数仓工具 阿善一般有用 oozie和azkabon对比

数仓工具

1.  学习目标

能够使用Hue操作HDFS

能够使用Hue操作Hive

理解为什么选择Sqoop

理解Sqoop1和Sqoop2的区别

理解Sqoop抽取数据的两种方式

能够使用Sqoop导入完整数据到HDFS

能够使用Sqoop导入完整数据到Hive

能够使用Sqoop导入条件数据到HDFS

能够使用Sqoop导入条件数据到Hive

能够使用Sqoop导出数据到Mysql

理解为什么选择Oozie

能够使用Hue操作Oozie

2.  Hue操作HDFS

2.1  进入HDFS管理界面

 

2.2  HDFS新建文件夹

 

 

2.3  新建文件

2.3.1  进入文件夹

 

2.3.2  新建文件

 

2.3.3  创建成功

 

2.4  上传文件

2.4.1  选择文件

 

 

2.4.2  上传成功

 

2.5  查看HDFS文件内容

 

2.6  编辑HDFS文件

 

2.7  删除文件

 

2.8  更改文件权限

 

3.  Hue操作Hive

3.1  进入Hive面板

 

3.2  测试

3.2.1  创建数据库

CREATE DATABASE IF NOT EXISTS `test`;

 

3.2.2  创建表

create table test.test_table(    id int,    name string comment '姓名')comment '测试表'row format delimited fields terminated by '\t';

 

3.2.3  插入数据

insert into test.test_table values (1, '张三');

 

3.2.4  查询数据

select * from test.test_table;

 

3.2.5  调整区域大小

 

4.  Sqoop

4.1  Sqoop介绍

Sqoop是Apache下的顶级项目，用来将Hadoop和关系型数据库中的数据相互转移，可以将一个关系型数据库(例如：MySQL，Oracle，PostgreSQL等)中的数据导入到Hadoop的HDFS中，也可以将HDFS的数据导入到关系型数据库中。目前在各个公司应用广泛，且发展前景比较乐观。其特点在于：

1) 专门为Hadoop而生，随Hadoop版本更新支持程度好，且原本即是从CDH版本孵化出来的开源项目，支持CDH的各个版本号。

2) 它支持多种关系型数据库，比如mysql、oracle、postgresql等。

3) 可以高效、可控的利用资源。

4) 可以自动的完成数据映射和转换。

5) 大部分企业还在使用sqoop1版本，sqoop1能满足公司的基本需求。

6) 自带的辅助工具比较丰富，如sqoop-import、sqoop-list-databases、sqoop-list-tables等。

4.2  为什么选择Sqoop

我们常用的ETL工具有Sqoop、Kettle、Nifi。

知行教育大数据平台，ETL的数据量较大，但是数据来源的类型简单(mysql)：

1. Kettle虽然功能较完善，但当处理大数据量的时候瓶颈问题比较突出，不适合此项目；
2. NiFi的功能强大，且支持大数据量操作，但NiFi集群是独立于Hadoop集群的，需要独立的服务器来支撑，强大也就意味着有上手门槛，学习难度大，用人成本高；
3. Sqoop专为关系型数据库和Hadoop之间的ETL而生，支持海量数据，符合项目的需求，且操作简单门槛低，因此选择Sqoop作为ETL工具。

4.3  Sqoop操作

Sqoop详细资料见 《Home\讲义\第2章 数据仓库与工具\sqoop\sqoop教程_V1.0.docx》。

5.  调度

大数据常用的调度工具有：Oozie和Azkaban。

5.1  Oozie和Azkaban对比

1.Oozie是基于Hadoop系统进行操作，而Azkaban是基于命令行进行操作。使用hadoop提供的第三方包JobClient比直接在底层跑shell命令开发成本小，可能遇到的坑也少(一个是基于Hadoop平台，一个是基于Linux系统)。

2.Oozie的操作是放在Hadoop中，而Azkaban的运行是服务器运行shell命令。为保证服务器的稳定，使用Oozie靠谱点。

3.Ooize提供查询任务执行状态，Azkaban查询的是进程执行的结果，如果某进程执行的shell命令出错，其进程仍展示位成功，混淆了任务输出。

4.Oozie将任务执行的状态持久化到数据库中，Azkaban将任务的状态存储在服务器内存中，如果掉电，则Azkaban会丢失任务信息。

5.Ooize中定义的action类型更为丰富，而Azkaban中的依赖较为简单，当面对复杂的逻辑时Oozie执行的比较顺畅。

6.两者均可以通过WEB界面进行配置操作，Azkaban和Oozie均拥有自带WEB，而Oozie同时还被HUE集成，通过HUE集成管理，可以更加方便的在Web页面上完成workflow的启动、停止、恢复。

7.CDH原生支持Oozie，而Azkaban还需要额外的编译及安装配置。

5.2  项目选型

基于以上对比，本课程采用被ClouderaManager和Hue所支持的Oozie来进行调度。

5.3  Oozie使用案例

5.3.1  查看已有的oozie程序

 

5.3.2  新增oozie程序

 

 

 

5.3.3  提交任务

 

 

5.3.4  修复异常

org.apache.oozie.action.ActionExecutorException: JA009: Invalid resource request! Cannot allocate containers as requested resource is greater than maximum allowed allocation. Requested resource type=[memory-mb], Requested resource=<memory:2048, vCores:1>, maximum allowed allocation=<memory:1024, vCores:4>, please note that maximum allowed allocation is calculated by scheduler based on maximum resource of registered NodeManagers, which might be less than configured maximum allocation=<memory:1024, vCores:4>

这是内存分配过小导致的错误，需要设置内存并重启Yarn

<property>        <name>yarn.scheduler.minimum-allocation-mb</name>        <value>526</value>    </property>    <property>        <name>yarn.scheduler.maximum-allocation-mb</name>        <value>4086</value>    </property>    <property>        <name>yarn.scheduler.minimum-allocation-vcores</name>        <value>1</value>    </property>    <property>        <name>yarn.scheduler.maximum-allocation-vcores</name>        <value>2</value>    </property>    <property>      <name>yarn.nodemanager.resource.memory-mb</name>      <value>2048</value>    </property>    <property>     <name>yarn.nodemanager.vmem-pmem-ratio</name>      <value>4.1</value>    </property>

5.3.5  修改后重启服务

 

1. 执行成功