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
- apache配置多个虚拟目录站点
错误的做法 网上查了几个资料,做法如下:比如想配置两个www.web1.com www.web2.com站点 打开httpd.conf ,然后添加: <VirtualHost *:80> ...
- 【翻译】FreeMarker——入门
原文传送门 1. Template + data-model = output data-model是一个树状模型,通常是一个java对象. 2.data-model 入门 hashes(散列):目录 ...
- 纯css实现翻牌特效
大家有没有看到过网上很炫的翻牌效果,牌正面对着我们,然后点击一下,牌就被翻过来了,效果很酷炫,是不是很想知道是怎么实现的么,代码很简单,跟着小编往下走. 先给大家介绍一下翻牌的原理: 1.父容器设置设 ...
- .net 程序集
前言:用了几天的时间把高级编程里面程序集一章看完了,原来自己只知道写代码,右键添加引用,从来也不知道操作的实质是什么,微软总是这个套路,鼠标点点就能把任务完成,这对新手友好但是对要通透了解程序执行和内 ...
- 基于ZKWeb + Angular 4.0的开源管理后台Demo
这是一套基于ZKWeb网页框架和Angular 4.0编写的开源管理后台Demo,实现了前后端分离和模块化开发, 地址是: https://github.com/zkweb-framework/ZKW ...
- iOS开发,UITableView相关问题
第一条:UITableViewCell 内容的设置 //文本放到最后 NSIndexPath *indexPath = [NSIndexPath indexPathForRow:_dataArr.co ...
- jQuery之筛选操作
jQuery之筛选操作 筛选操作分三大类:过滤,查找,串联 eq(),first(),last(),hasClass(),filter(),is() html代码 jQuery代码 效果如下: map ...
- cookie值的设置,获取及删除
<script> function setCookie( key, val, expire){ var dateTime = new Date(); dateTime.setTime( d ...
- yaf学习之——yaf安装
yaf的github源码地址 https://github.com/laruence/yaf 第一步: 下载dll扩展: http://pecl.php.net/package/yaf/2.3.5/w ...
- 18、面向对象基本原则及UML类图简介
18.1.面向对象基本原则 18.1.1.面向抽象原则 抽象类特点: a.抽象类中可以有abstract方法,也可以有非abstract方法. b.抽象类不能用new运算符创建对象. c.如果一个非抽 ...