zoukankan      html  css  js  c++  java
  • Azkaban

    概述

    1.1 为什么需要工作流调度系统

    1)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

    2)各任务单元之间存在时间先后及前后依赖关系

    3)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

    例如,我们可能有这样一个需求,某个业务系统每天产生20G原始数据,我们每天都要对其进行处理,处理步骤如下所示:

    1) 通过Hadoop先将原始数据上传到HDFS上(HDFS的操作);

    2) 使用MapReduce对原始数据进行清洗(MapReduce的操作);

    3) 将清洗后的数据导入到hive表中(hive的导入操作);

    4) Hive中多个表的数据进行JOIN处理,得到一张hive的明细表(创建中间表);

    5) 通过对明细表的统计和分析,得到结果报表信息(hive的查询操作);

     

    1.2 Azkaban的适用场景

    根据以上业务场景: 2)任务依赖(1)任务的结果,(3)任务依赖(2)任务的结果,(4)任务依赖(3)任务的结果,(5)任务依赖(4)任务的结果。一般的做法是,先执行完(1)再执行(2),再一次执行(3)(4)(5)。

    这样的话,整个的执行过程都需要人工参加,并且得盯着各任务的进度。但是我们的很多任务都是在深更半夜执行的,通过写脚本设置crontab执行。其实,整个过程类似于一个有向无环图(DAG)。每个子任务相当于大任务中的一个节点,也就是,我们需要的就是一个工作流的调度器,而Azkaban就是能解决上述问题的一个调度器。

    1.3 什么是azkaban

    Azkaban是由Linkedin公司推出的一个批量工作流任务调度器,主要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,它的配置是通过简单的key:value对的方式,通过配置中的dependencies 来设置依赖关系。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。

    1.4 Azkaban特点

    1) 兼容任何版本的hadoop

    2) 易于使用的Web用户界面

    3) 简单的工作流的上传

    4) 方便设置任务之间的关系

    5) 调度工作流

    6) 模块化和可插拔的插件机制

    7) 认证/授权(权限的工作)

    8) 能够杀死并重新启动工作流

    9) 有关失败和成功的电子邮件提醒

    1.5 常见工作流调度系统

    1)简单的任务调度:直接使用crontab实现;

    2)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ooizeazkaban

    1.6 ooizeazkaban特性对比

    1.7 Azkaban的架构

    Azkaban由三个关键组件构成: 

    1) AzkabanWebServer:AzkabanWebServer是整个Azkaban工作流系统的主要管理者,它用户登录认证、负责project管理、定时执行工作流、跟踪工作流执行进度等一系列任务。

    2) AzkabanExecutorServer:负责具体的工作流的提交、执行,它们通过mysql数据库来协调任务的执行。

    3) 关系型数据库(MySQL存储大部分执行流状态,AzkabanWebServerAzkabanExecutorServer都需要访问数据库。

     

    1.8 Azkaban下载地址

     

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

    Azkaban安装部署

    2.1 安装前准备

    1) Azkaban Web服务器、Azkaban执行服务器、Azkabansql执行脚本及MySQL安装包拷贝hadoop102虚拟机/opt/software目录

    a) azkaban-web-server-2.5.0.tar.gz

    b) azkaban-executor-server-2.5.0.tar.gz

    c) azkaban-sql-script-2.5.0.tar.gz

    d) mysql-libs.zip

    选择Mysql作为Azkaban数据库,因为Azkaban建立了一些Mysql连接增强功能,以方便Azkaban设置,并增强服务可靠性

    2.2 安装Azkaban

    1) /opt/module/目录下创建azkaban目录

    [atguigu@hadoop102 module]$ mkdir azkaban

    2) 解压azkaban-web-server-2.5.0.tar.gz、azkaban-executor-server-2.5.0.tar.gz、azkaban-sql-script-2.5.0.tar.gz到/opt/module/azkaban目录

    [atguigu@hadoop102 software]$ tar -zxvf azkaban-web-server-2.5.0.tar.gz -C /opt/module/azkaban/

    [atguigu@hadoop102 software]$ tar -zxvf azkaban-executor-server-2.5.0.tar.gz -C /opt/module/azkaban/

    [atguigu@hadoop102 software]$ tar -zxvf azkaban-sql-script-2.5.0.tar.gz -C /opt/module/azkaban/

    3) 对解压后的文件重新命名

    [atguigu@hadoop102 azkaban]$ mv azkaban-web-2.5.0/ server

    [atguigu@hadoop102 azkaban]$ mv azkaban-executor-2.5.0/ executor

    4) azkaban脚本导入

    进入mysql,创建azkaban数据库,并将解压的脚本导入到azkaban数据库。

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

    mysql> create database azkaban;

    mysql> use azkaban;

    mysql> source /opt/module/azkaban/azkaban-2.5.0/create-all-sql-2.5.0.sql

     

    注:source后跟.sql文件,用于批量处理.sql文件中的sql语句。

    2.3 生成密钥库

    Keytooljava数据证书的管理工具,使用户能够管理自己的公/私钥对及相关证书。

    -keystore    指定密钥库的名称及位置(产生的各类信息将不在.keystore文件中)

    -genkey      在用户主目录中创建一个默认文件".keystore"

    -alias  对我们生成的.keystore 进行指认别名;如果没有默认是mykey

    -keyalg  指定密钥的算法 RSA/DSA 默认是DSA

    1)生成 keystore的密码及相应信息的密钥库

    [atguigu@hadoop102 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=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=Unknown是否正确?

