hadoop自动化调度（大数据Hadoop之任务调度器Azkaban）
hadoop自动化调度（大数据Hadoop之任务调度器Azkaban）Azkaban对比项目简单来讲，它有几个特点：Azkaban 和 Oozie 是市面上最流行的两种调度器。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，但部署和使用也更复杂，比较适合作为大型项目的任务调度系统。而 Azkaban 相对而言，配置和使用更为简单，能够满足常见的任务调度，比较适合作为中小型项目的任务调度系统。对比如下：
一、概述1）什么是任务调度？大数据平台技术框架支持的开发语言多种多样，开发人员的背景差异也很大，这就产生出很多不同类型的程序（任务）运行在大数据平台之上，如：MapReduce、Hive、pig、Spark、Java、Shell、Python 等。
这些任务需要不同的运行环境，并且除了定时运行，各种类型之间的任务存在依赖关系，一张简单的任务依赖图如下：
- Crontab （linux 自带命令，使用方式简单，适合不是非常复杂的场景，比如只按照时间来调度）
- Oozie（ hadoop 自带的开源调度系统，使用方式比较复杂，适合大型项目场景）
- Azkaban（一个开源调度系统，使用方式比较简单，适合中小型项目场景）
- 企业定制开发（企业自研的调度系统，不开源）
Azkaban是由Linkedin开源的一个批量工作流任务调度器，Azkaban来自LinkedIn公司，用于管理他们的Hadoop批处理工作流。日常生产环境中，为了得到想要的数据，通常需要执行很多作业，一批作业执行完毕，再将中间结果进一步处理，最后得到有价值的数据，因此作业之间执行有先后顺序和依赖关系。这样的一组作业称为一个工作流，Azkaban就是用来构建、运行和管理工作流的工具，它提供友好的Web用户界面来维护和跟踪用户的工作流程。Azkaban已经在LinkedIn运行了好几年，管理着很多Hadoop和数据仓库作业流，具有很强的可用性。
官方文档：
HTTPS://azkaban.readthedocs.io/en/latest/
https://azkaban.github.io/azkaban/docs/latest/
简单来讲，它有几个特点：
- 分布式多执行器
- MySQL重试
- 友好的用户界面
- 有条件的工作流
- 数据触发
- 高安全
- 支持插件扩展，从Web UI到作业执行
- 全作者身份管理系统
Azkaban 和 Oozie 是市面上最流行的两种调度器。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，但部署和使用也更复杂，比较适合作为大型项目的任务调度系统。而 Azkaban 相对而言，配置和使用更为简单，能够满足常见的任务调度，比较适合作为中小型项目的任务调度系统。
对比如下：
|
对比项目 |
Azkaban |
Oozie |
|
功能 |
两者均可以调度 mapreduce pig java 脚本工作流任务两者均可以定时执行工作流任务 |
跟Azkaban一样 |
|
工作流定义 |
Azkaban 使用 Properties 文件定义工作流 |
Oozie 使用 XML 文件定义工作流 |
|
工作流传参 |
Azkaban 支持直接传参 |
Oozie 支持参数和 EL 表达式 |
|
定时执行 |
Azkaban 的定时执行任务是基于时间的 |
Oozie 的定时执行任务基于时间和输入数据 |
|
资源管理 |
Azkaban 有较严格的权限控制，如用户对工作流进行读/写/执行等操作 |
Oozie 暂无严格的权限控制 |
|
工作流执行 |
Azkaban 有两种运行模式，分别是单机模式和集群模式 |
Oozie 作为工作流服务器运行，支持多用户和多工作流 |
|
工作流管理 |
Azkaban 支持浏览器以及 ajax 方式操作工作流 |
Oozie 支持命令行、HTTP REST、Java API、浏览器操作工作流 |
Azkaban 三大核心组件
- 关系型元数据库（MySQL）
- Azkaban Web Server
- Azkaban Executor Server
AzkabanWebServer 是 Azkaban 的主要管理者，负责项目管理、身份验证、调度和监控执行 并且为用户界面
2）Azkaban executor Server提交和执行工作流，记录工作流日志，和 Azkaban WebServer 可以在同一台服务器，也可部署在独立的机器。把 Executor 单独分开有几个好处：
- 在多 Executor 模式下可以方便扩展
- 工作流在某一个 Executor 挂掉，可以在另一个 Executor 上重试
- 可以滚动升级，从而不影响调度
负责存储azkaban系统的数据，包括用户上传的工作流文件、作业执行的日志等。Executor Server和Web Server都通过jdbc频繁地对其操作。
Azkaban 元数据库
|
表名 |
描述 |
|
active_executing_flows |
记录当前执行中的flow对应每次执行的exejid |
|
execution_flows |
Azkaban flow的执行记录 |
|
executionjobs |
Azkaban flow中的job的执行记录 |
|
executionjogs |
Azkaban flow中的执行日志记录 |
|
executors |
配置的executor的信息，多执行器模式有多条记录 |
|
project_files |
保存项目的文件 |
|
project_flows |
项目中的flow信息 |
|
project_permissions |
项目中用户的权限 |
|
