1、概述
1.1、工作流调度系统
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
????????各任务单元之间存在时间先后及前后依赖关系,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任务的执行。
????????假如，我有这样一个需求，某个业务系统每天产生20G原始数据，每天都要对其进行处理，处理步骤如下所示：
- 通过Hadoop先将原始数据同步到HDFS上；
- 借助MapReduce计算框架对原始数据进行转换，生成的数据以分区表的形式存储到多张Hive表 中；
- 需要对Hive中多个表的数据进行JOIN处理，得到一个明细数据Hive大表；
- 将明细数据进行各种统计分析，得到结果报表信息；
- 需要将统计分析得到的结果数据同步到业务系统中，供业务调用使用。
1.2、工作流调度实现方式
- 简单的任务调度：直接用linux的crontab；
- 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、Airflow等
1.3、Azkaban与Oozie对比
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?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
2、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。
????????Azkaban定义了一种K文件(properties)格式来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。
有如下功能特点
- Web用户界面
- 方便上传工作流
- 方便设置任务之间的关系
- 调度工作流
架构角色
mysql服务器: 存储元数据，如项目名称、项目描述、项目权限、任务状态、SLA规则等
AzkabanWebServer:对外提供web服务，使用户可以通过web页面管理。职责包括项目管理、权限授权、任务调度、监控executor。
AzkabanExecutorServer:负责具体的工作流的提交、执行。