、权限授权、任务调度、监控executor。
AzkabanExecutorServer:负责具体的⼯作流的提交、执⾏。
第 3 节 Azkaban安装部署
3.1 Azkaban的安装准备⼯作
1 编译
这⾥选⽤azkaban3.51.0这个版本⾃⼰进⾏重新编译,编译完成之后得到我们需要的安装包进⾏安装
cd /opt/lagou/software/
wget https://github.com/azkaban/azkaban/archive/3.51.0.tar.gz
tar -zxvf 3.51.0.tar.gz -C ../servers/
cd /opt/lagou/servers/azkaban-3.51.0/
yum -y install git
yum -y install gcc-c++
./gradlew build installDist -x test
Gradle是⼀个基于Apache Ant和Apache Maven的项⽬⾃动化构建⼯具。-x test 跳过测试。(注意联⽹下载jar可能会失败、慢)
2 上传编译后的安装⽂件
在linux122节点创建⽬录
mkdir /opt/lagou/servers/azkaban
3.2 solo-server模式部署
1 单服务模式安装
1 解压
azkaban 的solo server使⽤的是⼀个单节点的模式来进⾏启动服务的,只需要⼀个azkaban-soloserver-0.1.0-SNAPSHOT.tar.gz的安装包即可启动,所有的数据信息都是保存在H2这个azkaban默认的数据当中,
tar -zxvf azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz -C ../../servers/azkaban
2 修改配置⽂件
修改时区配置⽂件
cd /opt/lagou/servers/azkaban/azkaban-solo-server-0.1.0-SNAPSHOT/conf
vim azkaban.properties
default.timezone.id=Asia/Shanghai
修改commonprivate.properties配置⽂件
cd /opt/lagou/servers/azkaban-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes
vim commonprivate.properties
execute.as.user=false
memCheck.enabled=false
azkaban默认需要3G的内存,剩余内存不⾜则会报异常。
3 启动solo-server
cd /opt/lagou/servers/azkaban-solo-server-0.1.0-SNAPSHOT
bin/start-solo.sh
4 浏览器⻚⾯访问
浏览器⻚⾯访问
登录信息
⽤户名:azkaban
密码: azkaban
2 单服务模式使⽤
需求:使⽤azkaban调度我们的shell脚本,执⾏linux的shell命令
具体步骤
开发job⽂件
创建普通⽂本⽂件 foo.job,⽂件内容如下
type=command
command=echo 'hello world'
打成压缩包
上传压缩包到Azkaban
创建project
指定project名称和描述信息
Azkaban上传我们的压缩包
查看⼯作流计划并执⾏
运⾏结果⻚⾯
停⽌程序
bin/shutdown-solo.sh
3.3 multiple-executor模式部署
1 安装所需软件
Azkaban Web服务安装包
azkaban-web-server-0.1.0-SNAPSHOT.tar.gz
Azkaban执⾏服务安装包
azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz
sql脚本
节点规划
2 数据库准备
linux123
进⼊mysql的客户端执⾏以下命令
mysql -uroot -p
执⾏以下命令:
SET GLOBAL validate_password_length=5; SET GLOBAL validate_password_policy=0; CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban'; GRANT all privileges ON azkaban.* to 'azkaban'@'%' identified by 'azkaban' WITH GRANT OPTION; CREATE DATABASE azkaban; use azkaban;
[root@linux123 software]mkdir /opt/lagou/servers/azkaban
[root@linux122 software]# scp azkaban-db-0.1.0-SNAPSHOT.tar.gz linux123:/opt/lagou/servers/azkaban/
#解压数据库脚本
tar -zxvf azkaban-db-0.1.0-SNAPSHOT.tar.gz -C /opt/lagou/servers/azkaban
#加载初始化sql创建表
mysql> source /opt/lagou/servers/azkaban/azkaban-db-0.1.0-SNAPSHOT/create-all-sql-0.1.0-SNAPSHOT.sql;
3 配置Azkaban-web-server
进⼊linux122节点
解压azkaban-web-server
[root@linux122 software]# tar -zxvf azkaban-web-server-0.1.0-SNAPSHOT.tar.gz -C /opt/lagou/servers/azkaban
进⼊azkaban-web-server根⽬录下
[root@linux122 software]# cd /opt/lagou/servers/azkaban/azkaban-web-server-0.1.0-SNAPSHOT
#⽣成ssl证书:
[root@linux122 azkaban-web-server-0.1.0-SNAPSHOT]# keytool -keystore keystore -alias jetty -genkey -keyalg RSA# 密码直接 azkaban 其他回车键跳过
注意:运⾏此命令后,会提示输⼊当前⽣成keystore的密码及相应信息,输⼊的密码请记住(所有密码统⼀以azkaban输⼊)
修改 azkaban-web-server的配置⽂件
cd /opt/lagou/servers/azkaban/azkaban-web-server-0.1.0-SNAPSHOT/conf
vim azkaban.properties# Azkaban Personalization Settings azkaban.name=Test azkaban.label=My Local Azkaban azkaban.color=#FF3601 azkaban.default.servlet.path=/index web.resource.dir=web/ default.timezone.id=Asia/Shanghai # 时区注意后⾯不要有空格 # Azkaban UserManager class user.manager.class=azkaban.user.XmlUserManager user.manager.xml.file=conf/azkaban-users.xml # Azkaban Jetty server properties. 开启使⽤ssl 并且知道端⼝ jetty.use.ssl=true jetty.port=8443 jetty.maxThreads=25 # KeyStore for SSL ssl相关配置 注意密码和证书路径 jetty.keystore=keystore jetty.password=azkaban jetty.keypassword=azkaban jetty.truststore=keystore jetty.trustpassword=azkaban # Azkaban mysql settings by default. Users should configure their own username and password. database.type=mysql mysql.port=3306 mysql.host=linux123 mysql.database=azkaban mysql.user=root mysql.password=12345678 mysql.numconnections=100 #Multiple Executor 设置为false azkaban.use.multiple.executors=true #azkaban.executorselector.filters=StaticRemainingFlowSize,MinimumFreeMemory,CpuStatus azkaban.executorselector.comparator.NumberOfAssignedFlowComparator=1 azkaban.executorselector.comparator.Memory=1 azkaban.executorselector.comparator.LastDispatched=1 azkaban.executorselector.comparator.CpuUsage=1
