分布式任务调度框架 Azkaban —— Flow 1.0 的使用

970 阅读3分钟

一、简介

Azkaban 主要通过界面上传配置文件来进行任务的调度。它有两个重要的概念:

  • Job: 你需要执行的调度任务;
  • Flow:一个获取多个 Job 及它们之间的依赖关系所组成的图表叫做 Flow。

目前 Azkaban 3.x 同时支持 Flow 1.0 和 Flow 2.0,本文主要讲解 Flow 1.0 的使用,下一篇文章会讲解 Flow 2.0 的使用。

二、基本任务调度

2.1 新建项目

在 Azkaban 主界面可以创建对应的项目:

https://github.com/heibaiying

2.2 任务配置

新建任务配置文件 Hello-Azkaban.job,内容如下。这里的任务很简单,就是输出一句 'Hello Azkaban!'

#command.job
type=command
command=echo 'Hello Azkaban!'

2.3 打包上传

Hello-Azkaban.job 打包为 zip 压缩文件:

https://github.com/heibaiying

通过 Web UI 界面上传:

https://github.com/heibaiying

上传成功后可以看到对应的 Flows:

https://github.com/heibaiying

2.4 执行任务

点击页面上的 Execute Flow 执行任务:

https://github.com/heibaiying

2.5 执行结果

点击 detail 可以查看到任务的执行日志:

https://github.com/heibaiying

https://github.com/heibaiying

三、多任务调度

3.1 依赖配置

这里假设我们有五个任务(TaskA——TaskE),D 任务需要在 A,B,C 任务执行完成后才能执行,而 E 任务则需要在 D 任务执行完成后才能执行,这种情况下需要使用 dependencies 属性定义其依赖关系。各任务配置如下:

Task-A.job :

type=command
command=echo 'Task A'

Task-B.job :

type=command
command=echo 'Task B'

Task-C.job :

type=command
command=echo 'Task C'

Task-D.job :

type=command
command=echo 'Task D'
dependencies=Task-A,Task-B,Task-C

Task-E.job :

type=command
command=echo 'Task E'
dependencies=Task-D

3.2 压缩上传

压缩后进行上传,这里需要注意的是一个 Project 只能接收一个压缩包,这里我还沿用上面的 Project,默认后面的压缩包会覆盖前面的压缩包:

https://github.com/heibaiying

3.3 依赖关系

多个任务存在依赖时,默认采用最后一个任务的文件名作为 Flow 的名称,其依赖关系如图:

https://github.com/heibaiying

3.4 执行结果

https://github.com/heibaiying

从这个案例可以看出,Flow1.0 无法通过一个 job 文件来完成多个任务的配置,但是 Flow 2.0 就很好的解决了这个问题。

四、调度HDFS作业

步骤与上面的步骤一致,这里以查看 HDFS 上的文件列表为例。命令建议采用完整路径,配置文件如下:

type=command
command=/usr/app/hadoop-2.6.0-cdh5.15.2/bin/hadoop fs -ls /

执行结果:

https://github.com/heibaiying

五、调度MR作业

MR 作业配置:

type=command
command=/usr/app/hadoop-2.6.0-cdh5.15.2/bin/hadoop jar /usr/app/hadoop-2.6.0-cdh5.15.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.15.2.jar pi 3 3

执行结果:

https://github.com/heibaiying

六、调度Hive作业

作业配置:

type=command
command=/usr/app/hive-1.1.0-cdh5.15.2/bin/hive -f 'test.sql'

其中 test.sql 内容如下,创建一张雇员表,然后查看其结构:

CREATE DATABASE IF NOT EXISTS hive;
use hive;
drop table if exists emp;
CREATE TABLE emp(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
-- 查看 emp 表的信息
desc emp;

打包的时候将 job 文件与 sql 文件一并进行打包:

https://github.com/heibaiying

执行结果如下:

https://github.com/heibaiying

七、在线修改作业配置

在测试时,我们可能需要频繁修改配置,如果每次修改都要重新打包上传,这会比较麻烦。所以 Azkaban 支持配置的在线修改,点击需要修改的 Flow,就可以进入详情页面:

https://github.com/heibaiying

在详情页面点击 Eidt 按钮可以进入编辑页面:

https://github.com/heibaiying

在编辑页面可以新增配置或者修改配置:

https://github.com/heibaiying

附:可能出现的问题

如果出现以下异常,多半是因为执行主机内存不足,Azkaban 要求执行主机的可用内存必须大于 3G 才能执行任务:

Cannot request memory (Xms 0 kb, Xmx 0 kb) from system for job

https://github.com/heibaiying

如果你的执行主机没办法增大内存,那么可以通过修改 plugins/jobtypes/ 目录下的 commonprivate.properties 文件来关闭内存检查,配置如下:

memCheck.enabled=false

更多大数据系列文章可以参见 GitHub 开源项目大数据入门指南