      [否]:  y

     

    输入 <jetty> 的密钥口令

            (如果和密钥库口令相同, 按回车):  

    再次输入新口令:

     

     

    注意:

    密钥库的密码至少必须6个字符,可以是纯数字或者字母或者数字和字母的组合等等

    密钥库的密码最好和<jetty> 的密钥相同,方便记忆

    2)将keystore 拷贝到 azkaban web服务器根目录中

    [atguigu@hadoop102 azkaban]$ mv keystore /opt/module/azkaban/server/

    2.4 时间同步配置

    先配置好服务器节点上的时区

    1) 如果/usr/share/zoneinfo/这个目录下不存在时区配置文件Asia/Shanghai,就要用 tzselect 生成。

    [atguigu@hadoop102 azkaban]$ tzselect

    Please identify a location so that time zone rules can be set correctly.

    Please select a continent or ocean.

     1) Africa

     2) Americas

     3) Antarctica

     4) Arctic Ocean

     5) Asia

     6) Atlantic Ocean

     7) Australia

     8) Europe

     9) Indian Ocean

    10) Pacific Ocean

    11) none - I want to specify the time zone using the Posix TZ format.

    #? 5

    Please select a country.

     1) Afghanistan           18) Israel                35) Palestine

     2) Armenia               19) Japan                 36) Philippines

     3) Azerbaijan            20) Jordan                37) Qatar

     4) Bahrain               21) Kazakhstan            38) Russia

     5) Bangladesh            22) Korea (North)         39) Saudi Arabia

     6) Bhutan                23) Korea (South)         40) Singapore

     7) Brunei                24) Kuwait                41) Sri Lanka

     8) Cambodia              25) Kyrgyzstan            42) Syria

     9) China                 26) Laos                  43) Taiwan

    10) Cyprus                27) Lebanon               44) Tajikistan

    11) East Timor            28) Macau                 45) Thailand

    12) Georgia               29) Malaysia              46) Turkmenistan

    13) Hong Kong             30) Mongolia              47) United Arab Emirates

    14) India                 31) Myanmar (Burma)       48) Uzbekistan

    15) Indonesia             32) Nepal                 49) Vietnam

    16) Iran                  33) Oman                  50) Yemen

    17) Iraq                  34) Pakistan

    #? 9

    Please select one of the following time zone regions.

    1) Beijing Time

    2) Xinjiang Time

    #? 1

     

    The following information has been given:

     

            China

            Beijing Time

     

    Therefore TZ='Asia/Shanghai' will be used.

    Local time is now:      Thu Oct 18 16:24:23 CST 2018.

    Universal Time is now:  Thu Oct 18 08:24:23 UTC 2018.

    Is the above information OK?

    1) Yes

    2) No

    #? 1

     

    You can make this change permanent for yourself by appending the line

            TZ='Asia/Shanghai'; export TZ

    to the file '.profile' in your home directory; then log out and log in again.

     

    Here is that TZ value again, this time on standard output so that you

    can use the /usr/bin/tzselect command in shell scripts:

    Asia/Shanghai

     

    2)拷贝该时区文件,覆盖系统本地时区配置

    [atguigu@hadoop102 azkaban]$ cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime  

    3)集群时间同步(同时发给三个窗口)

    [atguigu@hadoop102 azkaban]$ sudo date -s '2018-10-18 16:39:30'

     

    2.4 配置文件

    2.5.1 Web服务器配置

    1)进入azkaban web服务器安装目录 conf目录,打开azkaban.properties文件

    [atguigu@hadoop102 conf]$ pwd

    /opt/module/azkaban/server/conf

    [atguigu@hadoop102 conf]$ vim azkaban.properties

    2)按照如下配置修改azkaban.properties文件。

    #Azkaban Personalization Settings

    #服务器UI名称,用于服务器上方显示的名字

    azkaban.name=Test

    #描述

    azkaban.label=My Local Azkaban

    #UI颜色

    azkaban.color=#FF3601

    azkaban.default.servlet.path=/index

    #默认web server存放web文件的目录

    web.resource.dir=/opt/module/azkaban/server/web/

    #默认时区,已改为亚洲/上海 默认为美国

    default.timezone.id=Asia/Shanghai

     

    #Azkaban UserManager class

    user.manager.class=azkaban.user.XmlUserManager

    #用户权限管理默认类(绝对路径)

    user.manager.xml.file=/opt/module/azkaban/server/conf/azkaban-users.xml

     

    #Loader for projects

    #global配置文件所在位置(绝对路径)

    executor.global.properties=/opt/module/azkaban/executor/conf/global.properties

    azkaban.project.dir=projects

     

    #数据库类型

    database.type=mysql

    #端口号

    mysql.port=3306

    #数据库连接IP

    mysql.host=hadoop102

    #数据库实例名

    mysql.database=azkaban

    #数据库用户名

    mysql.user=root

    #数据库密码

    mysql.password=000000

    #最大连接数

    mysql.numconnections=100

     

    # Velocity dev mode

    velocity.dev.mode=false

     

    # Azkaban Jetty server properties.

    # Jetty服务器属性.

    #最大线程数

    jetty.maxThreads=25

    #Jetty SSL端口

    jetty.ssl.port=8443

    #Jetty端口

    jetty.port=8081

    #SSL文件名(绝对路径)

    jetty.keystore=/opt/module/azkaban/server/keystore

    #SSL文件密码

    jetty.password=000000

    #Jetty主密码与keystore文件相同

    jetty.keypassword=000000

    #SSL文件名(绝对路径)

    jetty.truststore=/opt/module/azkaban/server/keystore

    #SSL文件密码

    jetty.trustpassword=000000

     

    # Azkaban Executor settings

    executor.port=12321

     

    # mail settings

    mail.sender=

    mail.host=

    job.failure.email=

    job.success.email=

     

    lockdown.create.projects=false

     

    cache.directory=cache

    3web服务器用户配置

    在azkaban web服务器安装目录 conf目录,按照如下配置修改azkaban-users.xml 文件,增加管理员用户。

    [atguigu@hadoop102 conf]$ vim azkaban-users.xml

    <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>

     

     

     

     

     

     

    2.5.2 执行服务器配置

    1)进入执行服务器安装目录conf,打开azkaban.properties

    [atguigu@hadoop102 conf]$ pwd

    /opt/module/azkaban/executor/conf

    [atguigu@hadoop102 conf]$ vim azkaban.properties

    2) 按照如下配置修改azkaban.properties文件。

    #Azkaban

    #时区

    default.timezone.id=Asia/Shanghai

     

    # Azkaban JobTypes Plugins

    #jobtype 插件所在位置

    azkaban.jobtype.plugin.dir=plugins/jobtypes

     

    #Loader for projects

    executor.global.properties=/opt/module/azkaban/executor/conf/global.properties

    azkaban.project.dir=projects

     

    database.type=mysql

    mysql.port=3306

    mysql.host=hadoop102

    mysql.database=azkaban

    mysql.user=root

    mysql.password=000000

    mysql.numconnections=100

     

    # Azkaban Executor settings

    #最大线程数

    executor.maxThreads=50

    #端口号(如修改,请与web服务中一致)

    executor.port=12321

    #线程数

    executor.flow.threads=30

     

     

     

     

     

     

     

     

     

     

     

     

     

    2.6 启动executor服务器

    在executor服务器目录下执行启动命令

    [atguigu@hadoop102 executor]$ pwd

    /opt/module/azkaban/executor

    [atguigu@hadoop102 executor]$ bin/azkaban-executor-start.sh

     

     

    2.7 启动web服务器

    在azkaban web服务器目录下执行启动命令

    [atguigu@hadoop102 server]$ pwd

    /opt/module/azkaban/server

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

    注意:

    先执行executor,再执行web,避免Web Server会因为找不到执行器启动失败。

    jps查看进程

    [atguigu@hadoop102 server]$ jps

    3601 AzkabanExecutorServer

    5880 Jps

    3661 AzkabanWebServer

    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,即可访问azkaban服务了。

    在登录中输入刚才在azkaban-users.xml文件中新添加的户用名及密码,点击 login

    ##

    ##

    Azkaban实战(见下一章)

    Azkaba内置的任务类型支持commandjava

     

     

  • 相关阅读:
    华为全联接大会2019,共创智能新高度
    CTDC2019首席技术官领袖峰会,AI赋能 智享5G
    2019全球体验设计峰会:体验赋能商业,创造更好体验
    全球闪存峰会旨在深化技术创新,增进闪存产业链上下游
    PyCon 2019火热来袭,与大数据、人工智能等专家一起探讨Python语言
    PHPConChina 2019 PHP开发者大会将于8月在上海举办!
    2019腾讯Live开发者大会(TLC),引领技术新趋势
    2019 HTML5深度应用开发实践
    2019年5G物联网关键技术与应用培训,了解5G网络发展现状及进展
    2019第二届企业云服务大会 -- 企业智变,云化未来
  • 原文地址:https://www.cnblogs.com/yumengfei/p/11883419.html
Copyright © 2011-2022 走看看