Question

我有一个Spark Streaming作业，它使用spark-submit脚本手动运行。我想安排它每天运行。

哪一个更好Azkaban，Airflow，Oozie，Crontab，Spark-jobserver，Quartz或Luigi。

任何建议都赞赏！

Answer 1

我有机会与此列表中的Oozie和Airflow合作。最初我是从Oozie开始的，但Oozie对于spark 2.0来说根本不是一个好选择。我无法使用Oozie运行我的Spark2.0作业。然后我转移到Airflow，这是快速和容易设置。它提供了足够的示例，这些示例可以从基本工作流程开始。您可以快速浏览所有这些或等待所有这些工作的人提供一些反馈。根据您的要求，Airflow足够好。如果您选择Airflow，则使用下面的DAG，它将满足您的要求。

import airflow
from airflow.models import DAG
from airflow.operators.bash_operator import BashOperator
from datetime import timedelta

default_args = {
'owner': 'airflow',
'depends_on_past': False,
'start_date': datetime(2017, 8, 23,22,40),
'end-date': datetime(2017, 9, 20, 22, 40),
'retries': 1,
'retry_delay': timedelta(minutes=5),
}

dag = DAG(
    'Spark-Workflow-DAG',
    default_args=default_args,
    description='Spark workflow',
    schedule_interval=timedelta(days=1))

t1 = BashOperator(
    task_id='Execute_Spark_Streaming_Job',
    bash_command="your complete spark submit command with all the arguments",
dag=dag)

对我有帮助的链接很少。 https://blog.insightdatascience.com/scheduling-spark-jobs-with-airflow-4c66f3144660 https://www.agari.com/automated-model-building-emr-spark-airflow/

调度Spark Streaming作业

1 个答案: