大数据组件之oozie

官网首页介绍：http://oozie.apache.org

（1）Oozie是一个管理 Apache Hadoop 作业的工作流调度系统。
（2）Oozie的 workflow jobs 是由 actions 组成的 有向无环图(DAG)。
（3）Oozie的 coordinator jobs 是由时间 (频率)和数据可用性触发的重复的 workflow jobs 。
（4）Oozie与Hadoop生态圈的其他部分集成在一起，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ava程序和shell脚本）。
（5）Oozie是一个可伸缩、可靠和可扩展的系统。

简单项目的话可以用crontab来做控制，但是项目比较复杂的话会发现还是有很多不方便的，比如失败重启和日志查看等问题，所以我们通常在Azkaban和oozie之间做对比，选择适合自己公司或者项目的任务调度工具

• 执行方式：Oozie底层在提交Hadoop Spark作业而Azkaban是直接操作shell语句。
• 工作流定义： Oozie是通过xml定义的而Azkaban为properties来定义。
• 部署过程： Oozie的部署相对困难些，同时它是从Yarn上拉任务日志。
• 任务检测： Azkaban中如果有任务出现失败，只要进程有效执行，那么任务就算执行成功，这是BUG，但是Oozie能有效的检测任务的成功与失败。
• 操作工作流： Azkaban使用Web操作。Oozie支持Web，RestApi，Java API操作。
• 权限控制： Oozie基本无权限控制，Azkaban有较完善的权限控制，供用户对工作流读写执行操作。
• 运行环境： Oozie的action主要运行在hadoop中而Azkaban的actions运行在Azkaban的服务器中。
• 记录workflow的状态： Azkaban将正在执行的workflow状态保存在内存中，Oozie将其保存在Mysql中。
• 出现失败的情况： Azkaban会丢失所有的工作流，但是Oozie可以在继续失败的工作流运行
  两者在功能方面大致相同，在安全性上可能Oozie会比较好，加之我们选择了CDH作为大数据平台，所以就用了其自带的oozie工具，且有相应的可视化操作工具hue配套使用，较为便捷。

Oozie主要有三个层层包裹的主要概念

• Workflow：工作流，由我们需要处理的每个工作组成，进行需求的流式处理，是对要进行的顺序化工作的抽象。
• Coordinator：协调器，可以理解为工作流的协调器，可以将多个工作流协调成一个工作流来进行处理，是对要进行的顺序化的workflow的抽象。
• Bundle：捆，束。将一堆的coordinator进行汇总处理，是对一堆coordiantor的抽象。

关于oozie的作业

Oozie的作业有三部分组成，分别是job.properties，workflow.xml，lib文件夹。下面分别介绍

Job.properties

从名称也能看出来，这个文件是用来配置作业（job）中用到的各种参数的，总结如下

注：
1、这个文件如果是在本地通过命令行进行任务提交的话，这个文件在本地就可以了，当然也可以放在hdfs上，与workflow.xml和lib处于同一层级。
2、nameNode，jobTracker和workflow.xml在hdfs中的位置必须设置。

一个简单的job.properties文件如下：

nameNode=hdfs://cm1:8020 jobTracker=cm1:8032 queueName=default examplesRoot=examples oozie.wf.application.path=${nameNode}/user/workflow/oozie/shell

workflow.xml：

这个文件是定义任务的整体流程的文件，需要注意的有三点：版本信息，EL函数，节点信息。
先上一个例子：

01. 02. 03. 04. 05. 06. ${fs:exists(concat(concat("/xxx/output/xxxList/", 07. task_id),"/_SUCCESS"))} 08. 09. 10. 11. 12. 13. 14. ${fs:exists(concat(concat(“/xxx/output/", task_id),"/_SUCCESS"))} 15. 16. 17. 18. 19. 20. 21. ${jobTracker} 22. ${namenode} 23. 24. 25. mapreduce.job.queuename 26. ${queueName} 27. 28. 29. com.xxx.Main 30. 31. 32. 33. 34. 35. Map/Reduce failed.error message[${wf:errorMessage(wf:lastErrorNode())}] 36. 37. 38.

1. 版本信息：
   这个是写在第一行的，如下：

在xmls属性中定义了workflow的版本为0.4，workflow的版本不能高于oozie兼容的最高版本，可以降低。

2. EL函数
   常用的EL函数有基本的EL函数，workFlow EL函数和HDFSEL函数。分别如下：

3. 节点：
   Oozie的节点分成两种，流程控制节点和动作节点。所谓的节点实际就是一组标签。两种节点分别如下：

A. 流程控制节点

• ——定义workflow的开始
• ——定义workflow的结束
• ——实现switch功能
• 标签连用
• ——调用子workflow
• ——程序出错后跳转到这个节点执行相关操作
• ——并发执行workflow
• ——并发执行结束（与fork一起使用）

案例:

B. 动作节点

• ——表示运行的是shell操作
• ——表示运行的java程序
• ——表示是对hdfs进行操作
• ——表示进行的是MR操作
• ——表示进程的是hive操作
• ——表示进行的是sqoop的相关操作

Workflow.xml综述
文件需要被放在HDFS上才能被oozie调度，如果在启动需要调动MR任务，jar包同样需要在hdfs上。最终的目录结构如下：

/xxx/oozie/workflow.xml /xxx/oozie/lib /xxx/oozie/lib/mr-1.7-SNAPSHOT-**package**.jar /xxx/oozie/lib/xxx.mr-1.7-SNAPSHOT-**package**.jar

Lib文件夹：

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，而是通过制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。

在搭建好CDH后，可以直接通过添加服务的方式实现oozie的安装，比较方便。当然也可以在服务器上搭建独立的oozie服务，具体可参考https://oozie.apache.org/docs/5.0.0/AG_Install.html

搭设后进入oozie web控制台，地址为：OozieserverIp：11000/oozie/ （OozieserverIp为oozie所在的服务器的ip地址），界面如下：

oozie控制台

注：如果界面报错 Oozie web console is disabled，请看https://docs.cloudera.com/documentation/enterprise/5-5-x/topics/admin_oozie_console.html

1.拷贝官方自带实例模板

cp -r examples/apps/shell/ oozie-apps

2.修改job.properties

nameNode=hdfs://hadoop:8020 jobTracker=hadoop:8032 queueName=default examplesRoot=oozie-apps oozie.wf.application.path=${nameNode}/user/hadoop/${examplesRoot}/shell EXEC=mem.sh #放一个脚本文件，脚本文件名称

3.修改workflow.xml

${jobTracker}${nameNode}mapred.job.queue.name${queueName}${EXEC}${nameNode}/user/hadoop/${examplesRoot}/shell/${EXEC}#${EXEC}Shell action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]

4.在shell目录下创建mem.sh

#!/bin/sh /usr/bin/date -R >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log /usr/bin/free -m >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log /usr/bin/df -lh >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log echo ------------------- >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log

注：/usr/bin/date为命令绝对路径，可以通过which date获得

5.上传到hdfs

bin/hdfs dfs -put /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell /user/hadoop/oozie-apps/

6.执行：

bin/oozie job -oozie http://hadoop:11000/oozie -config oozie-apps/shell/job.properties -run

7.检查结果

cat /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log