Azkaban初步使用（二）

背景

实际当中经常有这些场景：每天有一个大任务，这个大任务可以分成A,B,C,D四个小任务，A,B任务之间没有依赖关系，C任务依赖A,B任务的结果，D任务依赖C任务的结果。一般的做法是，开两个终端同时执行A,B，两个都执行完了再执行C，最后再执行D。这样的话，整个的执行过程都需要人工参加，并且得盯着各任务的进度。但是我们的很多任务都是在深更半夜执行的，通过写脚本设置crontab执行。其实，整个过程类似于一个有向无环图（DAG）。每个子任务相当于大任务中的一个流，任务的起点可以从没有度的节点开始执行，任何没有通路的节点之间可以同时执行，比如上述的A,B。总结起来的话，我们需要的就是一个工作流的调度器，而azkaban就是能解决上述问题的一个调度器。

登录
https://localhost:8443注意是https，采用的是jetty ssl链接。输入账号密码azkaban/azkanban（如果你之前没有更改的话）
首页
首页有四个菜单
projects：最重要的部分，创建一个工程，所有flows将在工程中运行。
scheduling:显示定时任务
executing:显示当前运行的任务
history:显示历史运行任务
主要介绍projects部分首先创建一个工程，填写名称和描述，比如o2olog。
o2olog工程
Flows：工作流程，有多个job组成Permissions:权限管理Project Logs:工程日志
创建工程：
创建之前我们先了解下之间的关系，一个工程包含一个或多个flows，一个flow包含多个job。job是你想在azkaban中运行的一个进程，可以是简单的linux命令，可是java程序，也可以是复杂的shell脚本，当然，如果你安装相关插件，也可以运行插件。一个job可以依赖于另一个job，这种多个job和它们的依赖组成的图表叫做flow。
job创建
创建job很简单，只要创建一个以.job结尾的文本文件就行了,例如我们创建一个工作，用来将日志数据导入hive中（关于大数据方面的东西，不在重复，可以理解为，将日志所需数据导入的mysql中），我们创建o2o_2_hive.job
type=commandcommand=echo "data 2 hive"
一个简单的job就创建好了，解释下，type的command，告诉azkaban用unix原生命令去运行，比如原生命令或者shell脚本，当然也有其他类型，后面说。
一个工程不可能只有一个job，我们现在创建多个依赖job，这也是采用azkaban的首要目的。
flows创建
我们说过多个jobs和它们的依赖组成flow。怎么创建依赖，只要指定dependencies参数就行了。比如导入hive前，需要进行数据清洗，数据清洗前需要上传，上传之前需要从ftp获取日志。定义5个job：
o2o_2_hive.job：将清洗完的数据入hive库
o2o_clean_data.job：调用mr清洗hdfs数据
o2o_up_2_hdfs.job：将文件上传至hdfs
o2o_get_file_ftp1.job：从ftp1获取日志
o2o_get_file_fip2.job：从ftp2获取日志
依赖关系：3依赖4和5，2依赖3，1依赖2，4和5没有依赖关系。
o2o_2_hive.job
type=command# 执行sh脚本，建议这样做，后期只需维护脚本就行了，azkaban定义工作流程command=sh /job/o2o_2_hive.shdependencies=o2o_clean_data
o2o_clean_data.job
type=command# 执行sh脚本，建议这样做，后期只需维护脚本就行了，azkaban定义工作流程command=sh /job/o2o_clean_data.shdependencies=o2o_up_2_hdfs
o2o_up_2_hdfs.job
type=command#需要配置好hadoop命令，建议编写到shell中，可以后期维护command=hadoop  fs -put /data/*#多个依赖用逗号隔开dependencies=o2o_get_file_ftp1,o2o_get_file_ftp2
o2o_get_file_ftp1.job
type=commandcommand=wget "ftp://file1" -O /data/file1
o2o_get_file_ftp2.job
type=commandcommand=wget "ftp:file2" -O /data/file2
可以运行unix命令，也可以运行python脚本（强烈推荐）。将上述job打成zip包。ps：为了测试流程，我将上述command都改为echo ＋相应命令
上传：
上传
上传完成
点击o2o_2_hive进入流程，azkaban流程名称以最后一个没有依赖的job定义的。
流程
右上方是配置执行当前流程或者执行定时流程。
流程执行
Flow view：流程视图。可以禁用，启用某些jobNotification:定义任务成功或者失败是否发送邮件Failure Options:定义一个job失败，剩下的job怎么执行Concurrent：并行任务执行设置Flow Parametters：参数设置。
1.执行一次设置好上述参数，点击execute。
执行成功
绿色代表成功，蓝色是运行，红色是失败。可以查看job运行时间，依赖和日志，点击details可以查看各个job运行情况。
jobList
2.定时执行
定时执行
这时候注意到cst了吧，之前需要将配置中时区改为Asia/shanghai。可以选择"天/时/分/月/周"等执行频率。
定时任务
可以查看下次执行时间。
其他job配置选项
可以定义job依赖另一个flow，配置
type=flowflow.name=fisrt_flow
可以设置每个job中子命令
type=commandcommand=echo "hello"command.1=echo "world"
可以配置job失败重启次数，及间隔时间,比如，上述ftp获取日志，我可以配置重试12次，每隔5分钟一次。
type=commandcommand=wget "ftp://file1" -O /data/file1retries=12#单位毫秒retry.backoff=300000
azkaban还有很多强大的功能，如它开放了相关api，我们将它可以嵌入到自己的app等等，有兴趣的朋友可以研究。
至此，azkaban学习到此结束，
作者：haort链接：http://www.jianshu.com/p/484564beda1d來源：简书著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。