Oozie_初识

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Oozie_初识相关的知识,希望对你有一定的参考价值。

Oozie 任务调度框架(基于工作流)

oozie运行于hadoop集群,对hive,mr,flume,Soop,spark,shell等框架进行任务流调度
如: job1-->job2 & job3-->job4 & job5...
其中,job1用于采集数据,job2与job3用于数据清洗,job4,job5,jobn等用于数据分析
对MR和pigJobs任务调度与协调,需要用到servlet容器(自身框架封装了TomcatHTTPServer)
简单来说,该框架实现任务的自动化,各个处理部分不需要人为控制
PS:oozie如果其中一个job处理失败,不会有回滚,其处理的方式是直接停止

任务调度框架

1. crontab(最简单的任务调度框架)
  格式: *(分) *(时) *(日) *(月) *(周) command
  1-6:连续的时间
  1,6:不连续的时间
  */1:每小时
  第1列表示分钟1~59 每分钟用*或者 */1表示
  第2列表示小时1~23(0表示0点)
  第3列表示日期1~31
  第4列表示月份1~12
  第5列标识号星期0~6(0表示星期天)
  第6列要运行的命令
  例
  30 21 * * * /usr/local/etc/rc.d/lighttpd restart
  上面的例子表示每晚的21:30重启apache
  45 4 1,10,22 * * /usr/local/etc/rc.d/lighttpd restart
  上面的例子表示每月1、10、22日的4 : 45重启apache
  10 1 * * 6,0 /usr/local/etc/rc.d/lighttpd restart
  上面的例子表示每周六、周日的1 : 10重启apache
  0,30 18-23 * * * /usr/local/etc/rc.d/lighttpd restart
  上面的例子表示在每天18 : 00至23 : 00之间每隔30分钟重启apache。
  0 23 * * 6 /usr/local/etc/rc.d/lighttpd restart
  上面的例子表示每星期六的11 : 00 pm重启apache
  * */1 * * * /usr/local/etc/rc.d/lighttpd restart
  每一小时重启apache
  * 23-7/1 * * * /usr/local/etc/rc.d/lighttpd restart
  晚上11点到早上7点之间,每隔一小时重启apache
  0 11 4 * mon-wed /usr/local/etc/rc.d/lighttpd restart
  每月的4号与每周一到周三的11点重启apache
  0 4 1 jan * /usr/local/etc/rc.d/lighttpd restart
  一月一号的4点重启apache   
    crontab -r : 删除目前的时程表
    crontab -l : 列出目前的时程表
    crontab file [-u user]-用指定的文件替代目前的crontab
2. Azkaban
  linkdin:开源任务调度框架
   properties文件控制工作流
3. Oozie
  Xml文件控制工作流
  大致工作流
  start -> job1 -> job2 & job3 -> ... --> ok > end
                                        --> faile -> kill
4. Zeus
  宙斯是一个完整的Hadoop作业平台,支持
  Hadoop MR任务的调试运行
  Hive任务的调试运行
  Shell人数的运行
  Hive元数据的可视化查询数据与预览
  Hadoopr任务的自动调度
  PS:三者各有各的优点,但从使用角度来看oozie较流行,原因之一是hue框架能整合Hadoop所有框架,且界面友好,功能强大

Oozie三大功能

workflow jobs(简单的任务流)
coordinator jobs(加入定时调度:起始时间,结束时间,频率)
Bundle(多个coordinator jobs或这多个workflow的集合)

Oozie的架构

控制流节点 action
    起始,结束,并发,分支,合并
动作节点 action
    job: mapreduce action
    job: hive action
    job: shell action
子节点
 实现
    oozie server
    hadoop集群
    自带数据库 derby

Oozie安装部署

下载相应与Hadoop版本的oozie.tar.gz与ext-x.x.zip
  上传至linux
  安装oozieser
    配置hadoop代理core-site.xml
      hadoop.proxyuser.[OOZIE_SERVER_USER].hosts--[OOZIE_SERVER_HOSTNAME]
      hadoop.proxyuser.[OOZIE_SERVER_USER].groups--[USER_GROUPS_THAT_ALLOW_IMPERSONATION]
    重启Hadoop集群
  当前目录解压oozie-hadooplibs-4.0.0-cdh5.3.6.tar.gz
  oozie目录下多出一个oozie-4.0.0-cdh5.3.6文件夹(存放hadoop1与hadoop2的相关jar包)
  创建libext文件夹
    将hadoop对应版本的jar包放入
    将ext-x.x.zip也放入libext文件夹内
  创建sharelib库(HDFS上的jar库,用于运行所有job依赖)
    $ bin/oozie-setup.sh sharelib create -fs <FS_URI> [-locallib <PATH>]
    $ bin/oozie-setup.sh sharelib create -fs hdfs://hadoop09-linux-01.ibeifeng.com:8020 -locallib oozie-sharelib-4.0.0-cdh5.3.6-yarn.tar.gz
  打包libext目录的jar包作为oozie运行的jar包库
    $ bin/oozie-setup.sh prepare-war [-d directory] [-secure]
    $ bin/oozie-setup.sh prepare-war
  初始化数据库
    $ bin/ooziedb.sh create -sqlfile oozie.sql -run DB Connection
  简单配置两个属性
    oozie-default.xml
      org.apache.oozie.service.JobsConcurrencyService移至第一行
      if not oozie的后台目录中会报NullPointerException错误
    oozie-site.xml
    oozie.service.HadoopAccessorService.hadoop.configurations=*=/opt/cdh-5.6.3/hadoop-2.5.0-cdh5.3.6/etc/hadoop
      if not 会报/user/Hadoop/share/lib文件找不到错误
  启动oozie
    $ bin/oozied.sh start    (jps,进程多出一个BootStrap)    

以上是关于Oozie_初识的主要内容,如果未能解决你的问题,请参考以下文章

初识Spring源码 -- doResolveDependency | findAutowireCandidates | @Order@Priority调用排序 | @Autowired注入(代码片段

初识Spring源码 -- doResolveDependency | findAutowireCandidates | @Order@Priority调用排序 | @Autowired注入(代码片段

Oozie_示例

Oozie_04总结一下workflowf的运行流程20161116

Oozie_03运行官方案例20161116

Oozie_01安装教程20161116