添加属性
mkdir -p plugins/jobtypes
cd plugins/jobtypes/
vim commonprivate.properties
azkaban.native.lib=false
execute.as.user=false
memCheck.enabled=false
4 配置Azkaban-exec-server
linux123节点,上传exec安装包到/opt/lagou/software
tar -zxvf azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz –C /opt/lagou/servers/azkaban/
修改azkaban-exec-server的配置⽂件
cd /opt/lagou/servers/azkaban/azkaban-exec-server-0.1.0-SNAPSHOT/conf
vim azkaban.properties
# Azkaban Personalization Settings
azkaban.name=Test
azkaban.label=My Local Azkaban
azkaban.color=#FF3601
azkaban.default.servlet.path=/index
web.resource.dir=web/
default.timezone.id=Asia/Shanghai
# Azkaban UserManager class
user.manager.class=azkaban.user.XmlUserManager
user.manager.xml.file=conf/azkaban-users.xml
# Loader for projects
executor.global.properties=conf/global.properties
azkaban.project.dir=projects
# Where the Azkaban web server is located
azkaban.webserver.url=https://linux122:8443
# Azkaban mysql settings by default. Users should configure their own usernameand password.
database.type=mysql
mysql.port=3306
mysql.host=linux123
mysql.database=azkaban
mysql.user=root
mysql.password=12345678
mysql.numconnections=100
# Azkaban Executor settings
executor.maxThreads=50
executor.port=12321
executor.flow.threads=30
分发exec-server到linux121节点
cd /opt/lagou/servers
scp -r azkaban linux121:$PWD
5 启动服务
先启动exec-server
再启动web-server
# linux121, 123启动exec-server
bin/start-exec.sh# linux122启动web-server
bin/start-web.sh
激活exec-server
启动webServer之后进程失败消失,可通过安装包根⽬录下对应启动⽇志进⾏排查。
需要⼿动激活executor
cd /opt/lagou/servers/azkaban/azkaban-exec-server-0.1.0-SNAPSHOT
curl -G "linux121:$(<./executor.port)/executor?action=activate" && echo
curl -G "linux123:$(<./executor.port)/executor?action=activate" && echo
每次重新启动都需要执行上面的
访问地址:
https://linux122:8443
第 4 节 Azkaban使⽤
1 shell command调度
创建job描述⽂件
vi command.job
type=command
command=echo 'hello'
将job资源⽂件打包成zip⽂件
zip command.job
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
启动执⾏该job
2 job依赖调度
创建有依赖关系的多个job描述
第⼀个job:foo.job
type=command
command=echo 'foo'
第⼆个job:bar.job依赖foo.job
type=command
dependencies=foo
command=echo 'bar'
将所有job资源⽂件打到⼀个zip包中
在azkaban的web管理界⾯创建⼯程并上传zip包
启动⼯作流flow
3 HDFS任务调度
创建job描述⽂件
fs.job
type=command
command=/opt/lagou/servers/hadoop-2.9.2/bin/hadoop fs -mkdir /azkaban
将job资源⽂件打包成zip⽂件
通过azkaban的web管理平台创建project并上传job压缩包
启动执⾏该job
4 MAPREDUCE任务调度
mr任务依然可以使⽤command的job类型来执⾏
创建job描述⽂件,及mr程序jar包(示例中直接使⽤hadoop⾃带的example jar)
mrwc.job
type=command
command=/opt/lagou/servers/hadoop-2.9.2/bin/hadoop jar hadoop-mapreduce-examples-2.9.2.jar wordcount /wordcount/input /wordcount/azout
将所有job资源⽂件打到⼀个zip包中
在azkaban的web管理界⾯创建⼯程并上传zip包
启动job
遇到虚拟机内存不⾜情况:
1. 增⼤机器内存
2. 使⽤清除系统缓存命令,暂时释放⼀些内存
[root@linux123 mapreduce]# echo 1 >/proc/sys/vm/drop_caches
[root@linux123 mapreduce]# echo 2 >/proc/sys/vm/drop_caches
[root@linux123 mapreduce]# echo 3 >/proc/sys/vm/drop_caches
5 HIVE脚本任务调度
创建job描述⽂件和hive脚本
Hive脚本: test.sql
use default;
drop table aztest;
create table aztest(id int,name string)
row format delimited fields terminatedby ',';
Job描述⽂件:hivef.job
hivef.job
type=command
command=/opt/lagou/servers/hive-2.3.7/bin/hive -f 'test.sql'
将所有job资源⽂件打到⼀个zip包中创建⼯程并上传zip包,启动job
6 定时任务调度
除了⼿动⽴即执⾏⼯作流任务外,azkaban也⽀持配置定时任务调度。开启⽅式如下:
⾸⻚选择待处理的project
选择左边schedule表示配置定时调度信息,选择右边execute表示⽴即执⾏⼯作流任务。