分布式任务调度框架 Azkaban —— Flow 1.0 的使用

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：

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

将 hello-azkaban.job 打包为 zip 压缩文件：

通过 web ui 界面上传：

上传成功后可以看到对应的 flows：

2.4 执行任务

点击页面上的 execute flow 执行任务：

2.5 执行结果

点击 detail 可以查看到任务的执行日志：

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：

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：

3.4 执行结果

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：

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：

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：

执行结果如下：

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：

在详情页面点击 eidt 按钮可以进入编辑页面：

在编辑页面可以新增配置或者修改配置：

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

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