【郑州校区】大数据离线阶段Day6之工作流调度器

1． 工作流调度系统产生背景

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。

各个任务单元之间存在时间先后依赖关系。

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；

2． 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,但是缺点也是比较明显，无法设置依赖。

复杂的任务调度：

自主开发调度平台

使用开源调度系统，比如azkaban、ooize、Zeus等。

其中知名度比较高的是Apache Oozie，但是其配置工作流的过程是编写大量的XML配置，而且代码复杂度比较高，不易于二次开发。

3． Azkaban调度器
3.1． Azkaban介绍

Azkaban是由Linkedin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。

file:///C:\Users\ADMINI~1\AppData\Local\Temp\ksohtml\wps4A12.tmp.jpg

Azkaban功能特点：

· 提供功能清晰，简单易用的Web UI界面

· 提供job配置文件快速建立任务和任务之间的依赖关系

· 提供模块化和可插拔的插件机制，原生支持command、Java、Hive、Pig、Hadoop

· 基于Java开发，代码结构清晰，易于二次开发

3.2． Azkaban安装部署

Azkaban的组成如下：

mysql服务器:用于存储项目、日志或者执行计划之类的信息

web服务器:使用Jetty对外提供web服务，使用户可以通过web页面方便管理

executor服务器:负责具体的工作流的提交、执行。

Azkaban有两种部署方式：solo server mode 和 cluster server mode。

· solo server mode(单机模式)：该模式中webServer和executorServer运行在同一个进程中，进程名是AzkabanSingleServer。可以使用自带的H2数据库或者配置mysql数据。该模式适用于小规模的使用。

· cluster server mode(集群模式)：该模式使用MySQL数据库，webServer和executorServer运行在不同进程中，该模式适用于大规模应用。

其实在单机模式中，AzkabanSingleServer进程只是把AzkabanWebServer和AzkabanExecutorServer合到一起启动而已。

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

MySQL

本文档中默认已安装好mysql服务器。

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

上传安装包

将安装包上传到集群,最好上传到安装hive、sqoop的机器上,方便命令的执行。

新建azkaban目录,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

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 ../azkaban

        cd ../azkaban

        mv azkaban-web-server-2.5.0  server

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  ../azkaban

cd ../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 /home/hadoop/azkaban-2.5.0/create-all-sql-2.5.0.sql;

创建SSL配置（https）

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

运行此命令后,会提示输入当前生成 keystor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：

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拷贝到 azkaban web服务器根目录中.如:cp keystore azkaban/webserver

配置文件

注：先配置好服务器节点上的时区

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

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  

Ø azkaban web服务器配置

进入azkaban web服务器安装目录 conf目录

修改azkaban.properties文件

#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=hadoop03                                                      #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=root                                                          #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

Ø azkaban 执行服务器配置

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=192.168.20.200                                                           #数据库IP地址 mysql.database=azkaban                                                                #数据库实例名 mysql.user=azkaban                                                                         #数据库用户名 mysql.password=oracle                                                                   #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

Ø 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>

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.sh

注:在web服务器根目录运行

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 ,即可访问azkaban服务了.在登录中输入刚才新的户用名及密码,点击login.

3.3． Azkaban实战

Command类型单一job示例

Ø 创建job描述文件

vi command.job

#command.job type=command                                                    command=echo 'hello'

Ø 将job资源文件打包成zip文件

zip command.job

Ø 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

Ø 启动执行该job

Command类型多job工作流flow

Ø 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

Ø 将所有job资源文件打到一个zip包中

Ø 在azkaban的web管理界面创建工程并上传zip包

Ø 启动工作流flow

HDFS操作任务

Ø 创建job描述文件

# fs.job type=command command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop fs -mkdir /azaz

Ø 将job资源文件打包成zip文件

Ø 通过azkaban的web管理平台创建project并上传job压缩包

Ø 启动执行该job

MAPREDUCE任务

mr任务依然可以使用command的job类型来执行

Ø 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=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop  jar hadoop-mapreduce-examples-2.6.1.jar wordcount /wordcount/input /wordcount/azout

Ø 将所有job资源文件打到一个zip包中

Ø 在azkaban的web管理界面创建工程并上传zip包

Ø 启动job

HIVE脚本任务

Ø 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 terminated by ','; load data inpath '/aztest/hiveinput' into table aztest; create table azres as select * from aztest; insert overwrite directory '/aztest/hiveoutput' select count(1) from aztest;