project_versions |
项目的版本，上传用户，上传时间等 |
|
projects |
项目信息 |
|
triggers |
调度信息 |
在3.0版本之后，我们提供了两种模式：独立的“单独服务器”模式和分布式多执行器模式。下面介绍两种模式的区别。
- solo server mode(单机模式)：该模式中Web Server和Executor Server运行在同一个进程中，进程名AzkabanSingleServer。可以使用自带的H2数据库或者配置mysql数据。该模式适用于小规模的使用。
- multiple executor mode（多执行器模式），适用于大规模的生产环境。它的数据库应该由设置了主从关系的MySQL实例进行备份。Web Server和Executor Server运行在不同的进程中，这样升级和维护就不会影响到用户。这种多主机设置为阿兹卡班带来了健壮和可伸缩的方面。
目前我们采用的是multiple executor mode方式，分别在不同的主机上部署多个Azkaban ExecutorServer以应对高并发定时任务执行的情况，从而减轻单个服务器的压力。
安装步骤如下：
- 设置数据库
- 配置数据库以使用多个执行程序
- 为数据库中配置的每个Executor下载并安装Executor Server
- Azkaban安装插件
- 安装web服务器
官方文档：https://azkaban.readthedocs.io/en/latest/getStarted.html
1）solo server mode安装1、下载$ cd /opt/bigdata/hadoop/software
$ git clone https://github.com/azkaban/azkaban.git2、构建Azkaban安装包
$ cd azkaban; ./gradlew build installDist
【温馨提示】如果编译失败了，就多执行几次
3、启动服务$ cd azkaban-solo-server/build/install/azkaban-solo-server
$ ./bin/start-solo.sh
$ netstat -tnlp|grep 8081
### 停止服务，这里不执行
$ ./bin/shutdown-solo.sh
检查进程
$ jps
- 访问http://ip:8081 (默认端口是8081)
- zkaban默认登录名/密码：azkaban/azkaban
访问：http://192.168.0.113:8081
阿兹卡班独立服务器默认不使用ssl。但你也可以在独立的web服务器上用同样的方法设置它。Azkaban web服务器支持SSL套接字连接器，这意味着必须提供密钥存储库，您可以按照以下步骤生成这里提供的有效的jetty密钥存储库:
创建ssl配置
$ keytool -keystore keystore -alias jetty -genkey -keyalg RSA
1.输入密钥库口令: 123456
2.再次输入新口令: 123456
3.[Unknown]: azkaban
4.[Unknown]: azkaban
5.[Unknown]: azkaban
6.[Unknown]: shenzhen
7.[Unknown]: guangdong
8.[Unknown]: CN
9.[no]: Y
10.(如果和密钥库口令相同 按回车):
修改Azkaban 配置文件azkaban.properties或azkaban.private.properties(推荐)。
$ cd /opt/bigdata/hadoop/software/azkaban/azkaban-solo-server/build/install/azkaban-solo-server/conf
$ touch azkaban.private.properties
在azkaban.private.properties（文件需要创建）配置如下：
# 根据上面设置的填，keystore文件会自动生成
# ssl 文件名
jetty.keystore=/opt/bigdata/hadoop/software/azkaban/azkaban-solo-server/build/install/azkaban-solo-server/keystore
jetty.password=123456
jetty.keypassword=123456
# 文件名
jetty.truststore=/opt/bigdata/hadoop/software/azkaban/azkaban-solo-server/build/install/azkaban-solo-server/keystore
jetty.trustpassword=123456
在azkaban.properties修改如下配置：
jetty.use.ssl=true
jetty.ssl.port=8443
重启服务
$ ./bin/shutdown-solo.sh ; ./bin/start-solo.sh
$ jps
$ netstat -tnlp|grep 8443
web访问验证
https://192.168.0.113:8443
先停掉上面的服务
$ /opt/bigdata/hadoop/software/azkaban/azkaban-solo-server/build/install/azkaban-solo-server/bin/shutdown-solo.sh
部署规划
|
hostname |
IP |
节点属性 |
|
hadoop-node1 |
192.168.0.113 |
Azkaban Web Server/Azkaban Executor Server |
|
