Azkaban-开源任务调度程序(使用篇).docx

登录https://localhost:8443https://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.jobtype=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hdfso2o_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.jobtype=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_datao2o_clean_data.jobtype=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_hdfso2o_up_2_hdfs.jobtype=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_ftp2o2o_get_file_ftp1.jobtype=commandcommand=wget "ftp://file1" -O /data/file1o2o_get_file_ftp2.jobtype=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。jobList2.定时执行