工作流调度器azkaban2.5.0的安装和使用

为什么需要工作流调度系统

• 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执行；

 

工作流调度实现方式

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

 

常见工作流调度系统

市面上目前有许多工作流调度器

在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading,Hamake等

 

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。

azkaban是由Linkedin开源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定义了一种KV文件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。

 

azkaban的安装部署

1、准备工作

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

Azkaban sql脚本插件

azkaban-sql-script-2.5.0.tar.gz

 

MySQL

目前azkaban只支持 mysql,需安装mysql服务器,本文档中默认已安装好mysql服务器,并建立了 root用户,密码 admin.

2、安装

将安装文件上传到集群,最好上传到安装 hive、sqoop的机器上（hadoop1）,方便命令的执行

在当前用户目录下新建 azkabantools目录/usr/local/azkabantools,用于存放源安装文件.新建azkaban目录/usr/local/azkaban,用于存放azkaban运行程序

azkaban web服务器安装

解压azkaban-web-server-2.5.0.tar.gz

命令: tar –zxvf azkaban-web-server-2.5.0.tar.gz -C /usr/local/azkaban

将解压后的azkaban-web-server-2.5.0 移动到 azkaban目录中,并重新命名 webserver

命令: mv azkaban-web-server-2.5.0 /usr/local/azkaban

        cd /usr/local/azkaban

        mv azkaban-web-server-2.5.0  webserver

 

azkaban 执行服器安装

解压azkaban-executor-server-2.5.0.tar.gz

命令:tar –zxvf azkaban-executor-server-2.5.0.tar.gz

将解压后的azkaban-executor-server-2.5.0 移动到 azkaban目录中,并重新命名 executor

命令:mv azkaban-executor-server-2.5.0  /usr/local/azkaban

cd /usr/local/azkaban

mv azkaban-executor-server-2.5.0  executor

 

azkaban脚本导入

解压: azkaban-sql-script-2.5.0.tar.gz

命令:tar –zxvf azkaban-sql-script-2.5.0.tar.gz

将解压后的mysql 脚本,导入到mysql中:

进入mysql

mysql> create database azkaban;

mysql> use azkaban;

Database changed

mysql> source /usr/local/azkaban/azkaban-2.5.0/create-all-sql-2.5.0.sql;

 

创建SSL配置

参考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL

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

这个命令我在做的时候 是进入到azkaban目录下执行的

运行此命令后,会提示输入当前生成 keystore的密码及相应信息,输入的密码请劳记,信息如下:

输入keystore密码： 123456

再次输入新密码:

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 webserver/

 

配置文件

注：先配置好服务器节点上的时区

1、先生成时区配置文件Asia/Shanghai，用交互式命令 tzselect 即可

2、拷贝该时区文件，覆盖系统本地时区配置

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

3、查看集群上各机器时钟是否同步date。

date -s ‘2017-05-10 10:07:29’

hwclock -w

第一步是修改时间，第二步是将修改同步到硬件时钟。

如果只执行第一步，那么只是当前有效，重启后将会失效！

 

azkaban web服务器配置

进入azkaban web服务器安装目录 conf目录

修改azkaban.prope rties文件

命令vi azkaban.properties

内容说明如下:

 

 

#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=localhost                                                      #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=admin                                                          #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

 

azkaban 执行服务器executor配置

进入执行服务器安装目录conf,修改azkaban.properties

vi 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=192.168.33.201                                                           #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=admin                                  #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

 

用户配置

进入azkaban web服务器conf目录,修改azkaban-users.xml

vi azkaban-users.xml 增加 管理员用户

 

<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>

 

 

3、启动

web服务器

在azkaban web服务器目录下执行启动命令

bin/azkaban-web-start.shazaz

注:在web服务器根目录运行

或者启动到后台

nohup  bin/azkaban-web-start.sh  1>/tmp/azstd.out  2>/tmp/azerr.out &

 

执行服务器

在执行服务器目录下执行启动命令

bin/azkaban-executor-start.sh

注:只能要执行服务器根目录运行

 

启动完成后,在浏览器(建议使用谷歌浏览器)中输入https://服务器IP地址:8443（https://192.168.33.201:8443） ,即可访问azkaban服务了.在登录中输入刚才新的户用名admin及密码admin,点击 login.

azkaban简单使用

 azkaban内置的任务类型支持command、java

 job_1:

1、创建job描述文件

vi command.job

#command.job

type=command                                                    

command=echo 'hello azkaban'

 

2、将job资源文件打包成zip文件

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、启动执行该job

5、运行结果

 job_2:

 

1、创建有依赖关系的多个job描述

第一个job：foo.job

 

# foo.job

type=command

command=echo foo

 

 

第二个job：bar.job依赖foo.job

 

# bar.job

type=command

dependencies=foo

command=echo bar

 

 

2、将所有job资源文件打到一个zip包中

 

3、在azkaban的web管理界面创建工程并上传zip包

4、启动工作流flow

 

job_3:

1、创建job描述文件

 

# fs.job

type=command

command=/usr/local/hadoop/bin/hadoop fs -mkdir /azaz

 

2、将job资源文件打包成zip文件

3、通过azkaban的web管理平台创建project并上传job压缩包

4、启动执行该job

 

job_4:

1、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=/usr/local/hadoop/bin/hadoop  jar hadoop-mapreduce-examples-2.6.1.jar wordcount /data.txt  /wordcount/azout

 

2、将所有job资源文件打到一个zip包中

3、在azkaban的web管理界面创建工程并上传zip包

4、启动job

job_5:

1、Job描述文件：hive.job

 

# hivef.job

type=command

command=/usr/local/hive/bin/hive -e ‘show tables’

 

2、将job打成zip包

3、在azkaban的web管理界面创建工程并上传zip包

4、启动job