工作流调度引擎---Oozie
Oozie使用教程
一. Oozie简介
Apache Oozie是用于Hadoop平台的一种工作流调度引擎。
- 作用
- 统一调度hadoop系统中常见的mr任务启动hdfs操作、shell调度、hive操作等。
- 使得复杂的依赖关系时间触发事件触发使用xml语言进行表达开发效率提高。
- 一组任务使用一个DAG来表示,使用图形表达流程逻辑更加清晰。
- 支持很多种任务调度,能完成大部分hadoop任务处理。
- 程序定义支持EL常量和函数,表达更加丰富。
- 架构

- 访问
- 通过浏览器访问 http://master:11000/oozie/

- 通过HUE访问

- 概念
- workflow:工作流
- coordinator:多个workflow可以组成一个coordinator,可以把前几个workflow的输出作为后- 一个workflow的输入,也可以定义workflow的触发条件,来做定时触发
- bundle:是对一堆coordinator的抽象
二. Oozie操作
- Oozie shell
- 编写job.properties文件

- 编写workflow.xml文件
|
<workflow-app xmlns="uri:oozie:workflow:0.4" name="shell-wf"> <start to="shell-node"/> <action name="shell-node"> <shell xmlns="uri:oozie:shell-action:0.2"> <job-tracker>${jobTracker}</job-tracker> <name-node>${nameNode}</name-node> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value> </property> </configuration> <exec>echo</exec> <argument>my_output=Hello Oozie</argument> <capture-output/> </shell> <ok to="check-output"/> <error to="fail"/> </action> <decision name="check-output"> <switch> <case to="end"> ${wf:actionData('shell-node')['my_output'] eq 'Hello Oozie'} </case> <default to="fail-output"/> </switch> </decision> <kill name="fail"> <message>Shell action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message> </kill> <kill name="fail-output"> <message>Incorrect output, expected [Hello Oozie] but was [${wf:actionData('shell-node')['my_output']}]</message> </kill> <end name="end"/> </workflow-app> |
- 执行oozie cli命令

执行命令后会返回一个job的id,在web的监控页面或Hue的页面可以查看其信息。

Job的有向无环图:

- Oozie fs
- 编写job.properties文件

- 编写workflow.xml文件
<workflow-app xmlns="uri:oozie:workflow:0.2" name="fs"> <start to="fs-node"/> <action name="fs-node"> <fs> <delete path='/home/kongc/oozie'/> <mkdir path='/home/kongc/oozie1'/> <move source='/home/kongc/spark-application' target='/home/kongc/oozie1'/> </fs> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Map/Reduce failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill> <end name="end"/> </workflow-app> |
- 执行oozie cli命令
- Oozie Sqoop
- 编写job.properties文件

- 编写配置文件
#HSQL Database Engine 1.8.0.5 #Tue Oct 05 11:20:19 SGT 2010 hsqldb.script_format=0 runtime.gc_interval=0 sql.enforce_strict_size=false hsqldb.cache_size_scale=8 readonly=false hsqldb.nio_data_file=true hsqldb.cache_scale=14 version=1.8.0 hsqldb.default_table_type=memory hsqldb.cache_file_scale=1 hsqldb.log_size=200 modified=no hsqldb.cache_version=1.7.0 hsqldb.original_version=1.8.0 hsqldb.compatible_version=1.8.0 |
- 编写sql文件
CREATE SCHEMA PUBLIC AUTHORIZATION DBA CREATE MEMORY TABLE TT(I INTEGER NOT NULL PRIMARY KEY,S VARCHAR(256)) CREATE USER SA PASSWORD "" GRANT DBA TO SA SET WRITE_DELAY 10 SET SCHEMA PUBLIC INSERT INTO TT VALUES(1,'a') INSERT INTO TT VALUES(2,'a') INSERT INTO TT VALUES(3,'a') |
- 编写workflow.xml文件
<?xml version="1.0" encoding="UTF-8"?> <workflow-app xmlns="uri:oozie:workflow:0.2" name="sqoop-wf"> <start to="sqoop-node"/> <action name="sqoop-node"> <sqoop xmlns="uri:oozie:sqoop-action:0.2"> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/sqoop"/>
<mkdir path="${nameNode}/user/oozie/${examplesRoot}/output-data"/>
</prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> </configuration> <command>import --connect jdbc:hsqldb:file:db.hsqldb --table TT --target-dir /user/oozie/${examplesRoot}/output-data/sqoop -m 1</command>
<file>db.hsqldb.properties#db.hsqldb.properties</file> <file>db.hsqldb.script#db.hsqldb.script</file> </sqoop> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Sqoop failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill> <end name="end"/> </workflow-app> |
- 执行oozie cli命令
- Oozie Java
- 编写job.properties文件

