大数据入门第十二天——azkaban入门

一、概述

　　1.azkaban是什么

　　　　通过官方文档：https://azkaban.github.io/

　　Azkaban is a batch workflow job scheduler created at LinkedIn to run Hadoop jobs. Azkaban resolves the ordering through job dependencies and provides an easy to use web user interface to maintain and track your workflows.

　　　　中文翻译：

　　Azkaban是在LinkedIn上创建的批处理工作流作业调度程序，用于运行Hadoop作业。Azkaban通过作业依赖性解决了排序问题，并提供易于使用的Web用户界面来维护和跟踪您的工作流程。

　　2.为什么需要工作流调度系统　

　　l 一个完整的数据分析系统通常都是由大量任务单元组成：

　　　　shell脚本程序，java程序，mapreduce程序、hive脚本等

　　l 各任务单元之间存在时间先后及前后依赖关系

　　l 为了很好地组织起这样的复杂执行计划，需要一个工作流调度系统来调度执行；

　　3.实现方式　

　　　　简单的任务调度：直接使用linux的crontab来定义；

　　　　复杂的任务调度：开发调度平台

　　　　　　或使用现成的开源调度系统，比如ooize、azkaban等

对市面上最流行的两种调度器，给出以下详细对比，以供技术选型参考。总体来说，ooize相比azkaban是一个重量级的任务调度系统，功能全面，但配置使用也更复杂。如果可以不在意某些功能的缺失，轻量级调度器azkaban是很不错的候选对象。
详情如下：
功能
两者均可以调度mapreduce,pig,java,脚本工作流任务
两者均可以定时执行工作流任务

工作流定义
Azkaban使用Properties文件定义工作流
Oozie使用XML文件定义工作流

工作流传参
Azkaban支持直接传参，例如${input}
Oozie支持参数和EL表达式，例如${fs:dirSize(myInputDir)}

定时执行
Azkaban的定时执行任务是基于时间的
Oozie的定时执行任务基于时间和输入数据

资源管理
Azkaban有较严格的权限控制，如用户对工作流进行读/写/执行等操作
Oozie暂无严格的权限控制

工作流执行
Azkaban有两种运行模式，分别是solo server mode(executor server和web server部署在同一台节点)和multi server mode(executor server和web server可以部署在不同节点)
Oozie作为工作流服务器运行，支持多用户和多工作流

工作流管理
Azkaban支持浏览器以及ajax方式操作工作流
Oozie支持命令行、HTTP REST、Java API、浏览器操作工作流

与oozie的详细对比