开源工作流引擎Azkaban在MRS中的实践

环境输入

实践版本：Apache azkaban 4.0.0 （以单机版举例，集群版本配置
过程类似），MRS 3.1.0 普通集群。
Azkaban 插件地址
Azkaban 官网
Azkaban 源码地址

安装azkaban-solo-server

Azkaban不提供二进制包，需要用户下载源码编译打包，获取到“azkaban-solo-server.zip”和“azkaban-db.zip”。

1. 环境准备。

• 在华为云购买Linux弹性云服务器ECS，用于安装运行MRS集群客户端和Azkaban，并绑定弹性公网IP。
• 在弹性云服务器ECS上安装运行MRS集群客户端，例如安装目录为“/opt/client”。
• 准备数据表，参考MySQL教程。
• 安装MySQL并授予本机访问权限。注意：Azkaban 4.0.0版本默认适配MySQL 5.1.28版本。
• 创建Azkaban数据库，解压“azkaban-db.zip”获取“create-all-sql-*.sql”，并初始化。

2. 上传安装包并解压

• 上传“azkaban-solo-server.zip”至“/opt/azkaban”目录
• 执行以下命令解压并删除安装包

  unzip azkaban-solo-server.zip
  rm -f unzip azkaban-solo-server.zip
  

3. 修改配置文件“azkaban-solo-server/conf/azkaban.properties”
   配置端口根据实际情况修改，“jetty.port”和“mysql.port”端口号可使用默认值

   jetty.port=8081 
   database.type=mysql 
   mysql.port=3306 
   mysql.host=x.x.x.x 
   mysql.database=azkaban 
   mysql.user=xxx 
   mysql.password=xxx
   

4. 启动azkaban-solo-server

   source /opt/client/bigdata_env
   cd /opt/azkaban/azkaban-solo-server
   sh bin/start-solo.sh
   

5. 访问Azkaban WEB UI
   在浏览器输入“http://ECS弹性IP:port”网址，进入Azkaban WebUI登录界面，输入用户信息登录Azkaban服务。
   
   说明
   默认端口（port）：8081；
   用户名/密码：azkaban/azkaban；
   用户账号配置文件： /opt/azkaban/azkaban-solo-server/conf/azkaban-users.xml

azkaban-hdfs-viewer plugin配置指导

连接HDFS需要用户下载源码编译获取“az-hdfs-viewer.zip”，并已完成安装azkaban-solo-server。

1. 环境准备

• 配置Azkaban用户，添加supergroup用户组授予访问HDFS权限
• 在HDFS的配置文件“core-stie.xml”中增加Azkaban代理用户
  a. 登录Manager页面，选择“集群 > 服务 > HDFS > 配置 > 全部配置 > HDFS（服务） > 自定义”
  b. 在参数文件“core-site.xml”中添加如下配置项:

  名称	值
  hadoop.proxyuser.azkaban.groups	*
  hadoop.proxyuser.azkaban.hosts	*

  c. 配置完成后，单击左上角“保存”
  d. 选择“概览 > 更多 > 重启服务”输入密码后重启HDFS服务

2. 上传安装包并解压

• 上传“az-hdfs-viewer.zip”至“/opt/azkaban/azkaban-solo-server/plugins/viewer”目录
• 执行以下命令解压并删除安装包

  unzip az-hdfs-viewer.zip
  rm -f az-hdfs-viewer.zip
  

• 重命名解压后的文件名为"hdfs"
  mv az-hdfs-viewer hdfs

3. 修改并保存配置文件

• 修改"azkaban-solo-server/plugins/viewer/hdfs/conf/plugin.properties"文件中的代理用户为步骤1中配置的Azkaban代理用户。修改"execute-as-user"的存放目录为Azkaban安装目录，如"opt/azkaban/azkaban-solo-server"。

  viewer.name=HDFS 
  viewer.path=hdfs 
  viewer.order=1 
  viewer.hidden=false 
  viewer.external.classpaths=extlib/* 
  viewer.servlet.class=azkaban.viewer.hdfs.HdfsBrowserServlet 
  hadoop.security.manager.class=azkaban.security.HadoopSecurityManager_H_2_0 
  azkaban.should.proxy=false 
  proxy.user=azkaban   // mrs集群中配置的azkaban代理用户名 
  allow.group.proxy=true 
  file.max.lines=1000 
  #Specifying the error message we want user to get when they don't have permissionsviewer.access_denied_message=The folder you are trying to access is protected. 
  execute.as.user=false 
  // execute-as-user存放目录 
  azkaban.native.lib=/opt/azkaban/azkaban-solo-server
  

  若不存在该文件需手动创建并配置以上内容

4. 拷贝HDFS插件所需包至"/opt/azkaban/azkaban-solo-server/extlib"目录

   cp /opt/client/HDFS/hadoop/share/hadoop/hdfs/*.jar /opt/azkaban/azkaban-solo-server/extlib
   cp /opt/client/HDFS/hadoop/share/hadoop/client/hadoop-client-api-3.1.1-mrs-2.0.jar /opt/azkaban/azkaban-solo-server/extlib
   cp /opt/client/HDFS/hadoop/share/hadoop/common/*.jar /opt/azkaban/azkaban-solo-server/extlib
   

   不同MRS版本所需Hadoop相关版本不同，通过find /opt/client查询目
5. 检查目录结构
   目录结构应当为：

   - azkaban-solo-server     
   - bin    
   - conf     
   - extlib (hadoop相关插件第三方包)     
   - lib     
   - logs     
   - plugins 
    - jobtypes(job插件目录) 
      - commonprivate.properties 
      - hive 
        - plugin.properties 
        - private.properties 
      - hadoopJava 
        - plugin.properties 
        - private.properties       
    - viewer            
      - hdfs                 
        - conf                      
          - plugin.properties                 
      - lib (az-hdfs-viewer.zip解压后的lib)     
   - temp     
   - web
   

