大数据技术之任务调度器Azkaban

目录

1 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);
    大数据技术之任务调度器Azkaban

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:
大数据技术之任务调度器Azkaban

  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。
上一篇:Hadoop学习笔记(23)Azkaban的简介以及安装部署


下一篇:【大数据】Azkaban 看这一篇就够了!任务调度平台的搭建,使用,以及API开发