前言：

最近在實際工作中玩到了Azkaban，雖然之前有簡單的接觸，但是真正用到的時候，才能體會到這個工具的實用性有多強，總結下真個操作過程。在總結整個操作過程之前先簡單描述下工作流調度系統的優勢。

1、工作流調度系統的優勢

一個完整的數據分析系統通常都是由大量任務單元組成：
shell腳本程序，java程序，mapreduce程序、hive腳本等

• 各任務單元之間存在時間先后及前后依賴關系
• 為了很好地組織起這樣的復雜執行計劃，需要一個工作流調度系統來調度執行；

例如，我們可能有這樣一個需求，某個業務系統每天產生20G原始數據，我們每天都要對其進行處理，處理步驟如下所示：

1. 通過Hadoop先將原始數據同步到HDFS上；
2. 借助MapReduce計算框架對原始數據進行轉換，生成的數據以分區表的形式存儲到多張Hive表中；
3. 需要對Hive中多個表的數據進行JOIN處理，得到一個明細數據Hive大表；
4. 將明細數據進行復雜的統計分析，得到結果報表信息；
5. 需要將統計分析得到的結果數據同步到業務系統中，供業務調用使用。

以上整個流程組成了我們的一個job，如果采用傳統的linux定時任務去處理這個流程的話，存在一個巨大的隱患，job失敗率很高，流程無法控制，沒有預警機制。所以類似的這種工作流調度器的工具就應運而生！

工作流調度實現方式：
簡單的任務調度：直接使用linux的crontab來定義；
復雜的任務調度：開發調度平臺或使用現成的開源調度系統，比如ooize、azkaban等

2、操作指南

2.1、首頁簡介

projects：最重要的部分，創建一個工程，所有flows將在工程中運行。
scheduling:顯示定時任務
executing:顯示當前運行的任務
history:顯示歷史運行任務

2.2、創建單一job

概念介紹
創建工程：創建之前我們先了解下之間的關系，一個工程包含一個或多個flows，一個flow包含多個job。job是你想在azkaban中運行的一個進程，可以是簡單的linux命令，可是java程序，也可以是復雜的shell腳本，當然，如果你安裝相關插件，也可以運行插件。一個job可以依賴于另一個job，這種多個job和它們的依賴組成的圖表叫做flow。

1、Command 類型單一 job 示例

• 首先創建一個工程，填寫名稱和描述
• 之后點擊完成后進入如下界面

• Flows：工作流程，有多個job組成
• Permissions:權限管理
• Project Logs:工程日志

2、job的創建
創建job很簡單，只要創建一個以.job結尾的文本文件就行了,例如我們創建一個工作，用來打印hello，名字叫做command.job

command.job
type=command
command=echo 'hello'

一個簡單的job就創建好了，解釋下，type的command，告訴azkaban用unix原生命令去運行，比如原生命令或者shell腳本，當然也有其他類型，后面說。一個工程不可能只有一個job，我們現在創建多個依賴job，這也是采用azkaban的首要目的。

3、將 job 資源文件打包
注意：只能是zip格式
4、通過 azkaban web 管理平臺創建 project 并上傳壓縮包

注意這里這里點擊Execute Flow后可以執行定時任務，也可立即執行

查看任務的執行情況

2.3、創建多job項目

我們說過多個jobs和它們的依賴組成flow。怎么創建依賴，只要指定dependencies參數就行了。比如導入hive前，需要進行數據清洗，數據清洗前需要上傳，上傳之前需要從ftp獲取日志。
定義5個job：

1、o2o_2_hive.job：將清洗完的數據入hive庫
2、o2o_clean_data.job：調用mr清洗hdfs數據
3、o2o_up_2_hdfs.job：將文件上傳至hdfs
4、o2o_get_file_ftp1.job：從ftp1獲取日志
5、o2o_get_file_fip2.job：從ftp2獲取日志

依賴關系：
3依賴4和5，2依賴3，1依賴2，4和5沒有依賴關系。
注意command寫成執行sh腳本，建議這樣做，后期只需維護腳本就行了（將python腳本放到shell腳本中執行便于維護），azkaban定義工作流程

o2o_2_hive.jobtype=command
# 執行sh腳本，建議這樣做，后期只需維護腳本就行了，azkaban定義工作流程  
command=sh /job/o2o_2_hive.sh 
dependencies=o2o_clean_data
retries=3 #失敗重試3次
retry.backoff=30000 #每次重試間隔，單位為毫秒o2o_clean_data.jobtype=command    
# 執行sh腳本，建議這樣做，后期只需維護腳本就行了，azkaban定義工作流程
command=sh /job/o2o_clean_data.sh
dependencies=o2o_up_2_hdfso2o_up_2_hdfs.jobtype=command#需要配置好hadoop命令，建議編寫到shell中，可以后期維護
command=hadoop fs -put /data/*
#多個依賴用逗號隔開
dependencies=o2o_get_file_ftp1,o2o_get_file_ftp2o2o_get_file_ftp1.jobtype=command
command=wget "ftp://file1" -O /data/file1o2o_get_file_ftp2.job
type=command
command=wget "ftp:file2" -O /data/file2

配置郵件接收者：在任務流Flow的最后一個.job中文件中添加如下內容

這樣將郵箱接受者配置到job文件中便于管理和修改

#任務執行失敗發送郵件，多個接收郵件人之間用“,”分隔
failure.emails=AAAAAAA@126.com,BBBBB@163.com
#任務執行成功發送郵件
success.emails=AAAAA@126.com
#任務執行完成，無論成功還是失敗發送郵件
notify.emails=BBBBBBB@126.com

可以運行unix命令，也可以運行python腳本（強烈推薦）。將上述job打成zip包。
效果圖（可以在下圖中點擊每個job，再次編輯job中的內容）

點擊o2o_2_hive進入流程，azkaban流程名稱以最后一個沒有依賴的job定義的。查看各個job間的依賴關系

下圖是配置執行當前流程或者執行定時流程。

說明

Flow view：流程視圖。可以禁用，啟用某些job（這里想要單獨運行某個job時，可以操作隱藏其他的依賴job）
Notification:定義任務成功或者失敗是否發送郵件
Failure Options:定義一個job失敗，剩下的job怎么執行
Concurrent：并行任務執行設置
Flow Parametters：參數設置。

參考：https://blog.csdn.net/aizhenshi/article/details/80828726
參考：https://www.jianshu.com/p/3b78164477e8