大数据学习7：Azkaban调度器

1. Azkaban介绍

Azkaban是由linkedin（领英）公司推出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使用job配置文件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。

2. 安装部署

上传安装包/opt/tools，并解压

复制代码

tar -zxvf azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz -C /opt/server

修改/opt/server/azkaban-solo-server-0.1.0-SNAPSHOT/conf目录中的azkaban.properties文件，修改时区为Asia/Shanghai

复制代码

vim azkaban.properties

default.timezone.id=Asia/Shanghai

修改/opt/server/azkaban-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes目录中的commonprivate.properties文件，关闭内存检查，azkaban默认需要3G的内存，剩余内存不足则会报异常。

添加：

复制代码

memCheck.enabled=false

启动验证，启动/关闭必须进到azkaban-solo-server-0.1.0-SNAPSHOT/目录下

复制代码

bin/start-solo.sh

登录web页面，通过浏览器访问控制台，http://192.168.59.100:8081/，默认用户名密码azkaban

3. 基本使用

3.1 执行单任务

创建 job 描述文件，命名为first.job，加入以下内容：

复制代码

#first.job
type=command
command=echo 'hello world'

将 job 资源文件打包成 zip 文件，Azkaban 上传的工作流文件只支持 zip 文件。zip 应包含 .job 运行作业所需的文件，作业名称在项目中必须是唯一的。

通过 azkaban 的 web 管理平台创建 project 并上传 job 的 zip 包

点击继续

执行成功

点击右侧的Details按钮，可以查看运行日志

3.2 多任务执行

创建有依赖关系的多个任务，首先创建start.job

复制代码

#start.job
type=command
command=touch /opt/server/web.log

创建a.job，依赖start.job

复制代码

#a.job
type=command
dependencies=start
command=echo "hello a job"

创建b.job，依赖 start.job

复制代码

#b.job
type=command
dependencies=start
command=echo "hello b job"

创建end.job 依赖 a.job 和 b.job

复制代码

#end.job
type=command
dependencies=a,b
command=echo "end job"

将所有 job 资源文件打到一个 zip 包中，在 azkaban 的 web 管理界面创建工程并上传 zip 包，然后按照之前步骤执行

4. 调度Hive 脚本任务

在/opt/data文件夹下创建web_access.sql

复制代码

vim web_access.sql

use default;
DROP TABLE IF EXISTS access_log_content;
CREATE TABLE access_log_content (
    content STRING
);
DROP TABLE IF EXISTS ip_content;
CREATE TABLE ip_content (
    content STRING
);

创建Job 描述文件：hive.job

复制代码

#hive job
type=command
command=/opt/server/apache-hive-3.1.2-bin/bin/hive -f /opt/data/web_access.sql

然后按照之前步骤进行

5. 定时任务调度

6. 定时调度Sqoop作业

配置免密执行作业

在sqoop的/opt/server/sqoop-1.4.7.bin__hadoop-2.6.0/conf目录下修改sqoop-site.xml文件

复制代码

vim sqoop-site.xml

<property>
    <name>sqoop.metastore.client.record.password</name>
    <value>true</value>
</property>

进入/opt/server/hadoop-3.1.0/bin 文件夹

将密码输出到mysqlpwd.pwd文件中，并上传至hdfs

复制代码

cd /opt/server/hadoop-3.1.0/bin

echo -n "root" > mysqlpwd.pwd
./hadoop dfs -mkdir -p /mysql/pwd
./hadoop dfs -put ./mysqlpwd.pwd /mysql/pwd
./hadoop dfs -chmod 400 /mysql/pwd/mysqlpwd.pwd

创建Sqoop作业

创建Sqoop作业，使用--password-file代替--password就是读取之前上传到hdfs上的密码文件来连接mysql

复制代码

/opt/server/sqoop-1.4.7.bin__hadoop-2.6.0/bin

./sqoop job --create job_test4 \
-- import \
--connect jdbc:mysql://192.168.59.100:3306/mydb \
--username root \
--password-file /mysql/pwd/mysqlpwd.pwd \
--table emp --m 1 \
--target-dir /emp \
--incremental append \
--check-column empno \
--last-value  0

上面代码使用的是增量导入，使用sqoop job这种方法，在进行增量导入后就会记忆你的last-value的值，这样你下次运行时就不需要手动更新last-value的值。

创建作业时，如果出现java.lang.NoClassDefFoundError: org/json/JSONObject，是因为sqoop缺少java-json.jar包，将jar包放入sqoop的lib目录下即可

记住先删除之前的任务再重新运行

复制代码

./sqoop job --delete job_test4

创建sqoop.job

复制代码

# sqoop.job
type=command
command=/opt/server/sqoop-1.4.7.bin__hadoop-2.6.0/bin/sqoop job --exec job_test4