Hadoop Oozie 学习笔记

Oozie是一个工作流引擎服务器,用于运行Hadoop Map/Reduce和Pig 任务工作流.同时Oozie还是一个Java Web程序,运行在Java Servlet容器中,如Tomcat.

Oozie工作流中拥有多个Action,如Hadoop Map/Reuce job,Hadoop Pig job等,所有的Action以有向无环图(DAG Direct Acyclic Graph)的模式部署运行.所以在Action的运行步骤上是有方向的,只能上一个Action运行完成后才能运行下一个Action.

Oozie工作流通过HPDL(一种通过XML自定义处理的语言,类似JBOSS JBPM的JPDL)来构造.

Oozie工作流中的Action在运程系统运行如(Hadoop,Pig服务器上).一旦Action完成,远程服务器将回调Oozie的接口并通知Action已经完成,这时Oozie又会以同样的方式执行工作流中的下一个Action,直到工作流中所有Action都完成(完成包括失败)

Oozie工作流中包含可控制的工作流节点(control flow node)和Action节点(action node).

Control flow node其实可以理解为Oozie的语法,比如可以定义开始(start),结束(end),失败(fail)节点.开始节点就表示从该节点开始运行.同时也提供一种机制去控制工作流的执行过程,如选择(decision),并行(fork),join节点.

Oozie工作流提供各种类型的Action用于支持不同的需要,如Hadoop Map/Reduce,Hadoop File System,Pig,SSH,HTTP,Email,Java,以及Oozie子流程.Oozie也支持自定义扩展以上各种类型的Action .

Oozie工作流允许自定义参数,如${inputDir}.

WordCount Workflow Example:

工作流图:

workflow.xml

1. <workflow-app name='wordcount-wf' xmlns="uri:oozie:workflow:0.1">
2. <start to='wordcount'/>
3. <action name='wordcount'>
4. <map-reduce>
5. <job-tracker>${jobTracker}</job-tracker>
6. <name-node>${nameNode}</name-node>
7. <configuration>
8. <property>
9. <name>mapred.mapper.class</name>
10. <value>org.myorg.WordCount.Map</value>
11. </property>
12. <property>
13. <name>mapred.reducer.class</name>
14. <value>org.myorg.WordCount.Reduce</value>
15. </property>
16. <property>
17. <name>mapred.input.dir</name>
18. <value>${inputDir}</value>
19. </property>
20. <property>
21. <name>mapred.output.dir</name>
22. <value>${outputDir}</value>
23. </property>
24. </configuration>
25. </map-reduce>
26. <ok to='end'/>
27. <error to='end'/>
28. </action>
29. <kill name='kill'>
30. <message>Something went wrong: ${wf:errorCode('wordcount')}</message>
31. </kill/>
32. <end name='end'/>
33. </workflow-app>

同时自己成org.myorg.WordCount这个Hadoop Map/Reduce Job,网上搜索一大把.

配置打包后通过OozieClient提交给Hadoop就直接可以运行了.