Azkaban是Linkedin开源的任务调度软件。致力于解决Hadoop job 问题。

主要解决ETL中有顺序的任务。

一、基本概念：

其中主要有三个组件组成：

Relational Database(只支持MySql)

Azkaban WebServerWebUI）

Azkaban ExecutorServer

Azkaban2目前支持三种模式：

solo server mode

two server mode

multiple executor mode

Azkaban界面中的主要元素有三个，分别是project、job与flow

project可以理解为某个项目，其项目中包含了许多需要执行的任务，即为job，各个job之间形成依赖关系，便组成了工作流flow

二.如何使用：

首先，需要创建以.job为扩展名的文件，一个文件即代表一个任务。

所有的job都需要一个知道他们如何去执行的type。一般的，有这样四种job类型：Java、command、javaprocess和pig。

本文以type=command为例

其次在这个文件中添加这个任务所需的参数与参数值，

必须的参数有type与command

例如：

type=command

command=echo 'jobs start’

四类job类型的文件都可以添加的参数有以下几个：

retries --> 任务失败时自动重启的次数

retry.backoff --> 每一次任务尝试重启时之间等待的毫秒数

working.dir --> 可以重新指定任务执行的工作目录，默认为目前正在运行的任务的工作目录

failure.emails --> 任务失败时的邮件提醒设置，以逗号分隔多个邮箱

success.emails --> 任务成功时的邮件提醒设置，以逗号分隔多个邮箱

notify.emails --> 任务无论失败还是成功都邮件提醒设置，以逗号分隔多个邮箱

dependencies--> 定义该文件依赖的文件，值为被依赖文件的文件名，多个目标以逗号分隔，不加扩展名

保存为start.job文件即创建好了一个job，其中

Azkaban每个project中只能上传一个.zip文件

三、创建工作流flow

定义好所有的参数后即为定义好了一个job，如果添加了dependencies参数即形成了工作流flow

以开头的任务流为例:

#start.job
type=command
command=echo "jobs start"

1. #A.job

2. type=command

3. command=echo "This A job"

4. dependencies=start

1. #B.job

2. type=command

3. command=echo "This B job"

4. dependencies=start

1. #C.job

2. type=command

3. command=echo "This C job"

4. dependencies=A,B

1. #D.job

2. type=command

3. command=echo "This D job"

4. dependencies=C

保存好5个文件后，将5文件打包成zip，然后在界面中进行上传，就会将这几个job上传到了系统中，最终呈现成一个DAG图。

四、简单比较：

airflow  python实现，在使用的时候需要自己填写python代码，利用Python代码实现 Job 的 Dag流程。界面操作人性化，缺点，只能单节点运行。

 Oozie：与airflow类似，使用的时候需要手动填写XML的配置文件，WEB UI，类比airflow 并没有那么人性化。

五、总结

这几天在使用Azkaban的时候遇到些坑，这里简单记录一下。

1.启动Azkaban的时候，一定要在/bin目录这一级目录使用/bin/xxx进行启动与停止，

否则找不到，启动会报错。

2.在使用的时候上传job的文件，若是单个job文件压缩上传，不要放到一个文件夹里面再压缩，

需要直接压缩，不然Azkaban会找不到对应的job。若是多个job 文件，也是不要将所有的job

文件放到文件夹下压缩，而是直接压缩多个job文件。