Azkaban Flow 1.0 的使用 | 来唧唧歪歪(Ljjyy.com) - 多读书多实践，勤思考善领悟

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!' ：

1
2
3

#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 :

1 2	type=command command=echo 'Task A'

Task-B.job :

1 2	type=command command=echo 'Task B'

Task-C.job :

1 2	type=command command=echo 'Task C'

Task-D.job :

1
2
3

type=command
command=echo 'Task D'
dependencies=Task-A,Task-B,Task-C

Task-E.job :

1
2
3

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：

1 2	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：

1 2	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：

1 2	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;