大数据Hadoop之——Azkaban API详解

目录

• 一、Azkaban API概述
• 二、Azkaban API具体使用
  • 1）Authenticate（登录认证）
  • 2）Fetch user Projects（获取项目列表）
  • 3）Create a Project（创建一个项目）
  • 4）Delete a Project（删除一个项目）
  • 5）Upload a Project Zip（上传项目zip文件）
  • 6）Fetch Flows of a Project（获取项目的所有工作流flowId）
  • 7）Fetch Jobs of a Flow（获取一个工作流的详情）
  • 8）Fetch Executions of a Flow（获取工作流的执行列表）
  • 9）Fetch Running Executions of a Flow（获取正在执行的工作流）
  • 10）Execute a Flow（立即执行工作流）
  • 11）Cancel a Flow Execution（取消工作流执行）
  • 12）Flexible scheduling using Cron（定时调度工作流【重点】）
  • 13）Fetch a Schedule（获取调度任务）
  • 14）Unschedule a Flow（取消工作流的定时任务）
  • 15）Fetch Logs of a Project（获取项目日志）
  • 16）Fetch Execution Job Logs（获取执行任务日志）
  • 17）设置SLA报警
  • 18）Fetch a SLA

一、Azkaban API概述

通常，企业里一般不用使用web UI去设置或者执行任务，只是单纯的在页面上查看任务或者排查问题，更多的是通过Azkaban API去提交执行任务计划。Azkaban提供了一些常用的API操作，可以通过curl或其他HTTP请求客户端访问。但是API调用都需要首先进行适当的身份验证。官方文档：https://azkaban.readthedocs.io/en/latest/ajaxApi.html

Azkaban 基本部分包括环境部署可以参考我之前的文章：大数据Hadoop之——任务调度器Azkaban（Azkaban环境部署）

二、Azkaban API具体使用

目前在这个版本的大多数api中，它不检查请求头。但是最好还是加上请求头。请求头如下：

Content-Type:     application/x-www-form-urlencoded
X-Requested-With: XMLHttpRequest

1）Authenticate（登录认证）

这个API帮助验证用户并提供会话保持，会返回session.id，默认情况下，会话超时时间为24小时(一天)。

请求格式如下：

Method: POST
Request URL: /?action=login
Parameter Location: Request body

请求参数如下：

参数	描述
action=login	固定参数
用户名	Azkaban 登录用户名
密码	Azkaban 登录密码
【示例】

$ curl -k -X POST --data "action=login&username=azkaban&password=azkaban" https://localhost:8443

## 提取session.id，注意每次请求返回的session.id都不一样
$ curl -sk -X POST --data "action=login&username=azkaban&password=azkaban" https://localhost:8443|jq '."session.id"'|sed 's/\"//g'

设置.session.id的两种方式

• 简单地作为请求参数添加
• 通过cookie设置:azkaban.browser.session.id

下面两个HTTP请求是等价的:

#【温馨提示】执行下面两个api是必须得提前创建了`project：HelloWorld`和`flow：helloworld`
# a) Provide session.id parameter directly
$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchflowgraph&project=HelloWorld&flow=helloworld" https://localhost:8443/manager

# b) Provide azkaban.browser.session.id cookie
$ curl -k --get -b "azkaban.browser.session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480" --data "ajax=fetchflowgraph&project=HelloWorld&flow=helloworld" https://localhost:8443/manager

2）Fetch user Projects（获取项目列表）

请求格式如下：

Method: GET
Request URL: /index?ajax=fetchuserprojects
Parameter Location: Request Query

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=fetchuserprojects	固定参数
user (可选)	要列出项目的用户名。默认情况下，获取登录用户的项目列表。

【示例】

# --get等价于-G，-X GET，默认就是GET请求，下面三个请求等价
$ curl -k --get --data "ajax=fetchuserprojects&user=azkaban&session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480" https://localhost:8443/index

$ curl -k -X GET -G --data "ajax=fetchuserprojects&user=azkaban&session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480" https://localhost:8443/index

# user默认就是session.id对应的用户
$ curl -k -G --data "ajax=fetchuserprojects&session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480" https://localhost:8443/index

3）Create a Project（创建一个项目）

请求格式如下：

Method: POST
Request URL: /manager?action=create
Parameter Location: Request Query

请求参数如下：

参数	描述
session.id	用户的session.id
action=create	固定参数
name	项目名称
description	项目描述

【示例】

$ curl -k -X POST --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&name=test001&description=create a azkaban project" https://localhost:8443/manager?action=create

