Azkaban Flow 2.0的使用

This commit is contained in:
罗祥
2019-06-03 15:10:22 +08:00
parent 735d0ae3f0
commit 4bac5f80a5

View File

@ -1,310 +1,296 @@
# Azkaban Flow 2.0的使用 # Azkaban Flow 2.0的使用
<nav>
<a href="#一Flow-20-简介">一、Flow 2.0 简介</a><br/> <a href="#一Flow-20-简介">一、Flow 2.0 简介</a><br/>
<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/>
<a href="#二YAML语法">二、YAML语法</a><br/> <a href="#二YAML语法">二、YAML语法</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/>
<a href="#三简单任务调度">三、简单任务调度</a><br/> <a href="#三简单任务调度">三、简单任务调度</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/>
<a href="#四多任务调度">四、多任务调度</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/> <a href="#五内嵌流">五、内嵌流</a><br/>
</nav> </nav>
## 一、Flow 2.0 简介 ## 一、Flow 2.0 简介
### 1.1 Flow 2.0 的产生 ### 1.1 Flow 2.0 的产生
Azkaban 目前同时支持Flow 1.0Flow2.0,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。 Azkaban 目前同时支持 Flow 1.0Flow2.0 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。
>This section covers how to create your Azkaban flows using Azkaban Flow 2.0.Flow 1.0 will be deprecated in the future. ### 1.2 基本结构
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。 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
### 1.2 基本结构 + 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`
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 + 包含DAG中的所有节点
+ 每个节点可以是作业或流程;
+ 每个Flow都在单个YAML文件中定义 + 每个节点 可以拥有 name, type, config, dependsOn 和 nodes sections等属性
+ 流文件以流名称命名。如my-flow-name.flow + 通过列出dependsOn列表中的父节点来指定节点依赖性
+ 包含DAG中的所有节点 + 包含与流相关的其他配置;
+ 每个节点可以是作业或流程 + 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。
+ 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 官方提供了一个比较完善的配置样例,如下:
+ 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 ```yaml
config:
官方提供了一个比较完善的配置样例,如下: user.to.proxy: azktest
param.hadoopOutData: /tmp/wordcounthadoopout
```yaml param.inData: /tmp/wordcountpigin
config: param.outData: /tmp/wordcountpigout
user.to.proxy: azktest
param.hadoopOutData: /tmp/wordcounthadoopout # This section defines the list of jobs
param.inData: /tmp/wordcountpigin # A node can be a job or a flow
param.outData: /tmp/wordcountpigout # In this example, all nodes are jobs
nodes:
# This section defines the list of jobs # Job definition
# A node can be a job or a flow # The job definition is like a YAMLified version of properties file
# In this example, all nodes are jobs # with one major difference. All custom properties are now clubbed together
nodes: # in a config section in the definition.
# Job definition # The first line describes the name of the job
# The job definition is like a YAMLified version of properties file - name: AZTest
# with one major difference. All custom properties are now clubbed together type: noop
# in a config section in the definition. # The dependsOn section contains the list of parent nodes the current
# The first line describes the name of the job # node depends on
- name: AZTest dependsOn:
type: noop - hadoopWC1
# The dependsOn section contains the list of parent nodes the current - NoOpTest1
# node depends on - hive2
dependsOn: - java1
- hadoopWC1 - jobCommand2
- NoOpTest1
- hive2 - name: pigWordCount1
- java1 type: pig
- jobCommand2 # The config section contains custom arguments or parameters which are
# required by the job
- name: pigWordCount1 config:
type: pig pig.script: src/main/pig/wordCountText.pig
# The config section contains custom arguments or parameters which are
# required by the job - name: hadoopWC1
config: type: hadoopJava
pig.script: src/main/pig/wordCountText.pig dependsOn:
- pigWordCount1
- name: hadoopWC1 config:
type: hadoopJava classpath: ./*
dependsOn: force.output.overwrite: true
- pigWordCount1 input.path: ${param.inData}
config: job.class: com.linkedin.wordcount.WordCount
classpath: ./* main.args: ${param.inData} ${param.hadoopOutData}
force.output.overwrite: true output.path: ${param.hadoopOutData}
input.path: ${param.inData}
job.class: com.linkedin.wordcount.WordCount - name: hive1
main.args: ${param.inData} ${param.hadoopOutData} type: hive
output.path: ${param.hadoopOutData} config:
hive.script: src/main/hive/showdb.q
- name: hive1
type: hive - name: NoOpTest1
config: type: noop
hive.script: src/main/hive/showdb.q
- name: hive2
- name: NoOpTest1 type: hive
type: noop dependsOn:
- hive1
- name: hive2 config:
type: hive hive.script: src/main/hive/showTables.sql
dependsOn:
- hive1 - name: java1
config: type: javaprocess
hive.script: src/main/hive/showTables.sql config:
Xms: 96M
- name: java1 java.class: com.linkedin.foo.HelloJavaProcessJob
type: javaprocess
config: - name: jobCommand1
Xms: 96M type: command
java.class: com.linkedin.foo.HelloJavaProcessJob config:
command: echo "hello world from job_command_1"
- name: jobCommand1
type: command - name: jobCommand2