hadoop-node2 |
192.168.0.114 |
Azkaban Executor Server |
这里也提供一下我编译的安装包，下载地址如下：
链接：https://pan.baidu.com/s/1zvUyfXg3sCPqBfESWY-oLQ
提取码：6666
$ mkdir /opt/bigdata/hadoop/server/azkaban
$ cd /opt/bigdata/hadoop/software/azkaban/
$ cp ./azkaban-web-server/build/distributions/azkaban-web-server-3.91.0-313-gadb56414.tar.gz /opt/bigdata/hadoop/server/azkaban/
$ cp ./azkaban-exec-server/build/distributions/azkaban-exec-server-3.91.0-313-gadb56414.tar.gz /opt/bigdata/hadoop/server/azkaban/
$ cp ./azkaban-db/build/distributions/azkaban-db-3.91.0-313-gadb56414.tar.gz /opt/bigdata/hadoop/server/azkaban/
### 解压并改名
$ cd /opt/bigdata/hadoop/server/azkaban
因为我之前安装过了mysql，不清楚的可以参考我之前的文章：大数据Hadoop之——数据仓库Hive
#【温馨提示】一般公司禁止mysql -u root -p123456这种方式连接，在history里有记录，存在安全隐患，小伙伴不要被公司安全审计哦，切记！！！
$ mysql -u root -p
输入密码：123456
CREATE DATABASE azkaban;
CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban';
GRANT SELECT INSERT UPDATE DELETE ON azkaban.* to 'azkaban'@'%' WITH GRANT OPTION;
Mysql数据包大小可能需要重新配置。默认情况下，MySQL允许的包大小可能低得离谱。要增加它，您需要将属性max_allowed_packet设置为一个更大的数字，比如1024M。要在linux中配置，请打开/etc/my.cnf或者/etc/my.cnf.d/mysql-server.cnf（推荐），在mysqld后面的某个地方，添加以下内容:
[mysqld]
max_allowed_packet=1024M
重启mysql服务
$ systemctl restart mysqld
$ netstat -tnlp|grep 3306
开始初始化azkaban表
$ cd /opt/bigdata/hadoop/server/azkaban/azkaban-db
# 连接mysql
$ mysql -u root -p
密码：123456
use azkaban
# 可能版本不一样，sql文件也不太一样，create-all-sql-*.sql
source create-all-sql-3.91.0-313-gadb56414.sql
$ cd /opt/bigdata/hadoop/server/azkaban/azkaban-exec
# mysql配置，如果不一样，就需要调整
$ grep mysql conf/azkaban.properties
修改conf/azkaban.properties配置文件
### 修改时区
default.timezone.id=Asia/Shanghai
### 修改mysql host
mysql.host=hadoop-node1
### webserver.url
azkaban.webserver.url=https://hadoop-node1:8443
### executor.port不设置就是随机值了，不方便管理，所以这里还是固定一个端口号，看资料大部分都是使用12321这个端口，这里也随大流
executor.port=12321
启动服务
# 【温馨提示】必须进入到azkaban-exec目录下执行启动重启命令，因为配置文件中有些路径用的是相对路径
$ cd /opt/bigdata/hadoop/server/azkaban/azkaban-exec
# 重启
$ ./bin/shutdown-exec.sh ; ./bin/start-exec.sh
# AzkabanExecutorServer
$ jps
$ telnet -tnlp|grep 12321
在数据库中查看记录
通过接口的方式去激活，不能直接改表字段值，切记！！！
# 记得换成自己的IP或域名
$ curl -G "hadoop-node1:12321/executor?action=activate" && echo
【温馨提示】重启Azkaban Executor Server得重新激活
5、安装 另一台Azkaban Executor Server（hadoop-node2）- 【第一步】先登录hadoop-node2创建azkaban目录
$ mkdir -p /opt/bigdata/hadoop/server/azkaban
- 【第二步】登录到hadoop-node1 copy 安装目录到hadoop-node2
$ cd /opt/bigdata/hadoop/server/azkaban
$ scp -r azkaban-exec hadoop-node2:/opt/bigdata/hadoop/server/azkaban/
