大數(shù)據(jù)培訓(xùn)：常用工作流管理器介紹

　　針對多任務(wù)、可視化調(diào)度的調(diào)度需求，Apache以及其他組織提供了一系列工作流管理器，包括Oozie、Azkaban、Zeus、Dagobah、Luigi、Pinball和Airflow等。

　　接下來，筆者就選取其中常用的、知名的工作流管理器進(jìn)行簡單介紹。

　　1.Oozie

　　Oozie是Apache旗下的用于管理Hadoop任務(wù)的工作流/協(xié)調(diào)系統(tǒng)。Oozie工作流中擁有多個Action，如Hadoop Map/Reduce job和Hadoop Pig job等，所有的Action以有向無環(huán)圖(Direct Acyclic Graph，DAG)的模式部署運(yùn)行。

　　Oozie工作流管理器的優(yōu)點(diǎn)是與Hadoop生態(tài)圈緊密結(jié)合，提供了諸多配置和功能，可以很好地實(shí)現(xiàn)Hadoop工作任務(wù)管理;缺點(diǎn)是Oozie通過大量的XML文件來定義DAG依賴，導(dǎo)致了Oozie的功能和配置過于復(fù)雜，維護(hù)成本較高，且不易二次開發(fā)。

　　2.Azkaban

　　Azkaban是由LinkedIn公司開源的一個批量工作流任務(wù)調(diào)度器，用于在一個工作流內(nèi)以一個特定的順序運(yùn)行一組工作和流程。Azkaban定義了一種KV文件格式來建立任務(wù)之間的依賴關(guān)系，并提供一個易于使用的UI維護(hù)和跟蹤工作流。

　　Azkaban也屬于Hadoop生態(tài)圈，它是通過較為簡單的properties文件來定義DAG依賴的，同時(shí)Azkaban支持可插拔的擴(kuò)展插件，方便擴(kuò)展，如支持pid、hive等。

　　Azkaban工作流管理器的特點(diǎn)是所有的任務(wù)資源文件都需要打成一個zip包上傳。當(dāng)資源文件較大的時(shí)候不是太方便，當(dāng)然也可以進(jìn)行擴(kuò)展，如存放在HDFS上，任務(wù)實(shí)際運(yùn)行的時(shí)候才拉到本地。

　　3.Zeus

　　Zeus是Alibaba開源的一個完整的Hadoop的作業(yè)平臺，用于從Hadoop任務(wù)的調(diào)試運(yùn)行到生產(chǎn)任務(wù)的周期調(diào)度管理。

　　Zeus支持任務(wù)執(zhí)行的整個生命周期。從功能上來說，包括支持：

　　(1)Hadoop MapReduce任務(wù)的調(diào)試運(yùn)行;

　　(2)Hive任務(wù)的調(diào)試運(yùn)行;

　　(3)Shell任務(wù)的運(yùn)行;

　　(4)Hive元數(shù)據(jù)的可視化查詢與數(shù)據(jù)預(yù)覽;

　　(5)Hadoop任務(wù)的自動調(diào)度;

　　(6)完整的文檔管理。

　　需要說明的是Zeus是針對Hadoop集群任務(wù)定制的，通用性不強(qiáng)。Zeus在Github上線時(shí)受到青睞，但是由于長期缺乏維護(hù)更新，時(shí)隔兩年，依然僅支持Hadoop1.x版本，后期的Zeus版本也不再開源了。