Job描述文件：hivef.job

# hivef.job type=command command=/home/hadoop/apps/hive/bin/hive -f 'test.sql'

Ø 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

传智播客·黑马程序员郑州校区地址

河南省郑州市 高新区长椿路11号大学科技园（西区）东门8号楼三层

联系电话 0371-56061160/61/62

来校路线  地铁一号线梧桐街站A口出

【郑州校区】大数据离线阶段Day6之工作流调度器

1． 工作流调度系统产生背景

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。

各个任务单元之间存在时间先后依赖关系。

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；

2． 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,但是缺点也是比较明显，无法设置依赖。

复杂的任务调度：

自主开发调度平台

使用开源调度系统，比如azkaban、ooize、Zeus等。

其中知名度比较高的是Apache Oozie，但是其配置工作流的过程是编写大量的XML配置，而且代码复杂度比较高，不易于二次开发。

3． Azkaban调度器
3.1． Azkaban介绍

Azkaban是由Linkedin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。

file:///C:\Users\ADMINI~1\AppData\Local\Temp\ksohtml\wps4A12.tmp.jpg

Azkaban功能特点：

· 提供功能清晰，简单易用的Web UI界面

· 提供job配置文件快速建立任务和任务之间的依赖关系

· 提供模块化和可插拔的插件机制，原生支持command、Java、Hive、Pig、Hadoop

· 基于Java开发，代码结构清晰，易于二次开发

3.2． Azkaban安装部署

Azkaban的组成如下：

mysql服务器:用于存储项目、日志或者执行计划之类的信息

web服务器:使用Jetty对外提供web服务，使用户可以通过web页面方便管理

executor服务器:负责具体的工作流的提交、执行。

Azkaban有两种部署方式：solo server mode 和 cluster server mode。

· solo server mode(单机模式)：该模式中webServer和executorServer运行在同一个进程中，进程名是AzkabanSingleServer。可以使用自带的H2数据库或者配置mysql数据。该模式适用于小规模的使用。

· cluster server mode(集群模式)：该模式使用MySQL数据库，webServer和executorServer运行在不同进程中，该模式适用于大规模应用。

其实在单机模式中，AzkabanSingleServer进程只是把AzkabanWebServer和AzkabanExecutorServer合到一起启动而已。

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

MySQL

本文档中默认已安装好mysql服务器。

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

上传安装包

将安装包上传到集群,最好上传到安装hive、sqoop的机器上,方便命令的执行。

新建azkaban目录,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

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 ../azkaban

        cd ../azkaban

        mv azkaban-web-server-2.5.0  server

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  ../azkaban

cd ../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 /home/hadoop/azkaban-2.5.0/create-all-sql-2.5.0.sql;

创建SSL配置（https）

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

运行此命令后,会提示输入当前生成 keystor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：

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拷贝到 azkaban web服务器根目录中.如:cp keystore azkaban/webserver

配置文件

注：先配置好服务器节点上的时区

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

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  

Ø azkaban web服务器配置

进入azkaban web服务器安装目录 conf目录

修改azkaban.properties文件

#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=hadoop03                                                      #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=root                                                          #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

Ø azkaban 执行服务器配置

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=192.168.20.200                                                           #数据库IP地址 mysql.database=azkaban                                                                #数据库实例名 mysql.user=azkaban                                                                         #数据库用户名 mysql.password=oracle                                                                   #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

Ø 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>

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.sh

注:在web服务器根目录运行

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 ,即可访问azkaban服务了.在登录中输入刚才新的户用名及密码,点击login.

3.3． Azkaban实战

Command类型单一job示例

Ø 创建job描述文件

vi command.job

#command.job type=command                                                    command=echo 'hello'

Ø 将job资源文件打包成zip文件

zip command.job

Ø 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

Ø 启动执行该job

Command类型多job工作流flow

Ø 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

Ø 将所有job资源文件打到一个zip包中

Ø 在azkaban的web管理界面创建工程并上传zip包

Ø 启动工作流flow

HDFS操作任务

Ø 创建job描述文件

# fs.job type=command command=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop fs -mkdir /azaz

Ø 将job资源文件打包成zip文件

Ø 通过azkaban的web管理平台创建project并上传job压缩包

Ø 启动执行该job

MAPREDUCE任务

mr任务依然可以使用command的job类型来执行

Ø 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=/home/hadoop/apps/hadoop-2.6.1/bin/hadoop  jar hadoop-mapreduce-examples-2.6.1.jar wordcount /wordcount/input /wordcount/azout

Ø 将所有job资源文件打到一个zip包中

Ø 在azkaban的web管理界面创建工程并上传zip包

Ø 启动job

HIVE脚本任务

Ø 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 terminated by ','; load data inpath '/aztest/hiveinput' into table aztest; create table azres as select * from aztest; insert overwrite directory '/aztest/hiveoutput' select count(1) from aztest;

Job描述文件：hivef.job

# hivef.job type=command command=/home/hadoop/apps/hive/bin/hive -f 'test.sql'

Ø 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

传智播客·黑马程序员郑州校区地址

河南省郑州市 高新区长椿路11号大学科技园（西区）东门8号楼三层

联系电话 0371-56061160/61/62

来校路线  地铁一号线梧桐街站A口出