- 【第三步】启动Executor Server
# 登录到hadoop-node2 切换到azkaban目录
$ cd /opt/bigdata/hadoop/server/azkaban/azkaban-exec
$ ./bin/start-exec.sh
$ jps
$ netstat -tnlp|grep 12321
- 【第四步】激活Executor Server
# 记得换成自己的IP或域名
$ curl -G "hadoop-node2:12321/executor?action=activate" && echo
【温馨提示】重启Azkaban Executor Server得重新激活
6、安装Azkaban Web Server（hadoop-node1）$ cd /opt/bigdata/hadoop/server/azkaban/azkaban-web
# mysql配置，如果不一样，就需要调整
$ grep mysql conf/azkaban.properties
修改conf/azkaban.properties配置文件
### 修改时区
default.timezone.id=Asia/Shanghai
### 修改mysql host
mysql.host=hadoop-node1
### azkaban.executorselector.filters调度策略
# 把MinimumFreeMemory去掉，因为MinimumFreeMemory是6G，自己电脑资源有限，如果小伙伴的机器资源雄厚，可以保留
# StaticRemainingFlowSize：根据排队的任务数来调度任务到哪台executor机器
# CpuStatus：跟据Cpu空闲状态来调度任务到哪台executor机器
azkaban.executorselector.filters=StaticRemainingFlowSize CpuStatus
启动服务
$ ./bin/start-web.sh
$ jps
$ netstat -tnlp|grep 8081
跟上面的一样
$ keytool -keystore keystore -alias jetty -genkey -keyalg RSA
1.输入密钥库口令: 123456
2.再次输入新口令: 123456
3.[Unknown]: azkaban
4.[Unknown]: azkaban
5.[Unknown]: azkaban
6.[Unknown]: shenzhen
7.[Unknown]: guangdong
8.[Unknown]: CN
9.[no]: Y
10.(如果和密钥库口令相同 按回车):
配置
在azkaban-web/azkaban.private.properties（文件需要创建）配置如下：
# 根据上面设置的填，keystore文件会自动生成
# ssl 文件名
jetty.keystore=/opt/bigdata/hadoop/server/azkaban/azkaban-web/keystore
jetty.password=123456
jetty.keypassword=123456
# 文件名
jetty.truststore=/opt/bigdata/hadoop/server/azkaban/azkaban-web/keystore
jetty.trustpassword=123456
在azkaban-web/azkaban.properties修改如下配置：
jetty.use.ssl=true
jetty.ssl.port=8443
修改azkaban-exec/conf/azkaban.properties
jetty.port=8443
# Where the Azkaban web server is located
azkaban.webserver.url=https://hadoop-node1:8443
重启服务
$ ./bin/shutdown-web.sh ; ./bin/start-web.sh
$ jps
$ netstat -tnlp|grep 8443
web访问验证：https://192.168.0.113:8443
官方文档：https://azkaban.readthedocs.io/en/latest/userManager.html
$ cd /opt/bigdata/hadoop/server/azkaban/azkaban-web
$ cat conf/azkaban-users.xml
配置一个管理员用户，增加如下一行
<user password="123456" roles="metrics" username="test"/>
重启web服务
$ ./bin/shutdown-web.sh ; ./bin/start-web.sh
https://hadoop-node1:8443
官方文档：https://azkaban.readthedocs.io/en/latest/createFlows.html
1）HelloWorld示例（单个工作流）1、在windows环境，新建helloworld.project文件，编辑内容如下：
azkaban-flow-version: 2.0
【温馨提示】该文件作用，是采用新的Flow-API方式解析flow文件，内容基本上是固定的，2.0版本xxx.flow是yaml格式，2.0之前的版本是key=value格式，示例如下：
type=command
command=echo 'hello'
2、新建helloworld.flow文件，内容如下：
nodes:
- name: jobA
type: command
config:
command: echo "Hello World"