- 编写workflow.xml文件
<workflow-app xmlns="uri:oozie:workflow:0.2" name="java-main-kc"> <start to="java-node"/> <action name="java-node"> <java> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> </configuration> <main-class>org.apache.oozie.example.DemoJavaMain</main-class> <arg>Hello</arg> <arg>Oozie!</arg> </java> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Java failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill> <end name="end"/> </workflow-app> |
- 执行oozie cli命令
- Oozie Hive
- 编写job.properties文件

- 编写workflow.xml文件
<workflow-app xmlns="uri:oozie:workflow:0.5" name="hive2-wf"> <start to="hive2-node"/> <action name="hive2-node"> <hive2 xmlns="uri:oozie:hive2-action:0.1"> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/hive2"/>
<mkdir path="${nameNode}/user/oozie/${examplesRoot}/output-data"/>
</prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> </configuration> <jdbc-url>${jdbcURL}</jdbc-url>
<script>script.q</script> <param>INPUT=/user/oozie/${examplesRoot}/input-data/table</param>
<param>OUTPUT=/user/oozie/${examplesRoot}/output-data/hive2</param>
</hive2> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Hive2 (Beeline) action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill> <end name="end"/> </workflow-app> |
- 编写hive脚本
INSERT OVERWRITE DIRECTORY '${OUTPUT}' SELECT * FROM test_machine;
|
- 执行oozie cli命令
- Oozie Impala
- 编写job.properties文件

- 编写workflow.xml文件
<workflow-app name="shell-impala" xmlns="uri:oozie:workflow:0.4"> <start to="shell-impala-invalidate"/> <action name="shell-impala-invalidate"> <shell xmlns="uri:oozie:shell-action:0.1"> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> </configuration> <exec>${EXEC}</exec>
<file>${EXEC}#${EXEC}</file>
</shell> <ok to="end"/> <error to="kill"/> </action> <kill name="kill"> <message>Action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill> <end name="end"/> </workflow-app> |
- 编写impala脚本文件
#!/bin/bash impala-shell -i slave2:21000 -q " select count(*) from test_machine" echo 'Hello Shell' |
- 执行oozie cli命令
- Oozie MapReduce
- 编写job.properties文件

- 编写workflow.xml文件
<workflow-app xmlns="uri:oozie:workflow:0.2" name="map-reduce-wyl"> <start to="mr-node"/> <action name="mr-node"> <map-reduce> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/${outputDir}"/>
</prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> <property> <name>mapred.mapper.class</name> <value>org.apache.oozie.example.SampleMapper</value> </property> <property> <name>mapred.reducer.class</name> <value>org.apache.oozie.example.SampleReducer</value> </property> <property> <name>mapred.map.tasks</name> <value>1</value> </property> <property> <name>mapred.input.dir</name> <value>/user/oozie/${examplesRoot}/input-data/text</value>
</property> <property> <name>mapred.output.dir</name> <value>/user/oozie/${examplesRoot}/output-data/${outputDir}</value>
</property> </configuration> </map-reduce> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Map/Reduce failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill> <end name="end"/> </workflow-app> |
- 执行oozie cli命令
- Oozie Spark
- 编写job.properties文件

