第一步，我们要打开azkaban的官网，配置一些文件和参数，如图所示

将spark、common.properties、commonprivate.properties拷贝到服务器中对应的目录，最终的文件展示如下

[hadoop@hadoop jobtypes]$ tree
.
├── commonprivate.properties
├── common.properties
└── spark
    ├── plugin.properties
    └── private.properties

1. 配置commonprivate.properties中hadoop.home和spark.home指定的家目录

2. 配置common.properties中hadoop.home和spark.home指定的家目录

3. 修改private.properties文件中的参数(临时方案，可行)

   jobtype.classpath=${hadoop.classpath}:${spark.home}/conf:${spark.home}/lib/* ===> jobtype.classpath=hadoop.classpath:${spark.home}/conf:${spark.home}/lib/*

   这么做的原因是我们以上的文件中没有配置hadoop.classpath，官方也没有说明hadoop.classpath应该配置什么参数，目前修改掉引用不影响程序的使用。

第二步，在conf/azkaban.properties文件下增加一个配置，主机名:端口号(随意修改)

azkaban.webserver.url=https://hadoop:8666

第三步，提交作业，所配的参数需要参考官网

测试案例:

config:
    user.to.proxy: hadoop
nodes:
  - name: sparkwc
    type: spark
    config:
      class: com.data.spark.wc.SparkWC
      master: yarn
      deploy-mode: client
      executor-memory: 512M
      driver-memory: 512M
      conf.spark.testing.memory: 471859200
      execution-jar: tunan-spark-utils-1.0.jar
      jars: tunan-spark-core-1.0.jar
      params: hdfs://hadoop:9000/input/wc.txt hdfs://hadoop:9000/out

注意配置文件中的 jar 没有写路径，这么提交需要把 jar 包和配置文件一起打成zip包，提交到AZ的Web界面

第四步，查看结果

20200413更新： 数据下标越界问题：hadoop下的/share/hadoop/common/lib/paranamer-2.3.jar过时，使用–jars传spark下的/jars/paranamer-2.8.jar

20200423更新： 所有参数都可以使用conf传递，

execution_jar  对应的是appjar
jars 对应的是 依赖jar
params: ${execution_jar} 参数1 参数2