【温馨提示】注意缩进的空格
- Name：job名称
- Type：job类型。command表示你要执行作业的方式为命令
- Config：job配置
3、将上面两个文件压缩成一个zip文件，目前只支持zip文件，文件名称必须是英文。
4、新建project
5、把zip文件上传到azkaban执行
6、执行
- DependentWorkflow.flow
nodes:
- name: jobA
type: command
config:
command: echo "jobA"
- name: jobB
type: command
config:
command: echo "jobB"
- name: jobC
type: command
dependsOn:
- jobA
- jobB
config:
command: echo "jobC"
- DependentWorkflow.project
azkaban-flow-version: 2.0
- 创建project，并把zip文件上传到azkaban执行
- 执行（执行完jobA和jobB才执行jobC）
执行一个不存在的脚本/tmp/retry.sh，则任务失败，间隔10000ms，重试3次，其实总共会执行4次，1 3（重试3次）
- AutoFailed2Retry.flow
---
nodes:
- name: JobA
type: command
config:
command: sh /tmp/retry.sh
retries: 3
retry.backoff: 10000
retries：重试次数
retry.backoff：重试的间隔时间（ms）
- AutoFailed2Retry.project
azkaban-flow-version: 2.0
- 创建project，并把zip文件上传到azkaban执行
- 执行
执行了4次，最后一次执行的状态为失败状态
需求：JobA=》JobB（依赖于A）=》JobC（依赖于B）=》JobD（依赖于C）=》JobE（依赖于D）=》JobF（依赖于E）。生产环境，任何Job都可能挂掉，可以根据需求执行想要执行的Job。这里假设JobC失败了。
- ManualFailed2Retry.flow
---
nodes:
- name: JobA
type: command
config:
command: echo "This is JobA."
- name: JobB
type: command
dependsOn:
- JobA
config:
command: echo "This is JobB."
- name: JobC
type: command
dependsOn:
- JobB
config:
command: sh /tmp/retry.sh
- name: JobD
type: command
dependsOn:
- JobC
config:
command: echo "This is JobD."
- name: JobE
type: command
dependsOn:
- JobD
config:
command: echo "This is JobE."
- name: JobF
type: command
dependsOn:
- JobE
config:
command: echo "This is JobF."
- ManualFailed2Retry.project
azkaban-flow-version: 2.0
- 创建project，并把zip文件上传到azkaban执行
- 执行
执行到JobC失败了，后面的Job就会自动取消了
- 手动创建这个/tmp/retry.sh脚本，每个Executor都创建这个脚本，因为不确定会调度到哪个Executor
$ echo "echo 'This is JobC.'" > /tmp/retry.sh
可以看到，之前JobA和JobB执行成功的就不再执行了。正是预期效果。
6）JavaProcess工作流案例【温馨提示】type不单单只有command，还有javaprocess，当然还有其它type，例如：noop等。可以参考官方文档
【概述】
JavaProcess类型可以运行一个自定义主类方法，type类型为javaprocess，可用的配置为：
- Xms：最小堆内存
- Xmx：最大堆内存
- classpath：类路径，可以省略，省略的话，是flow当前文件路径
- java.class：要运行的Java对象，其中必须包含Main方法
- main.args：main方法的参数
- 新建azkaban的maven工程或者module
- 创建com.bigdata.AzTest类，内容如下：
【示例】
package com.bigdata;
public class AzTest {
public static void main(String[] args) {
System.out.println("This is Azkaban Test!!!");
}
}
- 打包成jar包azkaban-1.0-SNAPSHOT.jar
- 新建com.bigdata.testJava.flow，内容如下：
nodes:
- name: az_javaprocess_test
type: javaprocess
config:
Xms: 100M
Xmx: 200M
java.class: com.bigdata.AzTest
- JavaprocessTest001.project，project文件是固定的也是并不可少的。
azkaban-flow-version: 2.0
- 把三个文件打包成zip包
- 把zip包上传到azkaban上执行