config: type: command
command: echo "hello world from job_command_1" dependsOn:
- jobCommand1
- name: jobCommand2 config:
type: command command: echo "hello world from job_command_2"
dependsOn: ```
- jobCommand1
config: ## 二、YAML语法
command: echo "hello world from job_command_2"
``` 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。
## 二、YAML语法 ### 2.1 基本规则
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。 1. 大小写敏感
2. 使用缩进表示层级关系
### 2.1 基本规则 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
1. 大小写敏感 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;
2. 使用缩进表示层级关系 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。
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 ### 2.2 对象的写法
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。 ```yaml
# value 与 符号之间必须要有一个空格
### 2.2 对象的写法 key: value
```
```yaml
# value 与 符号之间必须要有一个空格 ### 2.3 map的写法
key: value
``` ```yaml
# 写法一 同一缩进的所有键值对属于一个map
### 2.3 map的写法 key:
key1: value1
```yaml key2: value2
# 写法一 同一缩进的所有键值对属于一个map
key: # 写法二
key1: value1 {key1: value1, key2: value2}
key2: value2 ```
# 写法二 ### 2.3 数组的写法
{key1: value1, key2: value2}
``` ```yaml
# 写法一 使用一个短横线加一个空格代表一个数组项
### 2.3 数组的写法 - a
- b
```yaml - c
# 写法一 使用一个短横线加一个空格代表一个数组项
- a # 写法二
- b [a,b,c]
- c ```
# 写法二 ### 2.5 单双引号
[a,b,c]
``` 支持单引号和双引号,但双引号不会对特殊字符进行转义:
### 2.5 单双引号 ```yaml
s1: '内容\n字符串'
单引号和双引号都可以使用,双引号不会对特殊字符转义。 s2: "内容\n字符串"
```yaml 转换后:
s1: '内容\n字符串' { s1: '内容\\n字符串', s2: '内容\n字符串' }
s2: "内容\n字符串" ```
转换后: ### 2.6 特殊符号
{ s1: '内容\\n字符串', s2: '内容\n字符串' }
``` 一个YAML文件中可以包括多个文档使用`---`进行分割。
### 2.6 特殊符号 ### 2.7 配置引用
`---` YAML可以在同一个文件中使用`---`表示一个文档的开始 Flow 2.0 建议将公共参数定义在`config`下,并通过`${}`进行引用
### 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
## 三、简单任务调度 新建`flow`配置文件:
### 3.1 任务配置 ```yaml
nodes:
新建`flow`配置文件 - name: jobA
type: command
```yaml config:
nodes: command: echo "Hello Azkaban Flow 2.0."
- name: jobA ```
type: command
config: 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
command: echo "Hello Azkaban Flow 2.0."
``` ```shell
azkaban-flow-version: 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 ### 3.2 打包上传
azkaban-flow-version: 2.0
``` <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simple.png"/> </div>
### 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:
### 3.3 执行结果 <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simle-result.png"/> </div>
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: ## 四、多任务调度
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simle-result.png"/> </div> 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ABC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。
## 四、多任务调度 ```yaml
nodes:
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ABC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。 - name: jobE
type: command
```yaml config:
nodes: command: echo "This is job E"
- name: jobE # jobE depends on jobD
type: command dependsOn:
config: - jobD
command: echo "This is job E"
# jobE depends on jobD - name: jobD
dependsOn: type: command
- jobD config:
command: echo "This is job D"
- name: jobD # jobD depends on jobA、jobB、jobC
type: command dependsOn:
config: - jobA
command: echo "This is job D" - jobB
# jobD depends on jobA、jobB、jobC - jobC
dependsOn:
- jobA - name: jobA
- jobB type: command
- jobC config:
command: echo "This is job A"
- name: jobA
type: command - name: jobB
config: type: command
command: echo "This is job A" config:
command: echo "This is job B"
- name: jobB
type: command - name: jobC
config: type: command
command: echo "This is job B" config:
command: echo "This is job C"
- name: jobC ```
type: command
config: ## 五、内嵌流
command: echo "This is job C"
``` 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`Flow`配置如下:
## 五、内嵌流 ```yaml
nodes:
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`Flow`配置如下: - name: jobC
type: command
```yaml config:
nodes: command: echo "This is job C"
- name: jobC dependsOn:
type: command - embedded_flow
config:
command: echo "This is job C" - name: embedded_flow
dependsOn: type: flow
- embedded_flow config:
prop: value
- name: embedded_flow nodes:
type: flow - name: jobB
config: type: command
prop: value config:
nodes: command: echo "This is job B"
- name: jobB dependsOn:
type: command - jobA
config:
command: echo "This is job B" - name: jobA
dependsOn: type: command
- jobA config:
command: echo "This is job A"
- name: jobA ```
type: command
config: 内嵌流的DAG图如下
command: echo "This is job A"
``` <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-flow.png"/> </div>
内嵌流的DAG图如下: 执行情况如下:
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-flow.png"/> </div> <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-success.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)
## 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)