- 编写workflow.xml文件
<workflow-app xmlns='uri:oozie:workflow:0.5' name='SparkFileCopy'> <start to='spark-node' /> <action name='spark-node'> <spark xmlns="uri:oozie:spark-action:0.1"> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/spark"/>
</prepare> <master>${master}</master>
<name>Spark-FileCopy</name> <class>org.apache.oozie.example.SparkFileCopy</class> <jar>${nameNode}/user/oozie/${examplesRoot}/apps/spark/lib/oozie-examples.jar</jar>
<arg>${nameNode}/user/oozie/${examplesRoot}/input-data/text/data.txt</arg>
<arg>${nameNode}/user/oozie/${examplesRoot}/output-data/spark</arg>
</spark> <ok to="end" /> <error to="fail" /> </action> <kill name="fail"> <message>Workflow failed, error message[${wf:errorMessage(wf:lastErrorNode())}]
</message> </kill> <end name='end' /> </workflow-app> |
- 执行oozie cli命令
- Oozie 定时任务
- 定义job.properties
nameNode=hdfs://localhost:8020 jobTracker=localhost:8021 queueName=default examplesRoot=examples oozie.coord.application.path=${nameNode}/user/${user.name}/${examplesRoot}/apps/aggregator/coordinator.xml
start=2010-01-01T01:00Z end=2010-01-01T03:00Z |
- 定义coordinator.xml
<coordinator-app name="aggregator-coord" frequency="${coord:hours(1)}" start="${start}" end="${end}" timezone="UTC"
xmlns="uri:oozie:coordinator:0.2"> <controls> <concurrency>1</concurrency> </controls> <datasets> <dataset name="raw-logs" frequency="${coord:minutes(20)}" initial-instance="2010-01-01T00:00Z" timezone="UTC">
<uri-template>${nameNode}/user/${coord:user()}/${examplesRoot}/input-data/rawLogs/${YEAR}/${MONTH}/${DAY}/${HOUR}/${MINUTE}</uri-template>
</dataset> <dataset name="aggregated-logs" frequency="${coord:hours(1)}" initial-instance="2010-01-01T01:00Z" timezone="UTC">
<uri-template>${nameNode}/user/${coord:user()}/${examplesRoot}/output-data/aggregator/aggregatedLogs/${YEAR}/${MONTH}/${DAY}/${HOUR}</uri-template>
</dataset> </datasets> <input-events> <data-in name="input" dataset="raw-logs"> <start-instance>${coord:current(-2)}</start-instance>
<end-instance>${coord:current(0)}</end-instance>
</data-in> </input-events> <output-events> <data-out name="output" dataset="aggregated-logs"> <instance>${coord:current(0)}</instance>
</data-out> </output-events> <action> <workflow> <app-path>${nameNode}/user/${coord:user()}/${examplesRoot}/apps/aggregator</app-path>
<configuration> <property> <name>jobTracker</name> <value>${jobTracker}</value>
</property> <property> <name>nameNode</name> <value>${nameNode}</value>
</property> <property> <name>queueName</name> <value>${queueName}</value>
</property> <property> <name>inputData</name> <value>${coord:dataIn('input')}</value>
</property> <property> <name>outputData</name> <value>${coord:dataOut('output')}</value>
</property> </configuration> </workflow> </action> </coordinator-app> |
三. Oozie实例
- 设计工作流

- 编写job.properties文件
nameNode=hdfs://localhost:8020 jobTracker=localhost:8021 queueName=default examplesRoot=examples streamingMapper=/bin/cat streamingReducer=/usr/bin/wc oozie.use.system.libpath=true oozie.wf.application.path=${nameNode}/user/${user.name}/${examplesRoot}/apps/demo
|
- 在workflow.xml文件定义节点
<workflow-app xmlns="uri:oozie:workflow:0.2" name="demo-wf"> <start to="cleanup-node"/> <action name="cleanup-node"> <fs> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/demo"/>
</fs> <ok to="fork-node"/> <error to="fail"/> </action> <fork name="fork-node"> <path start="pig-node"/> <path start="streaming-node"/> </fork> <action name="pig-node"> <pig> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/demo/pig-node"/>
</prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> <property> <name>mapred.map.output.compress</name> <value>false</value> </property> </configuration> <script>id.pig</script> <param>INPUT=/user/oozie/${examplesRoot}/input-data/text</param>
<param>OUTPUT=/user/oozie/${examplesRoot}/output-data/demo/pig-node</param>
</pig> <ok to="join-node"/> <error to="fail"/> </action> <action name="streaming-node"> <map-reduce> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/demo/streaming-node"/>
</prepare> <streaming> <mapper>${streamingMapper}</mapper>
<reducer>${streamingReducer}</reducer>
</streaming> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> <property> <name>mapred.input.dir</name> <value>/user/oozie/${examplesRoot}/input-data/text</value>
</property> <property> <name>mapred.output.dir</name> <value>/user/oozie/${examplesRoot}/output-data/demo/streaming-node</value>
</property> </configuration> </map-reduce> <ok to="join-node"/> <error to="fail"/> </action> <join name="join-node" to="mr-node"/> <action name="mr-node"> <map-reduce> <job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare> <delete path="${nameNode}/user/oozie/${examplesRoot}/output-data/demo/mr-node"/>
</prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value>
</property> <property> <name>mapred.mapper.class</name> <value>org.apache.oozie.example.DemoMapper</value> </property> <property> <name>mapred.mapoutput .key.class</name> <value>org.apache.hadoop.io.Text</value> </property> <property> <name>mapred.mapoutput.value.class</name> <value>org.apache.hadoop.io.IntWritable</value> </property> <property> <name>mapred.reducer.class</name> <value>org.apache.oozie.example.DemoReducer</value> </property> <property> <name>mapred.map.tasks</name> <value>1</value> </property> <property> <name>mapred.input.dir</name> <value>/user/oozie/${examplesRoot}/output-data/demo/pig-node,/user/oozie/${examplesRoot}/output-data/demo/streaming-node</value>
</property> <property> <name>mapred.output.dir</name> <value>/user/oozie/${examplesRoot}/output-data/demo/mr-node</value>
</property> </configuration> </map-reduce> <ok to="decision-node"/> <error to="fail"/> </action> <decision name="decision-node"> <switch> <case to="hdfs-node">${fs:exists(concat(nameNode, '/user/oozie/examples/output-data/demo/mr-node')) == "true"}</case>
<default to="end"/> </switch> </decision> <action name="hdfs-node"> <fs> <move source="${nameNode}/user/oozie/${examplesRoot}/output-data/demo/mr-node"
target="/user/oozie/${examplesRoot}/output-data/demo/final-data"/>
</fs> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Demo workflow failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill> <end name="end"/> </workflow-app> |
- 提交命令
Hue页面提交作业

