Azkaban初认识

Azkaban是什么？

Azkaban是一个开源的分布式工作流管理器，在LinkedIn实施，以解决Hadoop作业依赖性的问题。我们有一些工作需要按顺序运行，从ETL工作到数据分析产品。

为什么需要工作流调度系统？

（1）一个完整的数据分析系统通常都是由大量任务单元组成：

比如说：Shell 脚本程序，Java 程序，MapReduce 程序、Hive 脚本等

（2）各任务单元之间存在时间先后及前后依赖关系

（3）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；

举个栗子：

• 假设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

  • 先将原始数据同步到HDFS上（HDFS）
  • 对原始数据进行计算（MapReduce）
  • 生成的数据以分区表的形式存储到多张Hive表中（Hive表）
  • 多张Hive表进行Join操作得到一个`明细数据大表（Hive大表）
  • 将明细数据进行复杂的统计分析，得到结果报表信息（结果报表）
  • 将统计分析得到的结果数据同步到业务系统中（业务系统）

• 总结：为了很好地组织起这样的复杂执行计划，我们就迫切需要一个工作流调度系统来调度执行相应的任务

常见的工作流调度系统

• 简单的任务调度：直接使用 Linux 的 Crontab 来定义；

• 复杂的任务调度：开发调度平台或使用现成的开源调度系统，比如 Ooize、Azkaban、Airflow、DolphinScheduler 等。

Azkaban 与 Oozie的对比

总体来说，Ooize 相比 Azkaban 是一个重量级的任务调度系统，功能全面，但配置使用 也更复杂。如果可以不在意某些功能的缺失，轻量级调度器 Azkaban 是很不错的候选对象。

总的来说，使用Azkaban而不是Ooize 的最大原因是它符合了我们的基本日常使用需求，并且它是轻量级的调度系统，不会过度地加大我们的系统压力，以免造成不必要的故障。

全文结束！