cdhazkaban-cdhazkaban介绍、安装和使用

网友投稿 • 2022年10月16日 am11:05 • 云知识 • 阅读 1

工作流调度系统

一个完整的数据分析系统大都是由海量的任务单元组成shell脚本程序，java，mapreduce程序、hive脚本等等组成，非常复杂，各任务单元之间存在时间先后及前后依赖关系。

为了很好地组织起这样的复杂系统，能够按照计划执行，就必须要一个工作流调度系统来调度执行。

例如，某个业务系统可能每天产生20G原始数据，我们每天都要对其进行处理。

具体处理步骤如下所示：

1. 通过Hadoop先将原始数据同步到HDFS上;

2. 借助MapReduce计算框架对原始数据进行计算，生成的数据以分区表的形式存储到多张Hive表中;

3. 需要对Hive中多个表的数据进行JOIN处理，得到一个明细数据Hive大表;

4. 将明细数据进行复杂的统计分析，得到结果报表信息;

5. 需要将统计分析得到的结果数据同步到业务系统中，供业务调用使用。

图片.png

常见工作流调度系统

简单的任务调度：直接使用linux的crontab来定义;

复杂的任务调度：开发调度平台或使用现成的开源调度系统，比如ooize、azkaban、 Cascading、Hamake等

各种调度工具特性对比

下面的表格对上述四种hadoop工作流调度器的关键特性进行了比较，尽管这些工作流调度器能够解决的需求场景基本一致，但在设计理念，目标用户，应用场景等方面还是存在显著的区别，在做技术选型的时候，可以提供参考。

图片.png

Azkaban与Oozie对比

对市面上最流行的两种调度器，给出以下详细对比，以供技术选型参考。总体来说，ooize相比azkaban是一个重量级的任务调度系统，功能全面，但配置使用也更复杂。如果可以不在意某些功能的缺失，轻量级调度器azkaban是很不错的候选对象。
详情如下

1 ：功能

两者均可以调度mapreduce，pig，java，脚本工作流任务、两者均可以定时执行工作流任务

2 ：工作流定义

Azkaban使用Properties文件定义工作流、Oozie使用XML文件定义工作流

3 ：工作流传参

Azkaban支持直接传参，例如${input}、Oozie支持参数和EL表达式，例如${fs:dirSize(myInputDir)}

4 ：定时执行

Azkaban的定时执行任务是基于时间的、Oozie的定时执行任务基于时间和输入数据

5 ：资源管理

Azkaban有较严格的权限控制，如用户对工作流进行读/写/执行等操作。Oozie暂无严格的权限控制

6 ：工作流执行

Azkaban有两种运行模式，分别是solo server mode(executor server和web
server部署在同一台节点)和multi server mode(executor server和web server可以部署在不同节点)、Oozie作为工作流服务器运行，支持多用户和多工作流

7：工作流管理

Azkaban支持浏览器以及ajax方式操作工作流、Oozie支持命令行、HTTP REST、Java API、浏览器操作工作流

Azkaban介绍

Azkaban是由Linkedin开源的一个批量工作流任务调度器。用于在一个工作流内以一个特定的顺序运行一组工作和流程。Azkaban定义了一种KV文件格式来建立任务之间的依赖关系，并提供一个易于使用的web用户界面维护和跟踪你的工作流。它有如下功能特点：

1：Web用户界面

2：方便上传工作流

3：方便设置任务之间的关系

4：调度工作流

5：认证/授权(权限的工作)

6：能够杀死并重新启动工作流

7：模块化和可插拔的插件机制

8：项目工作区

工作流和任务的日志记录和审计

下载地址

http://azkaban.github.io/downloads.html

原创文章，作者：网友投稿，如若转载，请注明出处：https://www.cloudads.cn/archives/4226.html