- 查看执行状态

四. 总结
- EL函数
- 基本的EL函数
String firstNotNull(String value1, String value2)
String concat(String s1, String s2)
String replaceAll(String src, String regex, String replacement)
String appendAll(String src, String append, String delimeter)
String trim(String s)
String urlEncode(String s)
String timestamp()
String toJsonStr(Map) (since Oozie 3.3)
String toPropertiesStr(Map) (since Oozie 3.3)
String toConfigurationStr(Map) (since Oozie 3.3)
- WorkFlow EL
String wf:id() – 返回当前workflow作业ID
String wf:name() – 返回当前workflow作业NAME
String wf:appPath() – 返回当前workflow的路径
String wf:conf(String name) – 获取当前workflow的完整配置信息
String wf:user() – 返回启动当前job的用户
String wf:callback(String stateVar) – 返回结点的回调URL,其中参数为动作指定的退出状态
int wf:run() – 返回workflow的运行编号,正常状态为0
Map wf:actionData(String node) – 返回当前节点完成时输出的信息
int wf:actionExternalStatus(String node) – 返回当前节点的状态
String wf:lastErrorNode() – 返回最后一个ERROR状态推出的节点名称
String wf:errorCode(String node) – 返回指定节点执行job的错误码,没有则返回空
String wf:errorMessage(String message) – 返回执行节点执行job的错误信息,没有则返回空
- HDFS EL
boolean fs:exists(String path)
boolean fs:isDir(String path)
long fs:dirSize(String path) – 目录则返回目录下所有文件字节数;否则返回-1
long fs:fileSize(String path) – 文件则返回文件字节数;否则返回-1
long fs:blockSize(String path) – 文件则返回文件块的字节数;否则返回
- 注意事项
- job.properties文件可以不上传到hdfs中,是在执行oozie job ...... -config时,批定的linux本地路径
- workflow.xml文件,一定要上传到job.properties的oozie.wf.application.path对应的hdfs目录下。
- job.properties中的oozie.use.system.libpath=true指定oozie使用系统的共享目录。
- job.properties中的oozie.libpath=${nameNode}/user/${user.name}/apps/mymr,可以用来执行mr时,作业导出的jar包存放位置,否则可能报找不到类的错误。
- oozie调度作业时,本质也是启动一个mapreduce作业来调度,workflow.xml中设置的队列名称为调度作业mr的队列名称。所以如果想让作业运行在指定的队列时,需要在mr或hive中指定好。
工作流调度引擎---Oozie的更多相关文章
- Azkaban工作流调度器
Azkaban工作流调度器 在Hadoop领域常用的工作流调度系统 Oozie,Azkaban,Cascading,Hamake等等. 性能对比: 安装: 创建ssl配置 keytool -keyst ...
- hadoop工作流调度系统
常见工作流调度系统 Oozie, Azkaban, Cascading, Hamake 各种调度工具特性对比 特性 Hamake Oozie Azkaban Cascading 工作流描述语言 XML ...
- 工作流引擎Oozie(一):workflow
1. Oozie简介 Yahoo开发工作流引擎Oozie(驭象者),用于管理Hadoop任务(支持MapReduce.Spark.Pig.Hive),把这些任务以DAG(有向无环图)方式串接起来.Oo ...
