大数据(十二) - Oozie

基本概念

    目前计算框架和作业类型繁多：

        MapReduce Java、Streaming、HQL、Pig等

    如何对这些框架和作业进行统一管理和调度：

        不同作业之间存在依赖关系（DAG）；

        周期性作业

        定时执行的作业

        作业执行状态监控与报警

    多种解决方案：

        Crontab

        自己设计调度系统

        直接使用开源系统

Hadoop作业流调度系统基本功能

    对常见作业类型进行调度

        MapReduce（ Java、Streaming等）作业

        Hive作业

        Pig作业

        Shell ….

     根据需要对作业进行调度

        按周期调度

        定时调度……

     支持容错与报警

     可视化作业流运行过程

常见的开源作业流调度系统

     Oozie （已经成为hadoop标配）

        Yahoo！开源，基于xml表达作业依赖关系；

    Azkaban

        Linkedin开源，通过Java property配置作业依赖关系

    Zeus（宙斯） （据说不再更新）

        阿里开源，通过界面配置作业依赖关系

    其他开源系统

        Cascading（通过Java API编程实现作业依赖关系）

Oozie运行流程

Oozie基本架构

Oozie 使用方式

        Oozie CLI

        JAVA API

        REST API

        WEB UI（只读）

Oozie基本概念

         作业流由一组行为节点（Hadoop MR作业、Hive作业等）构成，且这些节点通过控制流节点相连；

                控制流节点定义了工作流的起始与结束，并控制着工作流的执行路径；

                行为节点包含一个计算/处理任务，包括：Hadoop map-reduce, HDFS, Pig, SSH, HTTP, eMail等

        Oozie工作流是通过hPDL语言（一种XML过程定义语言）编写的。

Oozie 层次结构

Oozie Action

        支持Hadoop map-reduce, HDFS, Pig, SSH, HTTP, eMail等；

        可设置重试次数。

Oozie 控制流

Coordinator

        定期执行一个工作流；

        数据准备完毕后执行一个工作流。

Oozie官网

    http://oozie.apache.org/