Azkaban學習之路 (三)Azkaban的使用


界面介紹

首頁有四個菜單

  • projects:最重要的部分,創建一個工程,所有flows將在工程中運行。
  • scheduling:顯示定時任務
  • executing:顯示當前運行的任務
  • history:顯示歷史運行任務

介紹projects部分

概念介紹

創建工程:創建之前我們先了解下之間的關系,一個工程包含一個或多個flows,一個flow包含多個job。job是你想在azkaban中運行的一個進程,可以是簡單的linux命令,可是java程序,也可以是復雜的shell腳本,當然,如果你安裝相關插件,也可以運行插件。一個job可以依賴於另一個job,這種多個job和它們的依賴組成的圖表叫做flow

1、Command 類型單一 job 示例

(1)首先創建一個工程,填寫名稱和描述

(2)點擊創建之后

Flows:工作流程,有多個job組成
Permissions:權限管理
Project Logs:工程日志

(3)job的創建

創建job很簡單,只要創建一個以.job結尾的文本文件就行了,例如我們創建一個工作,用來打印hello,名字叫做command.job

#command.job

type=command

command=echo 'hello'

一個簡單的job就創建好了,解釋下,type的command,告訴azkaban用unix原生命令去運行,比如原生命令或者shell腳本,當然也有其他類型,后面說。

一個工程不可能只有一個job,我們現在創建多個依賴job,這也是采用azkaban的首要目的。

(4)將 job 資源文件打包

注意:只能是zip格式

(5)通過 azkaban web 管理平台創建 project 並上傳壓縮包

 

 

 

 

2、Command 類型多 job 工作流 flow

(1)創建項目

我們說過多個jobs和它們的依賴組成flow。怎么創建依賴,只要指定dependencies參數就行了。比如導入hive前,需要進行數據清洗,數據清洗前需要上傳,上傳之前需要從ftp獲取日志。
定義5個job:

1、o2o_2_hive.job:將清洗完的數據入hive庫

2、o2o_clean_data.job:調用mr清洗hdfs數據

3、o2o_up_2_hdfs.job:將文件上傳至hdfs

4、o2o_get_file_ftp1.job:從ftp1獲取日志

5、o2o_get_file_fip2.job:從ftp2獲取日志

依賴關系:
3依賴4和5,2依賴3,1依賴2,4和5沒有依賴關系。

o2o_2_hive.job

type=command
# 執行sh腳本,建議這樣做,后期只需維護腳本就行了,azkaban定義工作流程
command=sh /job/o2o_2_hive.sh
dependencies=o2o_clean_data

o2o_clean_data.job

type=command
# 執行sh腳本,建議這樣做,后期只需維護腳本就行了,azkaban定義工作流程
command=sh /job/o2o_clean_data.sh
dependencies=o2o_up_2_hdfs

o2o_up_2_hdfs.job

type=command
#需要配置好hadoop命令,建議編寫到shell中,可以后期維護
command=hadoop fs -put /data/*
#多個依賴用逗號隔開
dependencies=o2o_get_file_ftp1,o2o_get_file_ftp2

o2o_get_file_ftp1.job

type=command
command=wget "ftp://file1" -O /data/file1

o2o_get_file_ftp2.job

type=command
command=wget "ftp:file2" -O /data/file2

可以運行unix命令,也可以運行python腳本(強烈推薦)。將上述job打成zip包。
ps:為了測試流程,我將上述command都改為echo +相應命令

(2)上傳

 

點擊o2o_2_hive進入流程,azkaban流程名稱以最后一個沒有依賴的job定義的。

右上方是配置執行當前流程或者執行定時流程。

說明

Flow view:流程視圖。可以禁用,啟用某些job
Notification:定義任務成功或者失敗是否發送郵件
Failure Options:定義一個job失敗,剩下的job怎么執行
Concurrent:並行任務執行設置
Flow Parametters:參數設置。

(3)執行一次

設置好上述參數,點擊execute。

綠色代表成功藍色是運行紅色是失敗。可以查看job運行時間,依賴和日志,點擊details可以查看各個job運行情況。

 

(4)執行定時任務

這時候注意到cst了吧,之前需要將配置中時區改為Asia/shanghai。
可以選擇"天/時/分/月/周"等執行頻率。

可以查看下次執行時間。

3、操作 MapReduce 任務

(1)創建 job 描述文件

mapreduce_wordcount.job

# mapreduce_wordcount.job
type=command
dependencies=mapreduce_pi
command=/home/hadoop/apps/hadoop-2.7.5/bin/hadoop jar /home/hadoop/apps/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar wordcount /wordcount/input /wordcount/output_azkaban

mapreduce_pi.job

# mapreduce_pi.job
type=command
command=/home/hadoop/apps/hadoop-2.7.5/bin/hadoop jar /home/hadoop/apps/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar pi 5 5

(2)創建 project 並上傳 zip 包

(3)啟動執行

4、Hive 腳本任務

(1) 創建 job 描述文件和 hive 腳本

 Hive 腳本如下

 test.sql

create database if not exists azkaban;
use azkaban;
drop table if exists student;
create table student(id int,name string,sex string,age int,deparment string) row format delimited fields terminated by ',';
load data local inpath '/home/hadoop/student.txt' into table student;
create table student_copy as select * from student;
insert overwrite directory '/aztest/hiveoutput' select count(1) from student_copy;
!hdfs dfs -cat /aztest/hiveoutput/000000_0;
drop database azkaban cascade

 Job 描述文件:

hivef.job

# hivef.job
type=command
command=/home/hadoop/apps/apache-hive-2.3.3-bin/bin/hive -f 'test.sql'

(2)將所有 job 資源文件打到一個 zip 包中

(3)在 azkaban 的 web 管理界面創建工程並上傳 zip 包

 

5、啟動 job

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM