工作流介绍

工作流（Workflow），指“业务过程的部分或整体在计算机应用环境下的自动化” 工作流主要解决的主要问题是：为了实现某个业务目标，利用计算机软件在多个参与者之间按某种预定规则自动传递文档、信息或者任务。 各个模块单元之间存在时间先后依赖关系，且存在着周期性重复。比如每一条都需要把前一天网站的流量日志分析展示出来。 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.

azkaban的安装:

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 数据库:MySQL 下载地址:https://pan.baidu.com/s/1zXa-tMWLYVEeUyexbmXzbg 提取码:czqx

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

azkaban 执行服务器安装

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

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

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.

azkaban的使用:

案例一: hive.job文件:

# hivef.job type=command #dependencies=xxx command=/export/servers/hive-1.1.0-cdh5.14.0/bin/hive -f 'test.sql'

test.sql文件:

use us_app; drop table aztest; create table aztest(cookie string,day string,nums int) row format delimited fields terminated by ','; load data inpath '/user/hive/warehouse/hive_etl.db/test_2' into table aztest; create table azres as select cookie from aztest; insert overwrite directory '/azaz666' select count(1) from aztest;

案例二:

# data-pretreatment.job type=command command=/export/servers/hadoop-2.6.0-cdh5.14.0/bin/hadoop jar data-pretreatment.jar /weblog/input /weblog/output # data-pageviews.job type=command dependencies=data-pretreatment command=/export/servers/hadoop-2.6.0-cdh5.14.0/bin/hadoop jar data-pageviews.jar /weblog/output /weblog/pageviews # data-visits.job type=command dependencies=data-pageviews command=/export/servers/hadoop-2.6.0-cdh5.14.0/bin/hadoop jar data-visits.jar /weblog/pageviews /weblog/visits