大数据_Azkaban

小鱼儿 2021-10-06 04:28 360阅读 0赞

### 大数据\_Azkaban ###

*  需求
 *  常见工作流调度系统
 *  简介
 *  安装
 *   *  编译
     *  Azkaban 单服务模式安装与使用
     *  Azkaban 两个服务器模式安装与使用
 *  实战
 *   *  Command 类型单一 Job 示例
     *  Command 类型多 Job 示例
     *  HDFS 操作任务
     *  MapReduce 任务
     *  Hive 脚本任务
 *  Azkaban 的定时任务

# 需求 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE1NzY0OTQz_size_16_color_FFFFFF_t_70]  
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；

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先将原始数据同步到HDFS上； 
    2. 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； 
    3. 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； 
    4. 将明细数据进行各种统计分析，得到结果报表信息； 
    5. 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。

# 常见工作流调度系统 #

简单的任务调度：直接使用linux的crontab来定义；  
复杂的任务调度：在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading, 等

# 简介 #

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(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。

Web用户界面  
基于时间的执行任务  
方便上传工作流  
方便设置任务之间的关系  
工作流和任务的日志记录和审计

# 安装 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE1NzY0OTQz_size_16_color_FFFFFF_t_70 1]

## 编译 ##

我们这里选用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。

注意：我们这里编译需要使用jdk1.8的版本来进行编译，如果编译服务器使用的jdk版本 是1.7的，记得切换成jdk1.8，我们这里使用的是jdk8u141这个版本来进行编译。

cd /export/softwares/ 
    wget https://github.com/azkaban/azkaban/archive/3.51.0.tar.gz 
    tar ‐zxvf 3.51.0.tar.gz ‐C ../servers/ 
    cd /export/servers/azkaban‐3.51.0/ 
    yum ‐y install git 
    yum ‐y install gcc‐c++ 
    ./gradlew build installDist ‐x test

编译完成后得到如下文件

1、azkaban-exec-server  
编译完成之后得到我们需要的安装包在以下目录下即可获取得到  
azkaban-exec-server存放目录  
/export/servers/azkaban‐3.51.0/azkaban‐exec‐server/build/distributions  
2、azkaban-web-server  
azkaban-web-server存放目录  
/export/servers/azkaban‐3.51.0/azkaban‐web‐server/build/distributions  
3、azkaban-solo-server  
azkaban-solo-server存放目录  
/export/servers/azkaban‐3.51.0/azkaban‐solo‐server/build/distributions  
4、execute-as-user.c  
azkaban two server模式下需要的C程序在这个路径下面  
/export/servers/azkaban‐3.51.0/az‐exec‐util/src/main/c

数据库脚本文件  
数据库脚本文件在这个路径下面  
/export/servers/azkaban‐3.51.0/azkaban‐db/build/install/azkaban‐db  
create-all-sql…sql

## Azkaban 单服务模式安装与使用 ##

所需软件 : azkaban-solo-server

Step 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-solo-server-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， 上传我们的压缩包，然后修改配置文件启动即可。

cd /export/softwares 
    tar ‐zxvf azkaban‐solo‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/

Step 2: 修改时区配置文件

cd /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT/conf vim azkaban.properties 
    ```shell
    ```properties 
    default.timezone.id=Asia/Shanghai

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE1NzY0OTQz_size_16_color_FFFFFF_t_70 2]  
修改commonprivate.properties配置文件

cd /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT/plugins/jobtypes vim commonprivate.properties 
    ```shell
    ```properties 
    execute.as.user=false 
    memCheck.enabled=false

Step 3: 启动solo-server  
启动azkaban-solo-server

cd  /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT 
    bin/start‐solo.sh

Step 4: 浏览器页面访问  
浏览器页面访问 http://node03:8081/  
默认用户名/密码 azkaban/azkaban

## Azkaban 两个服务器模式安装与使用 ##

需要的工具  
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

编译之后的sql脚本  
create-all-sql-0.1.0-SNAPSHOT.sql

C程序文件脚本 execute-as-user.c程序

Step 1: 数据库准备  
进入mysql的客户端执行以下命令  
mysql -uroot -p

执行以下命令：

CREATE DATABASE azkaban; 
    CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban'; 
    GRANT all privileges ON azkaban.* to 'azkaban'@'%' identified by  
    'azkaban' WITH GRANT OPTION; 
    flush privileges; 
    use azkaban; 
    source /export/software/create‐all‐sql‐0.1.0‐SNAPSHOT.sql;

Step 2: 解压软件包  
解压azkaban-web-server

cd /export/softwares 
    tar ‐zxvf azkaban‐web‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/ 
    cd /export/servers 
    mv azkaban‐web‐server‐0.1.0‐SNAPSHOT/ azkaban‐web‐server‐3.51.0

