调度系统 | Azkaban、Xxl-Job与Airflow对比分析
Xxl-Job
简述
XXL-JOB是一个国内轻量级分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。基于Java技术栈，调度中心与执行器通信基于作者另一个开源项目xxl-rpc，采用自建注册中心，整体架构简单明了，易于上手。
xxl-job架构图
图片来源:
http://www.xuxueli.com/xxl-job/#/?id=_533-架构图
项目地址
Github：xuxueli/xxl-job
Azkaban
简述
Azkaban为LinkedIn开源的分布式工作流调度框架，项目起源于解决Hadoop Jop依赖管理问题，但实际已经是一个通用的工作流调度框架，适用于不同业务场景。
图片来源：
https://github.com/azkaban/azkaban/blob/master/docs/figures/azkaban2overviewdesign.png
项目地址
Github：azkaban/azkaban
Airflow
简述
Apache-Airflow 是Airbnb开源的一款数据流程工具，已经在Apache孵化成功，成为Apache的顶级项目。以非常灵活的方式来支持数据的ETL过程，同时还支持非常多的插件来完成诸如HDFS监控、邮件通知等功能。Airflow支持单机和分布式两种模式，支持Master-Slave模式，支持Mesos等资源调度，有非常好的扩展性。
Airflow架构图
项目地址
Github：apache/airflow
功能对比
| 功能 | Xxl-job | Azkaban | Airflow |
|---|---|---|---|
| license | GNU General Public License v3.0 | Apache License, Version 2.0 | Apache License, Version 2.0 |
| 调度模块 | Quartz | Quartz | 自实现 |
| 调度中心HA | 支持，基于Quartz集群实现 | 不支持 | 不支持 |
| 执行器HA | 支持 | 支持 | 支持 |
| 业务耦合度 | 高，业务逻辑在执行器中实现 | 低，与实际业务无耦合。 | 低，与实际业务无耦合。 |
| Job类型 | Java | Command、HadoopShell、Java、HadoopJava、Pig、Hive等，支持插件式扩展 | Python、Bash、HTTP、Mysql等，支持Operator的自定义扩展。 |
| Executor触发 | RPC | Restful | Restful |
| 工作流 | 无，可配置任务级联触发 | 支持，自定义DSL语法 | 支持，基于Python DAG |
| 管理界面 | 简单但不美观，符合国人习惯，上手简单 | 简单，美观程度略胜于xxl-job，整体功能逻辑清晰，上手简单 | 该有的功能都有，但是就是让你用得不爽。 |
| 部署运维 | 简单 | 简单 | 较复杂，包括WebServer、Scheduler、Worker和Flower（可选，用于） |
| 单点故障 | 无 | Web Server存在单点故障风险 | Scheduler存在单点故障风险。 |
总结分析
Xxl-Job、Azkaban与Airflow三者目标定位有所不同，Xxl-Job是一个轻量级分布式的任务调度框架，Azkaban则是为了解决Hadoop的任务依赖关系问题，而Airflow则是通用的批量数据处理。
Xxl-Job依赖于Xxl-Rpc，可以认为是一个微服务系统，调度中心是服务消费者，调度器是服务提供者，只是服务调用不是通过访问而是通过定时触发而已。
Azkaban重心则在工作流调度，通过DSL语法定义工作流，同时支持子工作流，子工作流可以在主工作流中调度，也可单独调度。
Airflow基于Dag也可以定义复杂的工作流，属于Python技术栈。
总体来说，如果是简单的定时任务调度，可以选择Xxl-Job，与主流Java框架Spring结合很好，上手简单快捷，功能够用；如果调度任务有明确的workflow，需要对workflow状态进行监控分析，则建议使用Azkaban，之所以不选择Airflow，是因为它的管理界面确实太不好用了。