工作流引擎Oozie（二）：coordinator

1. 简介

coordinator是workflow的定时提交器，基于时间条件与数据生成触发（based on time and data triggers）。简单点说，coordinator按所定义的时间周期进行轮询，若数据生成条件满足，则触发workflow任务；否则，则等待数据生成或跳过（调度策略由设置的超时时间决定）。

2. 详解

coordinator-app

<coordinator-app name="coord-demo" frequency="${coord:days(1)}" start="${start_time}" end="${end_time}"
                 timezone="Asia/Shanghai" xmlns="uri:oozie:coordinator:0.1">

文件头定义了coordinator任务的名称，执行频率（frequency），开始与起止时间（start、end）。${coord:days(1)}为coordinator内置的EL function (Expression Language)，表示为执行周期为一天。frequency的时间单位为分钟，则${coord:days(1)}=1440，${coord:hours(3)}=180. 一般地，在job.properties定义如：start_time=2016-06-07T00:00Z，应以UTC时区为准。

Control information

<controls>
	<!--超时时间，若为0，一旦数据生成超时则coordinator action被丢弃；
	若为-1，则一直等待数据生成；
	若 > 0，即为超时时间（单位：分钟）-->
	<timeout>-1</timeout>
	<!--并发action数-->
	<concurrency>1</concurrency>
	<!--同时被触发的多个coordinator job的执行次序-->
	<execution>${execution_order}</execution>
</controls>

datasets

<datasets>
    <!--数据生成目录-->
    <dataset name="data" frequency="${coord:hours(1)}" initial-instance="${start_time}" timezone="${timezone}">
      <uri-template>${nameNode}/path/to/${YEAR}-${MONTH}-${DAY}/${HOUR}/</uri-template>
      <done-flag></done-flag>
    </dataset>
</datasets>

相关参数：

• initial-instance，对应初始时间的数据目录，作为时间周期偏移的基准目录
• uri-template，文件目录HDFS目录，${YEAR}、${MONTH}等为EL Time Constants，具体数值由<input-events> <data-in ..>传入，也可通过job.properties传入自定义的参数。
• done-flag，数据目录生成的文件标识，若未指定，则默认为 _SUCCESS 文件；若指定为空，则表示文件夹本身。

input-events

<input-events>
	<data-in name="dataReady" dataset="data">
	  <instance>${coord:current(-1)}</instance>
	</data-in>
</input-events>

定义了数据触发条件，${coord:current(-1)}表示对于当前时间的偏移，其中偏移量=数值* dataset frequency。有些时候，我们要判断多个目录是否生成，比如，判断一天的24个小时目录，这时应这样写：

<data-in name="dataReady2" dataset="data">
  <start-instance>${coord:current(-24)}</start-instance>
  <end-instance>${coord:current(-1)}</end-instance>
</data-in>

action

<action>
	<workflow>
	  <app-path>${wf_app_path}</app-path>
	  <configuration>
	    <property>
	      <name>dayTime</name>
	      <value>${coord:formatTime(coord:dateOffset(coord:nominalTime(), -1, 'DAY'), 'yyyy-MM-dd')}</value>
	    </property>
	  </configuration>
	</workflow>
</action>

定义coordinator要触发的workflow，

• app-path，workflow所在的HDFS目录；
• property，定义传给workflow的参数

coordinator提供了一些用于时间计算的函数，比如：

• coord:nominalTime()，返回coordinator的每一执行周期的当前时间；
• coord:dateOffset(String baseDate, int instance, String timeUnit)，计算偏移后的时间，newDate = baseDate + instance * timeUnit；
• coord:formatTime(String ts, String format)，定义格式化的时间，其中format应遵循Java's SimpleDateFormat。

返回多个时间：

<value>${coord:formatTime(coord:dateOffset(coord:dateOffset(coord:nominalTime(), -12, 'HOUR'), -6, 'DAY'), 'yyyy-MM-dd')},${coord:formatTime(coord:dateOffset(coord:dateOffset(coord:nominalTime(), -12, 'HOUR'), -5, 'DAY')</value>