大数据-Azkaban介绍

1. Azkaban介绍

1.1. 为什么需要Azkaban

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执行；

例如，我们可能有这样一个需求，某个业务系统每天产生20G原始数据，我们每天都要对 其进行处理，处理步骤如下所示：

1. 通过Hadoop先将原始数据同步到HDFS上；
2. 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；
3. 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；
4. 将明细数据进行各种统计分析，得到结果报表信息；
5. 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. 常见工作流调度系统

简单的任务调度：直接使用linux的crontab来定义； 复杂的任务调度:在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading, 等

1.3. 各种调度工具特性对比

下面的表格对上述四种hadoop工作流调度器的关键特性进行了比较，尽管这些工作流调 度器能够解决的需求场景基本一致，但在设计理念，目标用户，应用场景等方面还是存 在显著的区别，在做技术选型的时候，可以提供参考

1.5. Azkaban 是什么

Azkaban是由Linkedin开源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定义了一种KV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。

它有如下功能特点：

1. Web用户界面
2. 基于时间的执行任务
3. 方便上传工作流
4. 方便设置任务之间的关系
5. 工作流和任务的日志记录和审计