条件工作流功能允许用户自定义执行条件来决定是否运行某些Job，条件可以由当前Job的父Job输出的运行时参数构成，也可以使用预定义宏。在这些条件下，用户可以在确定Job执行逻辑时获取得更大的灵活性，例如：只要父Job之一成功，就可以运行当前Job。
1、基本原理- 父Job将参数写入JOB_OUTPUT_PROP_FILE环境变量所指向的文件
- 子Job使用${jobName.param}来获取父Job输出的参数并定义执行条件
- == 等于
- != 不等于
- 大于
- = 大于等于
- < 小于
- <= 小于等于
- && 与
- || 或
- ! 非
【示例一】
需求：JobA执行一个shell脚本。JoB执行一个shell脚本，但JobB不需要每天都执行，而只需要每周一执行。
- 新建JobA.sh
#!/bin/bash
echo "do JobA"
wk=`date %w`
echo "{\"wk\":$wk}" > $JOB_OUTPUT_PROP_FILE
获取当前周第几天，0：周日，1表示周一，则JobB需要到周一才执行，今天不执行
- 新建JobB.sh
#!/bin/bash
echo "do JoB"
- 新建condition.flow
nodes:
- name: JobA
type: command
config:
command: sh JobA.sh
- name: JobB
type: command
dependsOn:
- JobA
config:
command: sh JobB.sh
condition: ${JobA:wk} == 1
- 将JobA.sh、JobB.sh、condition.flow和azkaban.project打包成xxx.zip
- 创建condition项目=》上传xxx.zip文件=》执行作业=》观察结果
Azkaban中预置了几个特殊的判断条件，称为预定于宏。
预定于宏会根据所有父Job的完成情况进行判断，再决定是否执行。可用的预定义宏如下：
- all_success：表示父Job全部成功才执行（默认）
- all_done：表示父Job全部完成才执行
- all_failed：表示父Job全部失败才执行
- one_success：表示父Job至少一个成功才执行
- one_failed：表示父Job至少一个失败才执行
需求：
- JobA执行一个shell脚本
- JobB执行一个shell脚本
- JobC执行一个shell脚本，要求JobA、JobB中有一个成功即可执行
步骤如下：
- 新建JobA.sh
#!/bin/bash
echo "do JobA"
- 新建JobB.sh（不创建，验证）
#!/bin/bash
echo "do JobB"
- 新建JobC.sh
#!/bin/bash
echo "do JobC"
- 新建marco.flow
nodes:
- name: JobA
type: command
config:
command: sh JobA.sh
- name: JobB
type: command
config:
command: sh JobB.sh
- name: JobC
type: command
dependsOn:
- JobA
- JobB
config:
command: sh JobC.sh
condition: one_success
- 新建marco.project
azkaban-flow-version: 2.0
- 把文件打包成zip文件，并上传到azkaban上执行
- 执行
JobB执行失败了，JobC还是执行成功，验证成功。
拿之前的案例，设置定时调度
每分钟执行一次
把定时任务移除
这里以QQ邮箱为示范，需要开启邮箱协议
$ cd /opt/bigdata/hadoop/server/azkaban/azkaban-web
$ vi conf/azkaban.properties
# 修改的内容如下：
mail.sender=2920992033@qq.com
mail.host=smtp.qq.com
# 下面两行没有需要增加
mail.user=2920992033@qq.com
# password就换成上面截图的授权码（自己邮箱授权码）
mail.password=xxxx
重启web服务生效
$ ./bin/shutdown-web.sh ; ./bin/start-web.sh3、azkaban配置邮件接受人
还是拿上面的案例进行测试
查看邮箱，发现已经收到了工作流报警邮件
因为azkaban默认是不支持电话报警的，所以这里使用睿象云做中转实现电话报警。
1、登录睿象云官网注册并登录配置这里选择免费试用，自己测试就免费试用也够了，如果是商用或者在企业里用肯定是需要付费使用的。
使用智能告警平台
选择集成
这里使用Email集成方式，因为azkaban支持邮件
配置这个邮箱：881841810azkaban@camail.aiops.com
能收到告警电话，验证ok。小伙伴可以自己试试。
总结
原生的 Azkaban 支持的plugin类型有以下这些：
- command：Linux shell命令行任务
- javaprocess：原生java任务
- gobblin：通用数据采集工具
- hadoopJava：运行hadoopMR任务
- hive：支持执行hiveSQL
- pig：pig脚本任务
- spark：spark任务
- hdfsToTeradata：把数据从hdfs导入Teradata
- teradataToHdfs：把数据从Teradata导入hdfs
上面我们示例中用到了command和javaprocess，其中最简单而且最常用的是command类型。
Azkaban基础部分就先到这了，后续会有更多相关的文章，请小伙伴耐心等待~
