Azkaban系统是一个数据处理的很好用的工具，可以用来运行hadoop任务，管理hdfs，可以进行schedule任务调度，总体来说功能还是很强大的。

研究了一下azkaban，做了以下总结性的东西，希望对用azkaban的人有所帮助。

1、Azkaban的安装

azkaban需要用到mysql进行数据的存储和交换。

azkaban分文两部分，分别是web server和executive server ，webserver 是前台页面的显示，默认的服务器是jetty，安装webserver需要对conf文件下的azkaban.properties文件进行配置，需要指定azkaban的web页面存储的文件夹，conf文件夹等文件夹的路径，可以使用相对路径，需要对mysql一些的连接函数进行配置，并将mysql-java-connetor.jar放置在exlib文件夹下。值得注意的是，启动azkaban时，需要在azkaban-web-server-start.sh将tempDir指定，temp文件夹是azkaban在运行时会自动创建的，所以需要将tempDir设置相对路径为：“./temp”（也就是在bin目录下）。executive server运行工作流，在运行之前，需要将一些需要的plugin解压到plugin文件夹下，并将hadoop home路径配置好。同上需要配置temp文件路径。关于配置hadoop路径在其文档中说的很明白，但是现在的azkaban只支持hadoop-0.2的版本，对与hadoop-2.0版本的支持不够好。

azkaban两个部分应分别启动，启动时，要给定azkaban安装的根目录和其他文件的路径，可以用相对路径，例如启动webserver时，输入“./azkaban-web-server-start.sh .. ..”。azkaban的两个部分都必须指定其web文件夹的路径，我没有试过在executor不输入web文件夹的路径会是什么样。因为我把webserver和executor都放在了一个服务器上，但是显然，azkaban并不需要把他们都放到一个服务器上。

2、Azkaban的运行

azakban目前只支持上传.zip的文件，把所有需要用到的jar包和配置都放到.zip文件中，上传文件的时候必须要用到IE浏览器。非常恶心的IE only。原因是在azkaban的上传过程中需要检测其文件后缀，但是除了IE会在上传的时候时候就把文件的路径无需配置的就区分开来，其他的非IE内核的貌似都不行。

3、azkaban的改造

因为azkaban只有一个executor的sever，虽然这个server可以放到一个hadoop集群上面，间接的管理很多机器。但是我希望azkaban这个系统不仅仅能够支持haodop的管理，而且对数据挖掘的整体调度都能够管理，由于azkaban的工作流控制和schedule做的都不错，只需对其进行一定的改造即可。

关于改造的具体细节，在另一片日志里面结合代码进行详细分析。