- Azkaban 工作流调度器
Azkaban 工作流调度器 1 概述 1.1 为什么需要工作流调度系统 a)一个完整的数据分析系统通常都是由大量任务单元组成,shell脚本程序,java程序,mapreduce程序.hive脚本等 ...
- 工作流调度器azkaban(以及各种工作流调度器比对)
1:工作流调度系统的作用: (1):一个完整的数据分析系统通常都是由大量任务单元组成:比如,shell脚本程序,java程序,mapreduce程序.hive脚本等:(2):各任务单元之间存在时间先后 ...
- azkaban工作流调度器及相关工具对比
本文转载自:工作流调度器azkaban,主要用于架构选型,安装请参考:Azkaban安装与简介,azkaban的简单使用 为什么需要工作流调度系统 一个完整的数据分析系统通常都是由大量任务单元组成: ...
- 工作流调度器azkaban
为什么需要工作流调度系统 一个完整的数据分析系统通常都是由大量任务单元组成: shell脚本程序,java程序,mapreduce程序.hive脚本等 各任务单元之间存在时间先后及前后依赖关系 为了很 ...
- 工作流调度器azkaban2.5.0的安装和使用
为什么需要工作流调度系统 一个完整的数据分析系统通常都是由大量任务单元组成: shell脚本程序,java程序,mapreduce程序.hive脚本等 各任务单元之间存在时间先后及前后依赖关系 为了很 ...
- 大数据调度工具oozie详细介绍
背景 之前项目中的sqoop等离线数据迁移job都是利用shell脚本通过crontab进行定时执行,这样实现的话比较简单,但是随着多个job复杂度的提升,无论是协调工作还是任务监控都变得麻烦,我们选 ...
随机推荐
- jquery easyui的datagrid在初始化的时候会请求两次URL?
我们项目前端用的是jquery easyui,刚开始使用datagrid加载列表初始化时总是请求两次URL,这让人非常不解,怎么总是请求两次呢?数据一多,加载速度明显变慢,通过查资料才知道原来是重复声 ...
- [ext4]06 磁盘布局 - 特殊inode
Ext4预留了一些inode做特殊特性使用,见下表: inode Purpose 0 不存在,Ext4中不存在inode 0. 1 存放损坏的数据块链表 2 根目录 3 User quota. 用户q ...
- How to image a CD/DVD ROM and generate hash value
Someone ask me how to image a CD/DVD ROM and generate hash value in the same time. A small tool call ...
- mysql sql语句
1.数据库和表的操作 创建 create修改 alter删除 drop查看 show 1.1创建数据库 CREATE DATABASE [IF NOT EXISTS] db_name [crea ...
- 利用Sinopia搭建私有npm包
1.安装sinopia包 npm install -g sinopia 如果是Windows系统用上面的方式安装sinopia很有可能报错,推荐使用下面方式安装: npm install sinopi ...
- jQuery选择器---基本选择器总结
今天要跟大家分享一下jQuery选择器的使用方法,它的选择器分为四大类 如图: 基本选择器的使用: 1.id选择器 案例: <div id="notMe"><p& ...
- 从JVM角度看Java多态
首先,明确一下,Java多态的三个必要条件: 1. 继承 2. 子类重写父类方法 3. 父类引用指向子类对象 然后看一个例子 package test.xing; class Father{ prot ...
- 019 关联映射文件中集合标签中的lazy(懒加载)属性
<set>.<list>集合上,可以取值:true/false/extra,(默认值为:true) 实例一:(集合上的lazy=true(默认))class默认lazy=tru ...
- java虚拟机学习-JVM调优总结-典型配置举例(10)
以下配置主要针对分代垃圾回收算法而言. 堆大小设置 年轻代的设置很关键 JVM中最大堆大小有三方面限制:相关操作系统的数据模型(32-bt还是64-bit)限制:系统的可用虚拟内存限制:系统的可用物理 ...
- vue-动手做个选择城市
查看完整的代码请到 我的github地址 https://github.com/qianyinghuanmie/vue2.0-demos 一.结果展示 二.前期准备: 1.引入汉字转拼音的插件, ...