一、爲什麼需要工作流調度器
1、一個完整的數據分析系統通常都是由大量任務單元組成： shell 腳本程序，java 程序，mapreduce 程序、hive 腳本等
2、各任務單元之間存在時間先後及前後依賴關係
3、爲了很好地組織起這樣的複雜執行計劃，需要一個工作流調度系統來調度執行
例如，我們可能有這樣一個需求，某個業務系統每天產生 20G 原始數據，我們每天都要對其進行處理，處理步驟如下所示：
1、 通過 Hadoop 先將原始數據同步到 HDFS 上；
2、 藉助 MapReduce 計算框架對原始數據進行清洗轉換，生成的數據以分區表的形式存儲 到多張 Hive 表中；
3、 需要對 Hive 中多個表的數據進行 JOIN 處理，得到一個明細數據 Hive 大表；
4、 將明細數據進行各種統計分析，得到結果報表信息；
5、 需要將統計分析得到的結果數據同步到業務系統中，供業務調用使用。
二、工作流調度實現方式
簡單的任務調度：直接使用 linux 的 crontab 來定義；
複雜的任務調度：開發調度平臺或使用現成的開源調度系統，比如 ooize、azkaban 等
三、常見工作流調度系統
市面上目前有許多工作流調度器 在 hadoop 領域，常見的工作流調度器有 Oozie, Azkaban,Cascading,Hamake 等
四、各種調度工具對比
下面的表格對上述四種 hadoop 工作流調度器的關鍵特性進行了比較，儘管這些工作流調度 器能夠解決的需求場景基本一致，但在設計理念，目標用戶，應用場景等方面還是存在顯著 的區別，在做技術選型的時候，可以提供參考
| 特性 | Hamake | Oozie | Azkaban | Cascading |
|---|---|---|---|---|
| 工作流描述語言 | XML | XML (xPDL based) | text file with key/value pairs | Java API |
| 依賴機制 | data-driven | explicit | explicit | explicit |
| 是否要web容器 | NO | YES | YES | NO |
| 進度跟蹤 | console/log messages | web page | web page | Java API |
| Hadoop job調度支持 | no | YES | YES | YES |
| 運行模式 | command line utility | daemon | daemon | API |
| Pig支持 | yes | yes | yes | yes |
| 事件通知 | no | no | no | yes |
| 需要安裝 | no | yes | yes | no |
| 支持的hadoop版本 | 0.18+ | 0.20+ | currently unknown | 0.18+ |
| 重試支持 | no | workflownode evel | yes | yes |
| 運行任意命令 | yes | yes | yes | yes |
| Amazon EMR支持 | yes | no | currently unknown | yes |
五、Azkaban 與 Oozie 對比
對市面上最流行的兩種調度器，給出以下詳細對比，以供技術選型參考。總體來說，ooize相比azkaban是一個重量級的任務調度系統，功能全面，但配置使用也更復雜。如果可以不在意某些功能的缺失，輕量級調度器azkaban是很不錯的候選對象。
詳情如下：
功能
兩者均可以調度mapreduce,pig,java,腳本工作流任務
兩者均可以定時執行工作流任務
工作流定義
Azkaban使用Properties文件定義工作流
Oozie使用XML文件定義工作流
工作流傳參
Azkaban支持直接傳參，例如inputOozie支持參數和EL表達式，例如inputOozie支持參數和EL表達式，例如{fs:dirSize(myInputDir)}
定時執行
Azkaban的定時執行任務是基於時間的
Oozie的定時執行任務基於時間和輸入數據
資源管理
Azkaban有較嚴格的權限控制，如用戶對工作流進行讀/寫/執行等操作
Oozie暫無嚴格的權限控制
工作流執行
Azkaban有兩種運行模式，分別是solo server mode(executor server和web server部署在同一臺節點)和multi server mode(executor server和web server可以部署在不同節點)
Oozie作爲工作流服務器運行，支持多用戶和多工作流
工作流管理
Azkaban支持瀏覽器以及ajax方式操作工作流
Oozie支持命令行、HTTP REST、Java API、瀏覽器操作工作流
六、Azkaban 介紹
Azkaban是由Linkedin開源的一個批量工作流任務調度器。用於在一個工作流內以一個特定的順序運行一組工作和流程。Azkaban定義了一種KV文件格式來建立任務之間的依賴關係，並提供一個易於使用的web用戶界面維護和跟蹤你的工作流。
它有如下功能特點：
1、Web用戶界面
2、方便上傳工作流
3、方便設置任務之間的關係
4、調度工作流
5、認證/授權(權限的工作)
6、能夠殺死並重新啓動工作流
7、模塊化和可插拔的插件機制
8、項目工作區
9、工作流和任務的日誌記錄和審計
七、azkaban調度的任務有可能有那些類型
1、shell腳本
2、java程序
3、MR程序
4、spark程序
5、hive的sql
6、python腳本
7、sqoop任務