解压azkaban‐exec‐server

```shell 
    cd /export/softwares 
    tar ‐zxvf azkaban‐exec‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/ 
    cd /export/servers 
    mv azkaban‐exec‐server‐0.1.0‐SNAPSHOT/ azkaban‐exec‐server‐3.51.0

Step 3: 安装SSL安全认证  
安装ssl安全认证，允许我们使用https的方式访问我们的azkaban的web服务密码一定要一个个的字母输入，或者粘贴也行

cd /export/servers/azkaban-web-server-3.51.0 
    keytool -keystore keystore -alias jetty -genkey -keyalg RSA

Step 4: azkaban web server安装

修改azkaban-web-server的配置文件

cd /export/servers/azkaban‐web‐server‐3.51.0/conf 
    
    vim azkaban.properties
    # Azkaban Personalization Settings 
    azkaban.name=Azkaban 
    azkaban.label=My 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 
    # Velocity dev mode 
    velocity.dev.mode=false 
    # Azkaban Jetty server properties. 
    jetty.use.ssl=true 
    jetty.maxThreads=25 
    jetty.port=8081
    jetty.ssl.port=8443 
    jetty.keystore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
    jetty.password=azkaban jetty.keypassword=azkaban 
    jetty.truststore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
    jetty.trustpassword=azkaban
    
    # Azkaban Executor settings 
    # mail settings 
    mail.sender= 
    mail.host= 
    
    # User facing web server configurations used to construct the user facing  server URLs. They are useful when there is a reverse proxy between  Azkaban web servers and users. 
    # enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081 
    # when this parameters set then these parameters are used to generate  email links.
    # if these parameters are not set then jetty.hostname, and jetty.port(if ssl configured jetty.ssl.port) are used. 
    # azkaban.webserver.external_hostname=myazkabanhost.com 
    # azkaban.webserver.external_ssl_port=443 
    # azkaban.webserver.external_port=8081 
    job.failure.email= 
    job.success.email= 
    lockdown.create.projects=false 
    cache.directory=cache 
    # JMX stats 
    jetty.connector.stats=true 
    executor.connector.stats=true 
    # Azkaban mysql settings by default. Users should configure their own  username and password. 
    database.type=mysql 
    mysql.port=3306 
    mysql.host=node03 
    mysql.database=azkaban
    mysql.user=azkaban 
    mysql.password=azkaban 
    mysql.numconnections=100 
    #Multiple Executor azkaban.use.multiple.executors=true 
    #azkaban.executorselector.filters=StaticRemainingFlowSize,MinimumFreeMemo ry,CpuStatus 
    azkaban.executorselector.comparator.NumberOfAssignedFlowComparator=1 
    azkaban.executorselector.comparator.Memory=1 
    azkaban.executorselector.comparator.LastDispatched=1 
    azkaban.executorselector.comparator.CpuUsage=1
    azkaban.activeexecutor.refresh.milisecinterval=10000 
    azkaban.queueprocessing.enabled=true 
    azkaban.activeexecutor.refresh.flowinterval=10 
    azkaban.executorinfo.refresh.maxThreads=10

Step 5: azkaban executor server 安装 第一步：修改azkaban-exex-server配置文 件  
修改azkaban-exec-server的配置文件

cd /export/servers/azkaban‐exec‐server‐3.51.0/conf 
    
    vim azkaban.properties
    # Azkaban Personalization Settings 
    azkaban.name=Azkaban 
    azkaban.label=My 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 
    # Velocity dev mode 
    velocity.dev.mode=false 
    # Azkaban Jetty server properties. 
    jetty.use.ssl=true 
    jetty.maxThreads=25 
    jetty.port=8081
    jetty.keystore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
    jetty.password=azkaban 
    jetty.keypassword=azkaban 
    jetty.truststore=/export/servers/azkaban‐web‐server‐3.51.0/keystore 
    jetty.trustpassword=azkaban
    # Where the Azkaban web server is located azkaban.webserver.url=https://node03:8443 
    # mail settings 
    mail.sender= 
    mail.host= 
    # User facing web server configurations used to construct the user facing  server URLs. They are useful when there is a reverse proxy between  Azkaban web servers and users. 
    # enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081 
    # when this parameters set then these parameters are used to generate  email links.
    # if these parameters are not set then jetty.hostname, and jetty.port(ifssl configured jetty.ssl.port) are used. 
