安排Spark Streaming作业

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。

任何建议表示赞赏！

Answer 1

我有机会从此列表中使用Oozie和Airflow。 最初我从Oozie开始，但Oozie对于spark 2.0并不是一个好的选择。我永远无法使用Oozie运行我的Spark2.0作业。 然后，我转移到Airflow，这是快速和易于安装。它配备了足够的例子，可以从基本的工作流程开始。 您可以快速浏览所有这些内容，或等待所有这些人员的工作人员提供一些反馈。 根据您的要求，Airflow足够好。如果您最终确定了Airflow，则可以使用下面的DAG来满足您的要求。

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) 

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