当前位置: 移动技术网 > IT编程>数据库>其他数据库 > 分布式任务调度框架 Azkaban —— Flow 1.0 的使用

分布式任务调度框架 Azkaban —— Flow 1.0 的使用

2019年09月01日  | 移动技术网IT编程  | 我要评论

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

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

如对本文有疑问, 点击进行留言回复!!

相关文章:

验证码:
移动技术网