From 4bac5f80a5d811aa763ee7b78ba1d415d79a011b Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=E7=BD=97=E7=A5=A5?= <1366971433@qq.com>
Date: Mon, 3 Jun 2019 15:10:22 +0800
Subject: [PATCH] =?UTF-8?q?Azkaban=20Flow=202.0=E7=9A=84=E4=BD=BF=E7=94=A8?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 notes/Azkaban_Flow_2.0_的使用.md | 592 ++++++++++++++--------------
 1 file changed, 289 insertions(+), 303 deletions(-)

diff --git a/notes/Azkaban_Flow_2.0_的使用.md b/notes/Azkaban_Flow_2.0_的使用.md
index 1a611a2..1f9857d 100644
--- a/notes/Azkaban_Flow_2.0_的使用.md
+++ b/notes/Azkaban_Flow_2.0_的使用.md
@@ -1,310 +1,296 @@
-# Azkaban Flow 2.0的使用
-
<nav>
+# Azkaban Flow 2.0的使用
+
+<nav>
 <a href="#一Flow-20-简介">一、Flow 2.0 简介</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#11-Flow-20-的产生">1.1 Flow 2.0 的产生</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#12-基本结构">1.2 基本结构</a><br/>
 <a href="#二YAML语法">二、YAML语法</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#21-基本规则">2.1 基本规则</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#22-对象的写法">2.2 对象的写法</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#23-map的写法">2.3 map的写法</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#23-数组的写法">2.3 数组的写法</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#25-单双引号">2.5 单双引号</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#26-特殊符号">2.6 特殊符号</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#27-配置引用">2.7 配置引用</a><br/>
 <a href="#三简单任务调度">三、简单任务调度</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#31-任务配置">3.1 任务配置</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#32-打包上传">3.2 打包上传</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#33-执行结果">3.3 执行结果</a><br/>
 <a href="#四多任务调度">四、多任务调度</a><br/>
 <a href="#五内嵌流">五、内嵌流</a><br/>
 </nav>
 
-## 一、Flow 2.0 简介
-
-### 1.1 Flow 2.0 的产生
-
-Azkaban 目前同时支持Flow 1.0和Flow2.0,但是官方文档上更推荐使用2.0，因为Flow 1.0 会在将来的版本被移除。
-
->This section covers how to create your Azkaban flows using Azkaban Flow 2.0.Flow 1.0 will be deprecated in the future.
-
-Flow 2.0设计的主要思想是提供1.0版本没有的流级定义。用户可以将属于给定流的所有.job / .properties文件合并到单个流定义文件中，而不是创建多个.job / .properties文件。配置文件以YAML格式定义，每个项目zip将包含多个流YAML文件和一个项目YAML文件。同时可以在YAML文件中的流内定义流，称为为嵌入流或子流。
-
-### 1.2 基本结构
-
-项目zip将包含多个流YAML文件，一个项目YAML文件以及可选库和源代码。Flow YAML文件的基本结构如下：
-
-+ 每个Flow都在单个YAML文件中定义
-+ 流文件以流名称命名。如：my-flow-name.flow
-+ 包含DAG中的所有节点
-+  每个节点可以是作业或流程
-+  每个节点 可以拥有 name, type, config, dependsOn and nodes sections等属性
-+  通过列出dependsOn列表中的父节点来指定节点依赖性
-+ 包含与流相关的其他配置
-+   当前.properties文件中流的所有常见属性都将迁移到每个流YAML文件中的config部分
-
-官方提供了一个比较完善的配置样例，如下：
-
-```yaml
-config:
-  user.to.proxy: azktest
-  param.hadoopOutData: /tmp/wordcounthadoopout
-  param.inData: /tmp/wordcountpigin
-  param.outData: /tmp/wordcountpigout
-
-# This section defines the list of jobs
-# A node can be a job or a flow
-# In this example, all nodes are jobs
-nodes:
- # Job definition
- # The job definition is like a YAMLified version of properties file
- # with one major difference. All custom properties are now clubbed together
- # in a config section in the definition.
- # The first line describes the name of the job
- - name: AZTest
-   type: noop
-   # The dependsOn section contains the list of parent nodes the current
-   # node depends on
-   dependsOn:
-     - hadoopWC1
-     - NoOpTest1
-     - hive2
-     - java1
-     - jobCommand2
-
- - name: pigWordCount1
-   type: pig
-   # The config section contains custom arguments or parameters which are
-   # required by the job
-   config:
-     pig.script: src/main/pig/wordCountText.pig
-
- - name: hadoopWC1
-   type: hadoopJava
-   dependsOn:
-     - pigWordCount1
-   config:
-     classpath: ./*
-     force.output.overwrite: true
-     input.path: ${param.inData}
-     job.class: com.linkedin.wordcount.WordCount
-     main.args: ${param.inData} ${param.hadoopOutData}
-     output.path: ${param.hadoopOutData}
-
- - name: hive1
-   type: hive
-   config:
-     hive.script: src/main/hive/showdb.q
-
- - name: NoOpTest1
-   type: noop
-
- - name: hive2
-   type: hive
-   dependsOn:
-     - hive1
-   config:
-     hive.script: src/main/hive/showTables.sql
-
- - name: java1
-   type: javaprocess
-   config:
-     Xms: 96M
-     java.class: com.linkedin.foo.HelloJavaProcessJob
-
- - name: jobCommand1
-   type: command
-   config:
-     command: echo "hello world from job_command_1"
-
- - name: jobCommand2
-   type: command
-   dependsOn:
-     - jobCommand1
-   config:
-     command: echo "hello world from job_command_2"
-```
-
-## 二、YAML语法
-
-想要进行Flow流的配置，首先需要了解YAML ，YAML 是一种简洁的非标记语言，有着严格的格式要求的，如果你的格式配置失败，上传到Azkaban的时候就会抛出解析异常。
-
-### 2.1 基本规则
-
-1. 大小写敏感 
-2. 使用缩进表示层级关系 
-3. 缩进长度没有限制，只要元素对齐就表示这些元素属于一个层级。 
-4. 使用#表示注释 
-5. 字符串默认不用加单双引号，但单引号和双引号都可以使用，双引号不会对特殊字符转义。
-6. YAML中提供了多种常量结构，包括：整数，浮点数，字符串，NULL，日期，布尔，时间。
-
-### 2.2 对象的写法
-
-```yaml
-# value 与 ： 符号之间必须要有一个空格
-key: value
-```
-
-### 2.3 map的写法
-
-```yaml
-# 写法一 同一缩进的所有键值对属于一个map
-key: 
-    key1: value1
-    key2: value2
-
-# 写法二
-{key1: value1, key2: value2}
-```
-
-### 2.3 数组的写法
-
-```yaml
-# 写法一 使用一个短横线加一个空格代表一个数组项
-- a
-- b
-- c
-
-# 写法二
-[a,b,c]
-```
-
-### 2.5 单双引号
-
-单引号和双引号都可以使用，双引号不会对特殊字符转义。
-
-```yaml
-s1: '内容\n字符串'
-s2: "内容\n字符串"
-
-转换后：
-{ s1: '内容\\n字符串', s2: '内容\n字符串' }
-```
-
-### 2.6 特殊符号
-
-`---`  YAML可以在同一个文件中，使用`---`表示一个文档的开始。
-
-### 2.7 配置引用
-
-在Azkaban中可以使用`${}`引用定义的配置，同时也建议将公共的参数抽取到config中，并使用`${}`进行引用。
-
-
-
-## 三、简单任务调度
-
-### 3.1 任务配置
-
-新建`flow`配置文件
-
-```yaml
-nodes:
-  - name: jobA
-    type: command
-    config:
-      command: echo "Hello Azkaban Flow 2.0."
-```
-
-在当前的版本中，由于Azkaban是同时支持Flow 1.0 和 Flow 2.0的，如果你想让Azkaban知道你是希望以2.0方式运行，则需要新建一个`project`文件，指明是使用的Flow 2.0
-
-```shell
-azkaban-flow-version: 2.0
-```
-
-### 3.2 打包上传
-
-<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simple.png"/> </div>
-
-
-
-### 3.3 执行结果
-
-由于在1.0 版本中已经介绍过web ui的使用，这里就不再赘述，对于1.0和2.0版本，只有配置的方式是不同的，其他上传执行的操作方式都是相同的。执行结果如下：
-
-<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simle-result.png"/> </div>
-
-## 四、多任务调度
-
-和1.0给的案例一样，这里假设我们有五个任务（jobA——jobE）,D任务需要在A，B，C任务执行完成后才能执行，而E任务则需要在D任务执行完成后才能执行。`Flow`配置如下。可以看到在1.0中我们需要分别定义五个配置文件，而在2.0中我们只需要一个配置文件即可完成配置。
-
-```yaml
-nodes:
-  - name: jobE
-    type: command
-    config:
-      command: echo "This is job E"
-    # jobE depends on jobD
-    dependsOn: 
-      - jobD
-    
-  - name: jobD
-    type: command
-    config:
-      command: echo "This is job D"
-    # jobD depends on jobA、jobB、jobC
-    dependsOn:
-      - jobA
-      - jobB
-      - jobC
-
-  - name: jobA
-    type: command
-    config:
-      command: echo "This is job A"
-
-  - name: jobB
-    type: command
-    config:
-      command: echo "This is job B"
-
-  - name: jobC
-    type: command
-    config:
-      command: echo "This is job C"
-```
-
-## 五、内嵌流
-
-Flow2.0 支持在一个Flow中定义另一个Flow，称为内嵌流或者子流。这里给出一个内嵌流的示例，其`Flow`配置如下：
-
-```yaml
-nodes:
-  - name: jobC
-    type: command
-    config:
-      command: echo "This is job C"
-    dependsOn:
-      - embedded_flow
-
-  - name: embedded_flow
-    type: flow
-    config:
-      prop: value
-    nodes:
-      - name: jobB
-        type: command
-        config:
-          command: echo "This is job B"
-        dependsOn:
-          - jobA
-
-      - name: jobA
-        type: command
-        config:
-          command: echo "This is job A"
-```
-
-内嵌流的DAG图如下：
-
-<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-flow.png"/> </div>
-
-执行情况如下：
-
-<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-success.png"/> </div>
-
-
-
-## 参考资料
-
-1. [Azkaban Flow 2.0 Design](https://github.com/azkaban/azkaban/wiki/Azkaban-Flow-2.0-Design)
-2. [Getting started with Azkaban Flow 2.0](https://github.com/azkaban/azkaban/wiki/Getting-started-with-Azkaban-Flow-2.0)
-
+
+## 一、Flow 2.0 简介
+
+### 1.1 Flow 2.0 的产生
+
+Azkaban 目前同时支持 Flow 1.0 和 Flow2.0 ，但是官方文档上更推荐使用Flow 2.0，因为Flow 1.0会在将来的版本被移除。Flow 2.0的主要设计思想是提供1.0所没有的流级定义。用户可以将属于给定流的所有`job / properties`文件合并到单个流定义文件中，其内容采用YAML语法进行定义，同时还支持在流中再定义流，称为为嵌入流或子流。
+
+### 1.2 基本结构
+
+项目zip将包含多个流YAML文件，一个项目YAML文件以及可选库和源代码。Flow YAML文件的基本结构如下：
+
++ 每个Flow都在单个YAML文件中定义；
++ 流文件以流名称命名。如：`my-flow-name.flow`；
++ 包含DAG中的所有节点；
++  每个节点可以是作业或流程；
++  每个节点 可以拥有 name, type, config, dependsOn 和 nodes sections等属性；
++  通过列出dependsOn列表中的父节点来指定节点依赖性；
++ 包含与流相关的其他配置；
++   当前properties文件中流的所有常见属性都将迁移到每个流YAML文件中的config部分。
+
+官方提供了一个比较完善的配置样例，如下：
+
+```yaml
+config:
+  user.to.proxy: azktest
+  param.hadoopOutData: /tmp/wordcounthadoopout
+  param.inData: /tmp/wordcountpigin
+  param.outData: /tmp/wordcountpigout
+
+# This section defines the list of jobs
+# A node can be a job or a flow
+# In this example, all nodes are jobs
+nodes:
+ # Job definition
+ # The job definition is like a YAMLified version of properties file
+ # with one major difference. All custom properties are now clubbed together
+ # in a config section in the definition.
+ # The first line describes the name of the job
+ - name: AZTest
+   type: noop
+   # The dependsOn section contains the list of parent nodes the current
+   # node depends on
+   dependsOn:
+     - hadoopWC1
+     - NoOpTest1
+     - hive2
+     - java1
+     - jobCommand2
+
+ - name: pigWordCount1
+   type: pig
+   # The config section contains custom arguments or parameters which are
+   # required by the job
+   config:
+     pig.script: src/main/pig/wordCountText.pig
+
+ - name: hadoopWC1
+   type: hadoopJava
+   dependsOn:
+     - pigWordCount1
+   config:
+     classpath: ./*
+     force.output.overwrite: true
+     input.path: ${param.inData}
+     job.class: com.linkedin.wordcount.WordCount
+     main.args: ${param.inData} ${param.hadoopOutData}
+     output.path: ${param.hadoopOutData}
+
+ - name: hive1
+   type: hive
+   config:
+     hive.script: src/main/hive/showdb.q
+
+ - name: NoOpTest1
+   type: noop
+
+ - name: hive2
+   type: hive
+   dependsOn:
+     - hive1
+   config:
+     hive.script: src/main/hive/showTables.sql
+
+ - name: java1
+   type: javaprocess
+   config:
+     Xms: 96M
+     java.class: com.linkedin.foo.HelloJavaProcessJob