4）Delete a Project（删除一个项目）

请求格式如下：

Method: GET
Request URL: /manager?delete=true
Parameter Location: Request Query

请求参数如下：

参数	描述
session.id	用户的session.id
delete=true	表示删除项目操作的固定参数
project	要删除的项目名称

【示例】

$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&delete=true&project=test001" https://localhost:8443/manager

5）Upload a Project Zip（上传项目zip文件）

请求格式如下：

Method: POST
Content-Type: multipart/mixed
Request URL: /manager?ajax=upload
Parameter Location: Request Body

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=upload	固定参数
project	要上传的项目名称
file	项目压缩文件。类型应该设置为application/zip或application/x-zip-compressed

# 先创建项目
$ curl -k -X POST --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&name=test001&description=create a azkaban project" https://localhost:8443/manager?action=create

# 准备好zip文件，长传项目zip文件
$ curl -k -i -X POST --form 'session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480' --form 'ajax=upload' --form 'file=@projects/test001.zip;type=application/zip' --form 'project=test001' https://localhost:8443/manager

6）Fetch Flows of a Project（获取项目的所有工作流flowId）

请求格式如下：

Method: GET
Request URL: /manager?ajax=fetchprojectflows
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=fetchprojectflows	固定参数
project	要获取工作流对应的项目名称

【示例】

$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchprojectflows&project=test001" https://localhost:8443/manager

7）Fetch Jobs of a Flow（获取一个工作流的详情）

请求格式如下：

Method: GET
Request URL: /manager?ajax=fetchflowgraph
Parameter Location: Request Query String

请求参数如下：

Method: GET
Request URL: /manager?ajax=fetchflowgraph
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=fetchflowgraph	固定参数
project	要获取的项目名称
flow	要获取的项目的工作流id，上一个接口获取的flowId
【示例】

# 获取flowId
$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchprojectflows&project=test001" https://localhost:8443/manager
# 获取工作流的具体信息
$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchflowgraph&project=test001&flow=test001" https://localhost:8443/manager

8）Fetch Executions of a Flow（获取工作流的执行列表）

请求格式如下：

Method: GET
Request URL: /manager?ajax=fetchFlowExecutions
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=fetchFlowExecutions	固定参数
project	项目名称
flow	flowId
start	返回列表的起始位置
length	返回列表的最大长度。例如，如果起始位置是2，长度是10，那么返回的列表将包括执行索引:[2,3,4,5,6,7,8,9,10,11]

【示例】
这里设置每分钟调度一次

其实获取的就是下图的列表信息

获取最新执行的3条记录，请求示例如下：

$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchFlowExecutions&project=test001&flow=test001&start=0&length=3" https://localhost:8443/manager

9）Fetch Running Executions of a Flow（获取正在执行的工作流）

请求格式如下：

Method: GET
Request URL: /executor?ajax=getRunning
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=getRunning	固定参数
project	项目名称
flow	flowId

【示例】

$ curl -k --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=getRunning&project=test001&flow=test001" https://localhost:8443/executor

10）Execute a Flow（立即执行工作流）

请求格式如下：

Method: POST
Request URL: /executor?ajax=executeFlow
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=executeFlow	固定参数
project	项目名称
flow	flowId

【示例】

$ curl -k -X POST --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=executeFlow&project=test001&flow=test001" https://localhost:8443/executor

11）Cancel a Flow Execution（取消工作流执行）

请求格式如下：

Method: GET
Request URL: /executor?ajax=cancelFlow
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=cancelFlow	固定参数
execid	Execution id
【示例】

$ curl -k --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=cancelFlow&execid=78" https://localhost:8443/executor

12）Flexible scheduling using Cron（定时调度工作流【重点】）

这个API调用通过一个cron Expression调度一个流。Cron是一个已经被广泛使用了很长一段时间的UNIX工具，我们使用Quartz库来解析Cron表达式。所有的cron时间表都遵循azkaban web服务器中定义的时区(时区ID由java.util.TimeZone.getDefault(). getid()获得)

请求格式如下：

Method: POST
Request URL: /schedule?ajax=scheduleCronFlow
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=scheduleCronFlow	固定参数
projectName	工程名称
flow	flowId
cronExpression	CRON表达式是由6或7个用空格分隔的字段组成的字符串，表示一组时间，跟linux系统上的crontab一样。在Azkaban ，我们Quartz Cron Format。

