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
上一篇: SpringMVC入门 -- 参数绑定
下一篇: 常针灸五个穴位 整天自信好气色