+
+ - name: jobCommand1
+   type: command
+   config:
+     command: echo "hello world from job_command_1"
+
+ - name: jobCommand2
+   type: command
+   dependsOn:
+     - jobCommand1
+   config:
+     command: echo "hello world from job_command_2"
+```
+
+## 二、YAML语法
+
+想要使用 Flow 2.0 进行工作流的配置，首先需要了解YAML 。YAML 是一种简洁的非标记语言，有着严格的格式要求的，如果你的格式配置失败，上传到Azkaban的时候就会抛出解析异常。
+
+### 2.1 基本规则
+
+1. 大小写敏感 ；
+2. 使用缩进表示层级关系 ；
+3. 缩进长度没有限制，只要元素对齐就表示这些元素属于一个层级； 
+4. 使用#表示注释 ；
+5. 字符串默认不用加单双引号，但单引号和双引号都可以使用，双引号表示不需要对特殊字符进行转义；
+6. YAML中提供了多种常量结构，包括：整数，浮点数，字符串，NULL，日期，布尔，时间。
+
+### 2.2 对象的写法
+
+```yaml
+# value 与 ： 符号之间必须要有一个空格
+key: value
+```
+
+### 2.3 map的写法
+
+```yaml
+# 写法一 同一缩进的所有键值对属于一个map
+key: 
+    key1: value1
+    key2: value2
+
+# 写法二
+{key1: value1, key2: value2}
+```
+
+### 2.3 数组的写法
+
+```yaml
+# 写法一 使用一个短横线加一个空格代表一个数组项
+- a
+- b
+- c
+
+# 写法二
+[a,b,c]
+```
+
+### 2.5 单双引号
+
+支持单引号和双引号，但双引号不会对特殊字符进行转义：
+
+```yaml
+s1: '内容\n字符串'
+s2: "内容\n字符串"
+
+转换后：
+{ s1: '内容\\n字符串', s2: '内容\n字符串' }
+```
+
+### 2.6 特殊符号
+
+一个YAML文件中可以包括多个文档，使用`---`进行分割。
+
+### 2.7 配置引用
+
+Flow 2.0 建议将公共参数定义在`config`下，并通过`${}`进行引用。
+
+
+
+## 三、简单任务调度
+
+### 3.1 任务配置
+
+新建`flow`配置文件：
+
+```yaml
+nodes:
+  - name: jobA
+    type: command
+    config:
+      command: echo "Hello Azkaban Flow 2.0."
+```
+
+在当前的版本中，Azkaban同时支持 Flow 1.0 和 Flow 2.0，如果你希望以2.0的方式运行，则需要新建一个`project`文件，指明是使用的是Flow 2.0：
+
+```shell
+azkaban-flow-version: 2.0
+```
+
+### 3.2 打包上传
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simple.png"/> </div>
+
+
+
+### 3.3 执行结果
+
+由于在1.0 版本中已经介绍过Web UI的使用，这里就不再赘述。对于1.0和2.0版本，只有配置方式有所不同，其他上传执行的方式都是相同的。执行结果如下：
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simle-result.png"/> </div>
+
+## 四、多任务调度
+
+和1.0给出的案例一样，这里假设我们有五个任务（jobA——jobE）, D 任务需要在A，B，C任务执行完成后才能执行，而 E 任务则需要在 D 任务执行完成后才能执行，相关配置文件应如下。可以看到在1.0中我们需要分别定义五个配置文件，而在2.0中我们只需要一个配置文件即可完成配置。
+
+```yaml
+nodes:
+  - name: jobE
+    type: command
+    config:
+      command: echo "This is job E"
+    # jobE depends on jobD
+    dependsOn: 
+      - jobD
+    
+  - name: jobD
+    type: command
+    config:
+      command: echo "This is job D"
+    # jobD depends on jobA、jobB、jobC
+    dependsOn:
+      - jobA
+      - jobB
+      - jobC
+
+  - name: jobA
+    type: command
+    config:
+      command: echo "This is job A"
+
+  - name: jobB
+    type: command
+    config:
+      command: echo "This is job B"
+
+  - name: jobC
+    type: command
+    config:
+      command: echo "This is job C"
+```
+
+## 五、内嵌流
+
+Flow2.0 支持在一个Flow中定义另一个Flow，称为内嵌流或者子流。这里给出一个内嵌流的示例，其`Flow`配置如下：
+
+```yaml
+nodes:
+  - name: jobC
+    type: command
+    config:
+      command: echo "This is job C"
+    dependsOn:
+      - embedded_flow
+
+  - name: embedded_flow
+    type: flow
+    config:
+      prop: value
+    nodes:
+      - name: jobB
+        type: command
+        config:
+          command: echo "This is job B"
+        dependsOn:
+          - jobA
+
+      - name: jobA
+        type: command
+        config:
+          command: echo "This is job A"
+```
+
+内嵌流的DAG图如下：
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-flow.png"/> </div>
+
+执行情况如下：
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-success.png"/> </div>
+
+
+
+## 参考资料
+
+1. [Azkaban Flow 2.0 Design](https://github.com/azkaban/azkaban/wiki/Azkaban-Flow-2.0-Design)
+2. [Getting started with Azkaban Flow 2.0](https://github.com/azkaban/azkaban/wiki/Getting-started-with-Azkaban-Flow-2.0)
+