⼯作流调度系统Azkaban

2021-02-18 本文已影响0人奋斗的蛐蛐

概述

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。

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

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

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Azkaban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。

Azkaban安装部署

Azkaban的安装准备工作

编译

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

上传编译后的安装文件

在linux122节点创建目录

mkdir /opt/lagou/servers/azkaban

安装包.png

solo-server模式部署

单服务模式安装

解压

tar -zxvf azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz -C ../../servers/azkaban

修改配置文件

cd /opt/lagou/servers/azkaban-solo-server-0.1.0-SNAPSHOT/conf 

vim azkaban.properties

default.timezone.id=Asia/Shanghai

 cd /opt/lagou/servers/azkaban-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes

vim commonprivate.properties

execute.as.user=false
memCheck.enabled=false

启动

cd /opt/lagou/servers/azkaban-solo-server-0.1.0-SNAPSHOT 
 
bin/start-solo.sh

访问

http://linux122:8081/index
 
用户名:azkaban 
密码: azkaban

multiple-executor 模式部署

安装需要的软件

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:azkaban-db-0.1.0-SNAPSHOT.tar.gz

节点规划

HOST	角色
linux121	mysql、exec-server
Linux122	Web-server
Linux123	Exec-server

数据库准备

linux123

mysql -uroot -p12345678

 
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;
#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
source /opt/lagou/servers/azkaban/azkaban-db-0.1.0-SNAPSHOT/create-all-sql-0.1.0-SNAPSHOT.sql;

配置web-server

linux122，解压azkaban-web-server

 mkdir /opt/lagou/servers/azkaban
tar -zxvf azkaban-web-server-0.1.0-SNAPSHOT.tar.gz –C /opt/lagou/servers/azkaban/

 cd /opt/lagou/servers/azkaban/azkaban-web-server-0.1.0-SNAPSHOT 
#⽣成ssl证书:
keytool -keystore keystore -alias jetty -genkey -keyalg RSA

生成证书.png

修改配置文件

 cd /opt/lagou/servers/azkaban-web-server-3.51.0/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/ 
 # 时区注意后面不要有空格
default.timezone.id=Asia/Shanghai
# Azkaban UserManager class
user.manager.class=azkaban.user.XmlUserManager
user.manager.xml.file=conf/azkaban-users.xml

# Azkaban Jetty server properties. 开启使⽤用ssl 并且知道端⼝口 
jetty.use.ssl=true
jetty.port=8443
jetty.maxThreads=25



# KeyStore for SSL ssl相关配置 
jetty.keystore=keystore
jetty.password=azkaban
jetty.keypassword=azkaban
jetty.truststore=keystore
jetty.trustpassword=azkaban

注意密码和证书路路径
# 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,Cp uStatus
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

配置exec-server

linux123

 tar -zxvf azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz –C /opt/lagou/servers/azkaban/

修改配置文件

 cd /opt/lagou/servers/azkaban-exec-server-3.51.0/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 username and 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

分发到linux121节点

启动服务

先启动exec-server,再启动web-server
 #启动exec-server
 bin/start-exec.sh
 #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。

激活exec-server.png

cd /opt/lagou/servers/azkaban/azkaban-exec-server-0.1.0-SNAPSHOT
curl -G "linux123:$(<./executor.port)/executor?action=activate" && echo

访问地址：

https://linux122:8443

Azkaban使用

shell command调度

创建job描述文件

vi command.job

 type=command
 command=echo 'hello'

shell调度.png

job任务调度

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job

遇到虚拟机内存不足情况:

增⼤机器内存
使⽤清除系统缓存命令，暂时释放一些内存

Hive脚本任务调度

Hive脚本: test.sql

use default;
drop table aztest;
create table aztest(id int,name string) row format delimited fields terminated by ',';

hive.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

MapReduce任务调度

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.

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: ⾸页选择待处理的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。

定时任务调度.png