Oozie任务调度框架详解及使用简介(一)

摘要:个人最近一段时间一直在使用oozie,从刚开始的各种别扭到现在越来越觉得有意思的情况下,想整理一下关于oozie的认知,整理出来一个oozie系列,本来市面上关于oozie的资料就比较少,希望写完后能形成自己对oozie的独特理解和加强整体性的把握.

一.常见的调度框架

1.1.crontab定时器

linux自带定时器，没有web界面 ，不利于监控任务和调度任务,在工作量比较小的情况下,建议使用linux的crontab定时命令

##crongtab 命令
* * * * * 后面接调度 job 的命令
分 时 日 月 周
##简单实例(每天0点11分执行)
11 0 * * * /home/hduser/lubians/intelligentDevice/intelligentDevice.sh


1.2.Azkaban调度

开源项目，key/value配置对，操作简单，带web界面

Azkaban开源网站

1.3.Oozie调度

apache项目，xml配置文件，操作稍微有难度，带web查看界面，常用于hadoop相关任务的调度

Oozie官网

二.使用背景

公司下半年技术架构升级,将整个大数据集群管理流程化,规模化,引入了更多的技术组件,这其中就有Oozie.

2.1. 之前使用的调度技术

在这之前公司使用的调度工具主要是TaskCtl和Kettle,TaskCtl分为三层,Manage,Server和Agent.

可以理解为将调度分层了.

TASKCTL主要可以完成串行、并行、依赖、互斥、执行计划、定时、容错、循环、条件分支、远程、负载均衡、自定义条件等各种不同的核心调度功能。

根据不同的功能分类，TASKCTL将客户端分为Admin(平台管理)、Designer(流程集成开发环境)、Monitor(流程监控管理)三套不同的软件。

Admi：平台节点管理、任务类型管理、工程管理、应用设置、全局变量管理以及流程导入导出等功能。

Designer：平台流程代码信息管理、代码设计编辑、流程图形编辑、规则语法适时检测功能以及编译发布等功能。

Monitor：图形方式监控、多角度统计监控、流程起停重置、任务锁定、任务重做、信息对象查询等。

2.2. 为什么使用Oozie

TaskCtl最大的问题是作为调度系统需要一台单独的调度服务器,并且和Hadoop生态圈的产品搭配不是很好,所以考虑另行办法在Hadoop集群上使用调度工具.

使用Oozie的原因是因为公司使用的是Ambari集群管理工具,自带Oozie插件安装,同时Oozie支持Java API调度,会在工作中用到Java语言的缘故,选择了Oozie.

三.Oozie介绍

3.1. Oozie是什么

oozie是一个workflow(工作流)协调系统,是由Cloudera公司贡献给Apache的,主要用来管理Hadoop作业(job).属于web应用程序,由oozie client和oozie server两个组件构成.

oozie server运行于java servlet容器（tomcat）中的web程序.

3.2. 为什么需要Oozie

①对于较为复杂的Hadoop作业系统来说,单纯的依靠shell脚本方式,手工方式调度是的流程更加难以控制.

②复杂系统的算法需要很多不同的作业(如mr,Java程序,shell脚本,hivesql,sqoop,spark等)按照特定的顺序,串行并行,不同时间,不同条件进行执行,就需要oozie这样的调度系统做支撑,将复杂问题简单化.

3.3. oozie能带来什么

①将hadoop生态系统中常见的mr任务启动,hdfs操作,shell调度,hive操作等通过统一的方式进行连贯调度.

②将复杂的依赖关系,时间触发,事件触发使用xml语言进行表达,提高开发效率.

③一组任务使用一个DAG(有向无环图)来表示,图形化的表达,流程逻辑更加清晰.

④支持很多种任务调度,能完成大部分的hadoop任务处理.

⑤程序定义支持EL常量和函数,写过shell脚本的小伙伴使用根本没难度.

四.Oozie架构图

在网上找了一个oozie架构图,如下:

oozie包含四大服务组件:

workflow: 用于支持动作有向无环图(DAG)的设计和执行,可以按照特定的顺序执行mr,hive和shell等节点.

coordinator: 用于定时调度特定的 workflow 进行执行,可以基于事件,资源存在,传递参数等自动执行.

bundle: 批量设定一组coordinator执行.

SLA(Service Level Agreement, oozie服务器等级协定): 用于程序执行过程的日志跟踪.

4.1.Oozie简易架构

如上图,oozie调度本身就是一个mr程序,开始,执行,结束或者失败,简单易懂.

所以我们可以思考一下,在oozie调度mr程序时,其实同一时间是运行了两个mr的,一个是调度本身,一个是任务.

4.2.一个有向无环图

任务本身是一个有向无环图(DAG)

图中fork标签后面的 MR job 和 Hive job 是并行执行的,都成功后通过 join 节点合并.

4.3.coordinator生命周期

coordinator是一个定时服务,通过定时来固定频率的执行任务,这里的功能类似crontab.

4.4.bundle Job

bundle的作用就是设定多个coordinator定时服务按批次执行,这样使得多个任务也形成一个DAG.

五.Oozie的安装与配置

5.1.Oozie的安装方式

单独安装: 需要安装server端和client端

组件安装: 使用Ambari进行oozie组件添加（可以使用HA）

注意:如果使用CDH集群管理工具,也是一键配置,因为我是直接组件式安装,这里就不细讲了,有需要的小伙伴可以联系我,看情况写一下ambari配置oozie.

5.2.Oozie配置

节点内存配置：

这里的节点内存配置可能会涉及到oozie调度阻塞的问题,这个在之后有时间整理一下整个问题现象以及解决办法,这里就看一下

#（节点并发）,决定了你可以同时执行几个action
oozie.service.callablequeueservice.callable.concurrency
#（队列大小）
oozie.service.callablequeueservice.queue.size
#（扩展）一些扩展相关
oozie.service.ActionService.executor.ext.classes


5.3.oozie元数据更改

ambari配置oozie元数据

Ambari默认数据库为Derby.

我们配置时,无特殊需求情况下,一般默认选择mysql

选择数据库类型,库名,用户名,url连接串,驱动,密码

测试连接成功即可.

5.4.ext2.2添加

进入oozie文件夹

将ext-2.2.tar.gz解压放到./libext/ext-2.2目录下

5.5.第三方jar包添加

• 运行时的共享目录(在HDFS下)


• libserver目录


• libtools目录

六.Oozie管理

6.1.Oozie管理Web界面

http://ip:11000/oozie/

这里有时候会出现oozieUI界面无法访问问题,之后更新一篇文章,简单说明一下.

6.2.oozie使用

• 任务列表查看


• 任务状态查看


• 流程返回信息


• 节点信息查看


• 流程图信息


• 日志查看


• 系统信息查看和配置

6.3.状态识别

我是鲁边, 2020 peace and love

别惊讶,今年的主题就是爱与和平,但愿我能一直用下去...

按例按例，我的个人公众号：鲁边社，欢迎关注