    # azkaban.webserver.external_hostname=myazkabanhost.com 
    # azkaban.webserver.external_ssl_port=443 
    # azkaban.webserver.external_port=8081 
    job.failure.email= 
    job.success.email= 
    lockdown.create.projects=false 
    cache.directory=cache 
    # JMX stats 
    jetty.connector.stats=true 
    executor.connector.stats=true 
    # Azkaban plugin settings 
    azkaban.jobtype.plugin.dir=plugins/jobtypes 
    # Azkaban mysql settings by default. Users should configure their own  username and password. database.type=mysql 
    mysql.port=3306 
    mysql.host=node03 
    mysql.database=azkaban 
    mysql.user=azkaban 
    mysql.password=azkaban 
    mysql.numconnections=100 
    # Azkaban Executor settings 
    executor.maxThreads=50 
    executor.flow.threads=30

Step 6: azkaban executor server 安装 第二步：添加插件  
将我们编译后的C文件execute-as-user.c  
上传到这个目录来/export/servers/azkaban-exec-server-3.51.0/plugins/jobtypes  
或者直接将我们/export/softwares下面的文件拷贝过来也行

cp /export/softwares/execute‐as‐user.c /export/servers/azkaban‐execserver‐3.51.0/plugins/jobtypes/

然后执行以下命令生成execute-as-user

yum ‐y install gcc‐c++ 
    cd /export/servers/azkaban‐exec‐server‐3.51.0/plugins/jobtypes 
    gcc execute‐as‐user.c ‐o execute‐as‐user 
    chown root execute‐as‐user
    chmod 6050 execute‐as‐user

Step 7: azkaban executor server 安装 第三步：修改配置文件

cd  /export/servers/azkaban‐exec‐server‐3.47.0/plugins/jobtypes 
    vim commonprivate.properties 
    execute.as.user=false 
    memCheck.enabled=false 
    azkaban.native.lib=/export/servers/azkaban‐exec‐server3.51.0/plugins/jobtypes

Step 7: 启动服务  
第一步：启动azkaban exec server

cd /export/servers/azkaban‐exec‐server‐3.51.0 
    bin/start‐exec.sh

第二步：激活我们的exec-server  
node03机器任意目录下执行以下命令

curl ‐G "node03:$(<./executor.port)/executor?action=activate" && echo

第三步：启动azkaban-web-server

cd /export/servers/azkaban‐web‐server‐3.51.0/ 
    bin/start‐web.sh

访问地址： https://node03:8443

Step 8: 修改linux的时区问题  
由于先前做好了时钟同步，所以不用担心时区问题，不需要修改时区了  
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

# 实战 #

Azkaba内置的任务类型支持command、java

## Command 类型单一 Job 示例 ##

Step 1: 创建 Job 描述文件  
创建文本文件，更改名称为mycommand.job 注意后缀.txt一定不要带上，保存为格式为UFT-8 without bom 内容如下：

type=command 
    command=echo 'hello world'

Step 2: 将job资源文件打包成zip文件

Step 3: 创建project并上传压缩包  
通过azkaban的web管理平台创建project并上传job压缩包 首先创建project

Step 4: 启动执行job

## Command 类型多 Job 示例 ##

Step 1: 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 
    command=echo 'bar' 
    dependencies=foo

Step 2: 将所有job资源文件打到一个zip包中

Step 3: 在azkaban的web管理界面创建工程并上传zip包

Step 4: 启动工作流flow

## HDFS 操作任务 ##

Step 1: 1、创建job描述文件fs.job

type=command 
    command=/export/servers/hadoop‐3.1.1/bin/hdfs dfs  ‐mkdir /azkaban

Step 2: 将job资源文件打包成zip文件

Step 3: 通过azkaban的web管理平台创建project并上传job压缩包

Step 4: 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  
Step 1: 创建job描述文件mr.job，及mr程序jar包（示例中直接使用hadoop自带的example jar）

type=command 
     command=/export/servers/hadoop‐3.1.1/bin/hadoop jar hadoop‐mapreduceexamples‐3.1.1.jar pi 3 5

Step 2: 将所有job资源文件（mr.job和jar包）打到一个zip包中

Step 3: 在azkaban的web管理界面创建工程并上传zip包

Step 4: 启动job

## Hive 脚本任务 ##

Step 1: 创建job描述文件和hive脚本  
Hive脚本： hive.sql

create database if not exists azhive; 
    use azhive; 
    create table if not exists aztest(id string,name string) row format  delimited fields terminated by '\t';

Step 2: Job描述文件：hive.job

type=command 
    command=/export/servers/apache‐hive‐3.1.1‐bin ‐f 'hive.sql’

Step 3: 将所有job资源文件（hive.sql和hive.job）打到一个zip包中

Step 4: 在azkaban的web管理界面创建工程并上传zip包

Step 5: 启动job

# Azkaban 的定时任务 #

使用azkaban的scheduler功能可以实现对我们的作业任务进行定时调度功能

*/1 * ? * *  每分钟执行一次定时调度任务 
    0 1 ? * *  每天晚上凌晨一点钟执行这个任务 
    0 */2 ? * *  每隔两个小时定时执行这个任务 
    30 21 ? * * 每天晚上九点半定时执行这个任务

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE1NzY0OTQz_size_16_color_FFFFFF_t_70]: /images/20211006/5ebd94ebb8cb4fe9862665dc16abe21c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE1NzY0OTQz_size_16_color_FFFFFF_t_70 1]: /images/20211006/d6db7cc5e73742c4a0177c77813d6ebc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE1NzY0OTQz_size_16_color_FFFFFF_t_70 2]: /images/20211006/2230dee7c0554dbb8d2d37c70bd69d83.png