系统讲解Azkaban安装及基本操作实用篇

大家好，欢迎来到IT知识分享网。

一，概述
1.1什么是 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。 

1.2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)对 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）； 

1.3 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 

1.4 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ooize、azkaban 等

1.5 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， AzkabanWebServer和
AzkabanExecutorServer都需要访问数据库。

1.6 Azkaban下载地址
下载地址:http://azkaban.github.io/downloads.html
网盘地址:https://pan.baidu.com/s/1E4ijWCJrbHRp6BFPUDpA-A 提取码：9rwg

二 Azkaban安装部署

2.1 安装前 准备

1) 将 Azkaban Web服务器、 Azkaban执行服务器 、 Azkaban的 sql执行脚本及 MySQL安 装包拷贝到 linux的 /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 2) 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 网盘地址：https://pan.baidu.com/s/1E4ijWCJrbHRp6BFPUDpA-A 提取码：9rwg 

2.2 安装 Azkaban

1. 在 /opt/module/目录 下创建 azkaban目录:

[gaol@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目录下

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

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

[gaol@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 

2.3 生成密钥对和证书，因为Azkaban是https访问，所以这一步必须要做

Keytool是 java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 存 在 .keystore文件中 ) -genkey(或者 -genkeypair) 生成密钥对 -alias 为生成的密钥对 指定别名， 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

[gaol@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 ): 

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 的密钥相同，方便记忆

2）将 keystore 拷贝 到 azkaban web服务器根目录中

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

2.4 时间同步配置

[gaol@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 c ountry. 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) Sr i 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) Nepa l 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 h as 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

[gaol@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)

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

2.5 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

[gaol@hadoop102 conf]$ pwd /opt/module/azkaban/server/conf [gaol@hadoop102 conf]$ vi m azkaban.properties 

2 按照如下配置修改 azkaban.properties文件。凡是标记有#重要 的都是必须要配置的，仔细对照

#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 #重要 默认 web server 存放 web 文件的目录 web.resource.dir=/opt/module/azkaban/server/web/ #重要 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 #重要 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 #重要 #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 #重要 数据库连接 IP mysql.host=hadoop102 数据库实例名 mysql.database=azkaban #重要 数据库用户名 mysql.user=root #重要 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 # 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 #重要 #SSL 文件名（绝对路径） jetty.keystore=/opt/module/az kaban/server/keystore #重要 #SSL 文件密码 jetty.password=000000 #重要 #Jetty 主密码与 keystor e 文件相同 jetty.keypassword=000000 #重要 #SSL 文件名（绝对路径） jetty.truststore=/opt/module/azkaban/server/keystore #重要 #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 

[gaol@hadoop102 conf]$ vim azkaban users.xml <azkaban users> <user username="azkaban" password="azkaban" roles="admin" groups="azkaban" /> <user username="metrics" password="metrics" roles=" <user username="admin" password="admin" roles="admin,metrics"/> <role name="admin" permissions="ADMIN" /> 

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

[gaol@hadoop102 conf]$ pwd /opt/module/azkaban/executor/conf [gaol@hadoop102 conf]$ vim azkaban.properties 

2） 按照如下配置修改 azkaban.properties文件。

#Azkaban #重要 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 #重要 executor.global.properties=/opt/module/azkaban/executor/ conf/global.properties azkaban.project.dir=projects database.type=mysql mysql.port=3306 #重要 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

[gaol@hadoop102 executor]$ pwd /opt/module/azkaban/executor [gaol@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

[gaol@hadoop102 server]$ pwd /opt/module/azkaban/server [gaol@hadoop102 server]$ bin/azkaban-web-start.sh 

jps查看进程

[gaol@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。


如果这里显示连接不安全，没关系谷歌浏览器点开高级，继续访问即可


至此Azkaban安装完毕

接下来我们来实操一下

三 Azkaban实战
Azkaban内置的任务类型支持 command、 java

3.1 单一 job案例
1.案例实操

1）创建 job描述文件

[gaol@hadoop102 jobs]$ vim first.job #first.job type=command command=echo 'this is my first job' 

2. 将 job资源文件打包成 zip文件

[gaol@hadoop102 jobs]$ zip first.zip first.job adding: first.job (deflated 15%) [gaol@hadoop102 jobs]$ ll rw rw r ----. 1 gaol gaol 60 10 月 18 17:42 first.jo b rw rw r ----. 1 gaol gaol 219 10 月 18 17:43 first.zip 

