©2020-2024 ioDraw All rights reserved
<>一、Flow 2.0 简介
<>1.1 Flow 2.0 的产生
Azkaban 目前同时支持 Flow 1.0 和 Flow2.0 ，但是官方文档上更推荐使用 Flow 2.0，因为 Flow 1.0
会在将来的版本被移除。Flow 2.0 的主要设计思想是提供 1.0 所没有的流级定义。用户可以将属于给定流的所有job / properties
文件合并到单个流定义文件中，其内容采用 YAML 语法进行定义，同时还支持在流中再定义流，称为为嵌入流或子流。
<>1.2 基本结构
项目 zip 将包含多个流 YAML 文件，一个项目 YAML 文件以及可选库和源代码。Flow YAML 文件的基本结构如下：
* 每个 Flow 都在单个 YAML 文件中定义；
* 流文件以流名称命名，如：my-flow-name.flow；
* 包含 DAG 中的所有节点；
* 每个节点可以是作业或流程；
* 每个节点 可以拥有 name, type, config, dependsOn 和 nodes sections 等属性；
* 通过列出 dependsOn 列表中的父节点来指定节点依赖性；
* 包含与流相关的其他配置；
* 当前 properties 文件中流的所有常见属性都将迁移到每个流 YAML 文件中的 config 部分。
官方提供了一个比较完善的配置样例，如下：
config: user.to.proxy: azktest param.hadoopOutData: /tmp/wordcounthadoopout
param.inData: /tmp/wordcountpigin param.outData: /tmp/wordcountpigout # This
section defines the list of jobs # A node can be a job or a flow # In this
example, all nodes are jobs nodes: # Job definition # The job definition is
like a YAMLified version of properties file # with one major difference. All
custom properties are now clubbed together # in a config section in the
definition. # The first line describes the name of the job - name: AZTest type:
noop# The dependsOn section contains the list of parent nodes the current #
node depends on dependsOn: - hadoopWC1 - NoOpTest1 - hive2 - java1 - jobCommand2
- name: pigWordCount1 type: pig # The config section contains custom arguments
or parameters which are # required by the job config: pig.script:
src/main/pig/wordCountText.pig- name: hadoopWC1 type: hadoopJava dependsOn: -
pigWordCount1config: classpath: ./* force.output.overwrite: true input.path: ${
param.inData} job.class: com.linkedin.wordcount.WordCount main.args: ${
param.inData} ${param.hadoopOutData} output.path: ${param.hadoopOutData} - name:
hive1type: hive config: hive.script: src/main/hive/showdb.q - name: NoOpTest1
type: noop - name: hive2 type: hive dependsOn: - hive1 config: hive.script:
src/main/hive/showTables.sql- name: java1 type: javaprocess config: Xms: 96M
java.class: com.linkedin.foo.HelloJavaProcessJob - name: jobCommand1 type:
commandconfig: command: echo "hello world from job_command_1" - name:
jobCommand2type: command dependsOn: - jobCommand1 config: command: echo "hello
world from job_command_2"
<>二、YAML语法
想要使用 Flow 2.0 进行工作流的配置，首先需要了解 YAML 。YAML 是一种简洁的非标记语言，有着严格的格式要求的，如果你的格式配置失败，上传到
Azkaban 的时候就会抛出解析异常。
<>2.1 基本规则
* 大小写敏感 ；
* 使用缩进表示层级关系 ；
* 缩进长度没有限制，只要元素对齐就表示这些元素属于一个层级；
* 使用#表示注释 ；
* 字符串默认不用加单双引号，但单引号和双引号都可以使用，双引号表示不需要对特殊字符进行转义；
* YAML 中提供了多种常量结构，包括：整数，浮点数，字符串，NULL，日期，布尔，时间。
<>2.2 对象的写法
# value 与 ： 符号之间必须要有一个空格 key: value
<>2.3 map的写法
# 写法一 同一缩进的所有键值对属于一个map key: key1: value1 key2: value2 # 写法二 {key1: value1,
key2: value2}
<>2.3 数组的写法
# 写法一 使用一个短横线加一个空格代表一个数组项 - a - b - c # 写法二 [a,b,c]
<>2.5 单双引号
支持单引号和双引号，但双引号不会对特殊字符进行转义：
s1: '内容\n 字符串' s2: "内容\n 字符串" 转换后： { s1: '内容\\n 字符串', s2: '内容\n 字符串' }
<>2.6 特殊符号
一个 YAML 文件中可以包括多个文档，使用 --- 进行分割。
<>2.7 配置引用
Flow 2.0 建议将公共参数定义在 config 下，并通过 ${} 进行引用。
<>三、简单任务调度
<>3.1 任务配置
新建 flow 配置文件：
nodes: - name: jobA type: command config: command: echo "Hello Azkaban Flow
2.0."
在当前的版本中，Azkaban 同时支持 Flow 1.0 和 Flow 2.0，如果你希望以 2.0 的方式运行，则需要新建一个 project
文件，指明是使用的是 Flow 2.0：
azkaban-flow-version: 2.0
<>3.2 打包上传
<>3.3 执行结果
由于在 1.0 版本中已经介绍过 Web UI 的使用，这里就不再赘述。对于 1.0 和 2.0
版本，只有配置方式有所不同，其他上传执行的方式都是相同的。执行结果如下：
<>四、多任务调度
和 1.0 给出的案例一样，这里假设我们有五个任务（jobA——jobE）, D 任务需要在 A，B，C 任务执行完成后才能执行，而 E 任务则需要在 D
任务执行完成后才能执行，相关配置文件应如下。可以看到在 1.0 中我们需要分别定义五个配置文件，而在 2.0 中我们只需要一个配置文件即可完成配置。
nodes: - name: jobE type: command config: command: echo "This is job E" # jobE
depends on jobD dependsOn: - jobD - name: jobD type: command config: command:
echo "This is job D"# jobD depends on jobA、jobB、jobC dependsOn: - jobA - jobB -
jobC- name: jobA type: command config: command: echo "This is job A" - name:
jobBtype: command config: command: echo "This is job B" - name: jobC type:
commandconfig: command: echo "This is job C"
<>五、内嵌流
Flow2.0 支持在一个 Flow 中定义另一个 Flow，称为内嵌流或者子流。这里给出一个内嵌流的示例，其 Flow 配置如下：
nodes: - name: jobC type: command config: command: echo "This is job C"
dependsOn: - embedded_flow - name: embedded_flow type: flow config: prop: value
nodes: - name: jobB type: command config: command: echo "This is job B"
dependsOn: - jobA - name: jobA type: command config: command: echo "This is job
A"
内嵌流的 DAG 图如下：
执行情况如下：