6. 重启Azkaban-solo-server服务

   cd /opt/azkaban/azkaban-solo-server
   sh bin/shutdown-solo.sh
   sh bin/start-solo.sh
   

7. 访问HDFS Browser

• 在浏览器输入“http://ECS弹性IP:8081”网址，进入Azkaban WebUI登录界面，输入用户信息登录Azkaban服务
• 单击"HDFS"
  

plugins-jobtypes hadoop-job 部署运行

安装azkaban-solo-server完成后，再部署验证hadoop-job

1. 环境准备

• 获取"azkaban-plugins-3.0.0.zip"压缩包
• 编译获取azkaban提供的hadoopjava-wordcount实例程序包“az-hadoop-jobtype-plugin.jar”

2. 上传插件配置文件

• 解压"azkaban-plugins-3.0.0.zip" 获取"azkaban-plugins-3.0.0\plugins\jobtype\jobtypes"下"hadoopJava"文件夹
• 将“hadoopJava”文件夹上传至“/plugin”目录。目录不存在则需新建

3. 修改配置文件"azkaban-solo-server/plugins/jobtypes/commonprivate.properties"

   # set execute-as-user 
   execute.as.user=false 
   
   hadoop.security.manager.class=azkaban.security.HadoopSecurityManager_H_2_0 
   azkaban.should.proxy=false 
   obtain.binary.token=false 
   proxy.user=azkaban // MRS集群中配置的Azkaban代理用户名 
   allow.group.proxy=true 
   // execute-as-user存放目录 
   azkaban.native.lib=/opt/azkaban/azkaban-solo-server 
   
   # hadoop 
   hadoop.home=/opt/client/HDFS/hadoop   //opt/client为MRS集群客户端安装目录 
   hive.home=/opt/client/Hive/Beeline 
   spark.home=/opt/client/Spark/spark 
   hadoop.classpath=${hadoop.home}/etc/hadoop,${hadoop.home}/share/hadoop/common/*,${hadoop.home}/share/hadoop/common/lib/*,${hadoop.home}/share/hadoop/hdfs/*,${hadoop.home}/share/hadoop/hdfs/lib/*,${hadoop.home}/share/hadoop/yarn/*,${hadoop.home}/share/hadoop/yarn/lib/*,${hadoop.home}/share/hadoop/mapreduce/*,${hadoop.home}/share/hadoop/mapreduce/lib/* 
   jobtype.global.classpath=${hadoop.home}/etc/hadoop,${hadoop.home}/share/hadoop/common/*,${hadoop.home}/share/hadoop/common/lib/*,${hadoop.home}/share/hadoop/hdfs/*,${hadoop.home}/share/hadoop/hdfs/lib/*,${hadoop.home}/share/hadoop/yarn/*,${hadoop.home}/share/hadoop/yarn/lib/*,${hadoop.home}/share/hadoop/mapreduce/*,${hadoop.home}/share/hadoop/mapreduce/lib/*
   

4. 示例程序验证

• 准备测试数据"input.txt"文件，文件内容可参考如下格式进行自定义，存放路径如"/opt/input.txt"

  Ross    male    33  3674 
  Julie   male    42  2019 
  Gloria  female  45  3567 
  Carol   female  36  2813
  

• 通过HDFS客户端将测试数据"input.txt"上传至"hdfs /tmp/azkaban_test"
  a. 以客户端安装用户，登录安装客户端的节点
  b. 执行以下命令，切换到客户端安装目录 cd /opt/client
  c. 执行以下命令配置环境变量 source bigdata_env
  d. 执行HDFS Shell命令上传文件 hdfs dfs -put /opt/input.txt /tmp/azkaban_test
• 用户在本地编写并保存“wordcount.job”文件，内容如下

  type=hadoopJava 
  job.extend=false 
  job.class=azkaban.jobtype.examples.java.WordCount 
  classpath=./lib/*,/opt/azkaban-solo-server-0.1.0-SNAPSHOT/lib/* 
  force.output.overwrite=true 
  input.path=/tmp/azkaban_test 
  output.path=/tmp/azkaban_test_out
  

• 在浏览器输入“http://ECS弹性IP:port”网址，进入Azkaban WebUI登录界面，输入用户信息登录Azkaban服务，提交job运行验证
  

Spark command job—参考客户端命令

spark任务有两种运行方式，一种是command方式，另一种是spark jobtype方式。

1. Command方式：需要指定spark_home为/opt/client/Spark/spark/
   在MRS集群客户端节点可以通过echo $SPARK_HOME获取实际Spark安装地址。
   设置azkanban所在ECS全局环境变量，添加source {MRS客户端}后需要重启azkaban才可生效
2. jobtype方式：参考plugins-jobtypes hadoop-job 部署运行。

华为伙伴暨开发者大会2022火热来袭，大会采用线上直播+线下80余个分会场联动的形式，聚焦伙伴和开发者最为关切的话题、释放更多潜力，携手伙伴共同成就，干货满满点击了解。

【精彩活动】

勇往直前·做全能开发者→12场技术直播前瞻，8大技术宝典高能输出，还有代码密室、知识竞赛等多轮神秘任务等你来挑战。即刻闯关，开启终极大奖！戳【勇往直前】踏上全能开发者晋级之路吧！

【技术专题】

未来已来，2022技术探秘→聚焦华为各领域的前沿技术、重磅开源项目、创新的应用实践，站在智能世界的入口，探索未来如何照进现实，干货满满点击了解！