【示例】

• ? 表示占位符。比如? ? * * * *，如果在8:25启动的话，就会被解析成25 8 * * * *
• # 用于指定本月的第n个XXX日。例如，day-of-week字段中的“6#3”的值表示“该月的第三个星期五”(第6天=星期五，“#3”=该月的第三个星期五)。其他例子:“2#1”=这个月的第一个星期一，“4#5”=这个月的第五个星期三。请注意，如果您指定了“#5”，而当月的给定周中没有5天，那么当月将不会发生，会到下个月。

### 定时任务表达式解释0 23/30 5,7-10 ? * 6#3 2023
# 0：表示0秒，固定的
# 23/30：23分之后每半个小时执行一次，当然还得更加后面表达式而定
# 5,7-10：5,7，8,9，10这四个整点，每半个小时执行一次
# ?：占位符，根据其它时间而定
# *：每月
# 6#3：表示周，该月的第三个星期五，如果当月没有，则到下个月
# 2023：可选，默认是每年
### 重复执行是修改覆盖
$ curl -k -d ajax=scheduleCronFlow -d projectName=test001 -d flow=test001 --data-urlencode cronExpression="0 23/30 5,7-10 ? * 6#3 2023" -b "azkaban.browser.session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480" https://localhost:8443/schedule

通过下图可能更好的理解cron表示式

重复执行修改

13）Fetch a Schedule（获取调度任务）

请求格式如下：

Method: GET
Request URL: /schedule?ajax=fetchSchedule
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=fetchSchedule	固定参数
projectId	项目的id
flowId	flowId

# 获取projectId 和 flowId 
$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchprojectflows&project=test001" https://localhost:8443/manager

# Fetch a Schedule
$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchSchedule&projectId=19&flowId=test001" https://localhost:8443/scheule

14）Unschedule a Flow（取消工作流的定时任务）

请求格式如下：

Method: POST
Request URL: /schedule?action=removeSched
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
action=removeSched	固定参数
scheduleId	调度任务id

【示例】

$ curl -k https://localhost:8443/schedule -d "action=removeSched&scheduleId=8" -b azkaban.browser.session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480 https://localhost:8443/schedule

15）Fetch Logs of a Project（获取项目日志）

请求格式如下：

Method: GET
Request URL: /manager?ajax=fetchProjectLogs
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=fetchProjectLogs	固定参数
project	项目名称

【示例】

$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchProjectLogs&project=test001" https://localhost:8443/manager

16）Fetch Execution Job Logs（获取执行任务日志）

请求格式如下：

Method: GET
Request URL: /executor?ajax=fetchExecJobLogs
Parameter Location: Request Query String

请求参数如下：

参数	描述
session.id	用户的session.id
ajax=fetchExecJobLogs	固定参数
execid	execid
jobId	jobId，其实就是flow文件里的job name
offset	日志数据的偏移量
length	日志数据的长度。例如，如果偏移量设置为10，长度为1000，则返回的日志将从第10个字符开始，长度为1000(如果剩余的日志长度小于1000，则小于1000)

【示例】

# 获取job id也就是job name
$ curl -k --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchexecflow&execid=105" https://localhost:8443/executor
# 获取日志
$ curl -k --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=fetchExecJobLogs&execid=105&jobId=jobA&offset=0&length=100" https://localhos:8443/executor

17）设置SLA报警

请求格式如下：

Method: POST
Request URL: /schedule?ajax=setSla
Parameter Location: Request Query String

$ curl -k -d "ajax=setSla&scheduleId=9&slaEmails=a@example.com;b@example.com&settings[0]=aaa,SUCCESS,5:00,true,false&settings[1]=bbb,SUCCESS,10:00,false,true" -b "azkaban.browser.session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480" https://localhost:8443/schedule

这个API在企业里用的不多，在web UI上操作更方便直观 ，稍微了解就行。

18）Fetch a SLA

这个API也是用的不多，在web UI上查看更方便，了解即可。

请求格式如下：

Method: GET
Request URL: /schedule?ajax=slaInfo
Parameter Location: Request Query String

【示例】

$ curl -k --get --data "session.id=b2528ee7-0189-46d3-9a68-e03ea00ad480&ajax=slaInfo&scheduleId=9" https://localhost:8443/schedule

【温馨提示】这里为了方便都是通过curl方式去测试，其实在公司环境中，更多的可能是用python、或者java等高级语言去调用Azkaban API。这里只是列出了常见的API接口，尤其是上面第12个接口Flexible scheduling using Cron用的是最多的。更多Azkaban API接口使用，请查看官方文档。

未完待续，请小伙伴耐心等待~