6.7 Mapreduce作业流JobControl和Oozie

1.1 Mapreduce作业流JobControl和Oozie

更复杂的任务，需要多个mapreduce作业，形成作业流，而不是增加map和reduce的复杂度。复杂问题，可以用高级语言pig、hive、cascading、crunch、spark。

1.1.1 问题分解成mapreduce作业流

按天统计每天的最高气温，求出每月的最高气温平均值；再找出每年中平均气温最高的月，找出1901-2000年哪一年的哪一个月的平均气温最高。分解为mapreduce作业流。

Mapreduce作业1

（1） map计算出每天的最高气温；（日期，最高气温）

（2） reduce计算所有每月最高气温的平均值。

MapReduce作业2

（1）找出每年平均气温最高的月。（年份月份，最高平均气温）

（2）找出1901-2000年之间气温最高的年月。

1.1.2 JobControl控制作业流顺序

可以使用jobClient线性执行两个作业，并通过waitForcompletion()返回值判断执行是否成功。

JobClient.runJob(conf1);

JobClient.runJob(conf2);

还可以用org.apache.hadoop.mapreduce.jobcontrol包或者org.apache.hadoop.mapred.jobcontrol中的JobControl实例来控制执行顺序。可以查看进程和作业状态，错误信息。使用步骤

（1）作业1加入控制器

ControlledJob ctrljob1 = new ControlledJob(conf);

ctrljob1.setJob(job1);

（2）作业2加入控制器，并依赖于作业1

ControlledJob ctrljob2 = new ControlledJob(conf);

ctrljob2.setJob(job2);

// 设置多个作业直接的依赖关系，意思为job2的启动，依赖于job1作业的完成

ctrljob2.addDependingJob(ctrljob1);

（3） 作业3加入控制容器，并能个依赖于作业2

ControlledJob ctrljob3 = new ControlledJob(conf);

ctrljob3.setJob(job3);

ctrljob3.addDependingJob(ctrljob2);

（4）JobControl控制作业流

// 主的控制容器，控制上面的总的3个子作业

JobControl jobCtrl = new JobControl("myctrl");

// 添加到总的JobControl里，进行控制

jobCtrl.addJob(ctrljob1);

jobCtrl.addJob(ctrljob2);

jobCtrl.addJob(ctrljob3);

// 在线程启动，记住一定要有这个

Thread t = new Thread(jobCtrl);

t.start();

while (true)

{

if (jobCtrl.allFinished())

{// 如果作业成功完成，就打印成功作业的信息

System.out.println(jobCtrl.getSuccessfulJobList());

System.out.println("所有job执行完毕");

jobCtrl.stop();

break;

}

1.1.3 Apache Oozie工作流调度系统

http://oozie.apache.org/docs/5.0.0/index.html

Oozie是工作流调度系统，用于调度作业流按照复杂的顺序逻辑执行。先将作业组成工作流workflow，然后coordinate引擎用于协调多个工作流workflow执行。Bundle将多个coordinate进行汇总处理。Workflow->Coordinate->Bundle.

Oozie与支持多种类型的Hadoop作业（如Java map-reduce、流式map-reduce、Pig、Hive、Sqoop和Distcp）以及特定于系统的工作（如Java程序和shell脚本）。

作业流由actions 集合（例如Hadoop map/reduce作业，pig作业），actions被安排在一个控制依赖项DAG（Direct Acyclic Graph）中，按顺序执行。

workflow工作流	流式作业，将任务分解为hadoop作业（MapReduce，pig，Hive）。通过workflow.xml配置执行工作流。
coordinator引擎	周期性执行工作流或者控制相互依赖的workflow 作业流。
Bundle	将多个coordinate进行汇总处理。

Oozie架构图

Workflow流程图

Coordinate流程图

Bundle流程图

1.1.4 oozie工作流job组成

一个oozie 的 job 一般由以下文件组成：

job.properties ：记录了job的属性，nameNode，jobTracker和 workflow.xml在hdfs中的位置必须设置。

workflow.xml ：使用xml配置文件定义任务的流程和分支

lib目录：用来执行具体的任务。

（1）job.properties属性

KEY	含义
nameNode	HDFS地址
jobTracker	jobTracker（ResourceManager）地址
queueName	Oozie队列（默认填写default）
examplesRoot	全局目录（默认填写examples）
oozie.usr.system.libpath	是否加载用户lib目录（true/false）
oozie.libpath	用户lib库所在的位置
oozie.wf.application.path	Oozie流程所在hdfs地址（workflow.xml所在的地址）
user.name	当前用户
oozie.coord.application.path	Coordinator.xml地址（没有可以不写）
oozie.bundle.application.path	Bundle.xml地址（没有可以不写）

实例如下

nameNode=hdfs://cm1:8020

jobTracker=cm1:8032

queueName=default

examplesRoot=examples

oozie.wf.application.path=${nameNode}/user/workflow/oozie/shell

（2）workflow.xml

Workflow.xml定义了控制节点（start，kill，end）和动作节点action，控制节点控制流程的运行，动作节点定义了作业的任务。

Wordcount的workflow.xml实例

<workflow-app name='wordcount-wf' xmlns="uri:oozie:workflow:0.1">

<start to='wordcount'/>

<action name='wordcount'>

<map-reduce>

<job-tracker>${jobTracker}</job-tracker>

<name-node>${nameNode}</name-node>

<name>mapred.mapper.class</name>

<value>org.myorg.WordCount.Map</value>

</property>

<name>mapred.reducer.class</name>

<value>org.myorg.WordCount.Reduce</value>

</property>

<name>mapred.input.dir</name>

<value>${inputDir}</value>

</property>

<name>mapred.output.dir</name>

<value>${outputDir}</value>

</property>

</configuration>

</map-reduce>

</action>

<kill name='kill'>

<message>Something went wrong: ${wf:errorCode('wordcount')}</message>

</kill/>

<end name='end'/>

</workflow-app>

（3）Lib目录：

在workflow工作流定义的同级目录下，需要有一个lib目录，在lib目录中存在java节点MapReduce使用的jar包。

需要注意的是，oozie并不是使用指定jar包的名称来启动任务的，而是通过指定主类来启动任务的。在lib包中绝对不能存在某个jar包的不同版本，不能够出现多个相同主类。

（4）执行作业流

将job.properties、workflow.xml和lib文件夹放在用户名的目录（${namenode}/user/${user.name}）下的max-temp-workflow，复制到HDFS.

%hadoop fs –put Hadoop-examples/target/max-temp-workflow max-temp-workflow.

使用oozie命令行工具设置环境变量OOZIE_URL指定Oozie服务器

%export OOZIE_URL=”http://localhsot:11000/oozie”

运行工作流

% oozie job –config ch06-mr-dev/max-temp-workflow.preoperties –run job:0001-121

–config设置工作流属性文件，内含namenode、资源管理器地址、作业路径（oozie.wf.application.path=${namenode}/user/${user.name}/max-temp-workflow）

-run 参数用于运行指定的作业。

通过-info查看作业状态

%oozie job –info 0001-121