注意：
目前，Azkaban上传的工作流文件只支持 xxx.zip文件。 zip应包含 xxx.job运行作业所需的
文件和任何文件 （文件名后缀必须以 .job结尾，否则无法识别 。作业名称在项目中必须是
唯一的。

3.2 邮件通知配置 案例
1 修改配置文件

mail.sender=gaol@small.com #邮件发送者 mail.host=smtp.exmail..com #发送邮件服务器 腾讯邮箱的host是：smtp..com 腾讯企业邮箱host是：smtp.exmail..com 126邮箱的host是：smtp.126.com 163邮箱的host是：smtp.163.com mail.user=gaol@small.com #邮件发送者 mail.password= #这里需要填写你邮箱的授权码  

关于授权码如何获取可以看这篇文章：授权码

保存后记得重启server服务

3.3 多 job工作流 案例
1 创建有依赖关系的多个 job描述

第一个job: start.job

[gaol@hadoop102 jobs]$ vim start.job #start.job type=command command= touch /opt/module/kangkang.txt 

第二个job: step1.job依赖 start.job

[gaol@hadoop102 jobs]$ vim step 1 .job step 1 .job type=command dependencies=start command=echo "this is step 1 job" 

第三个job: step2.job依赖 start.job

[gaol@hadoop102 jobs]$ vim step2 .job step2 .job type=command dependencies=start command=echo "this is step2 job" 

第四个 job ：finish.job依赖 step1.job和 step2.job

[gaol@hadoop102 jobs]$ vim finish.job #finish.job type=command dependencies= step1,step2 command=echo "this is finish job" 

2 将所有 job资源文件打到一个 zip包中

[gaol@hadoop102 jobs]$ zip jobs.zip start.job step1.job step2.job finish.job updating: start.job (deflated 16%) adding: step1.job (deflated 12%) adding: step2.job (deflated 12%) adding: finish.job (deflated 14%) 

多任务流执行成功

3.4 HDFS操作任务

1）创建 job描述文件

[gaol@hadoop102 jobs]$ vim fs.job #hdfs job type=command command=/opt/module/hadoop 2.7.2/bin/hadoop fs mkdir /azkaban 

2）将 job资源文件打包成 zip

[gaol@hadoop102 jobs]$ zip fs.zip fs.job adding: fs.job (deflated 12%) 

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

3.5 MapReduce任务

MapReduce任务依然可以使 用 Azkaban进行调度

1） 创建 job描述文件，及 mr程序 jar包

[gaol@hadoop102 jobs]$ vim mapreduce.job #mapreduce job type=command command=/opt/module/hadoop 2.7.2/bin/hadoop jar /opt/module/hadoop 2.7.2/share/hadoop/mapreduce/hadoop mapreduce examples 2.7.2.jar wordcount /wordcount/input /wordcount/output 

2） 将所有 job资源文件打到一个 zip包中

[gaol@hadoop102 jobs]$ zip mapreduce.z ip mapreduce.job adding: mapreduce.job (deflated 43%) 

3）在azkaban的 web管理界面创建工程并上传 zip包

4）启动 job

3.6 Hive脚本任务
1 ）创建 job描述文件和 hive脚本
Hive脚本 student.sql

[gaol@hadoop102 jobs]$ vim student.sql use default; drop table student; create table student(id int, name string) row format delimited fields terminated by ' t'; load data local inpath '/opt/module/datas/student.txt' into table student; insert overwrite local directory '/opt/module/datas/student' row format delimited fields terminated by ' t' select * from student; 

2） Job描述文件： hive.job

[gaol@hadoop102 jobs]$ vim hive.job #hive job type=command command=/opt/module/hive/bin/hive -f /opt/module/azkaban/jobs/student.sql 

3） 将所有 job资源文件打到一个 zip包中

[gaol@hadoop102 jobs]$ zip hive.zip hive.job adding: hive.job (deflated 21%) 

4. 在 azkaban的 web管理界面创建工程并上传 zip包
5. 启动 job

6）查看结果

至此Azkaban安装及基本操作完结，后期会出一篇hive+sqoop+Azkaban增量入库的实操篇
有收获的小伙伴记得给作者点个赞~
如有疑惑可评论看到后回复