大数据调度实践-oozie

概述

什么是oozie

Oozie是操作Hadoop job的工作流调度系统
Oozie工作流由一些有向无环图（DAG）的action组成
Oozie的定时器coordinator由时间或者时间和数据同时触发
Oozie的action可以是hadoop生态系的任务，比如mr,pig,hive,sqoop等，也可以是外部任务，比如java程序，shell程序等
Oozie是可扩展，可靠的工作流系统

1-2apache oozie安装和配置[24:32]
1-3apache oozie的脚本分析[17:31]
1-4cdh6 oozie安装和配置[07:51]
1-5oozie第一个例子[11:40]
第2章 cdh6 oozie基础教程

1小时58分钟18节

2-1cdh6 oozie可视化编辑器Hue的安装[05:30]
2-2在hue上编辑oozie的第一个例子[08:59]
2-3oozie ssh action的使用[05:17]
2-4oozie shell action的使用[04:47]
2-5oozie email action的使用[03:44]
2-6oozie fs action的使用[03:02]
2-7oozie pig action的使用[06:04]
2-8oozie java action的使用[03:30]
2-9oozie mapreduce action的使用[06:44]
2-10oozie spark action的使用[07:27]
2-11oozie hive action的使用[10:22]
2-12oozie hiveserver2 action的使[02:43]
2-13oozie sqoop action的使用[08:38]
2-14oozie控制action的使用[14:03]
2-15oozie subworkflow action的使[05:10]
2-16oozie 自定义action的使用[10:13]
2-17oozie transition的使用[03:49]
2-18oozie全局参数和局部参数[08:31]
第3章 cdh6 oozie高级教程

1小时8分钟10节

3-1oozie的工作原理[08:46]
3-2oozie job和action的生命周期[04:21]
3-3oozie定时器coordinator和bundle[05:41]
3-4oozie coordinator的数据依赖[14:13]
3-5oozie的EL表达式[05:23]
3-6oozie的重试机制[05:00]
3-7oozie的三种交互接口[05:19]
3-8oozie action的传参机制[11:00]
3-9oozie的sla通知机制[04:46]
3-10Hue oozie和原生oozie的应用场景[03:54]
第4章 cdh6 oozie实战

45分钟6节

4-1一个在大数据离线数仓中的oozie经典案例[02:14]
4-2经典案例-sqoop import mysql表到数[14:20]
4-3经典案例-hive etl清洗[06:30]
4-4经典案例- sqoop export数仓表到mysq[03:24]
4-5经典案例- zeppelin可视化展示回流表[04:56]
4-6经典案例改写为原生oozie项目[13:58]

EL常量

常量表示形式 含义说明
${coord:minutes(int n)} 返回日期时间：从一开始，周期执行n分钟
${coord:hours(int n)} 返回日期时间：从一开始，周期执行n * 60分钟
${coord:days(int n)} 返回日期时间：从一开始，周期执行n * 24 * 60分钟
${coord:months(int n)} 返回日期时间：从一开始，周期执行n * M * 24 * 60分钟（M表示一个月的天数）
${coord:endOfDays(int n)} 返回日期时间：从当天的最晚时间（即下一天）开始，周期执行n * 24 * 60分钟
${coord:endOfMonths(1)} 返回日期时间：从当月的最晚时间开始（即下个月初），周期执行n * 24 * 60分钟
${coord:current(int n)} 返回日期时间：从一个Coordinator动作（Action）创建时开始计算，第n个dataset实例执行时间
${coord:dataIn(String name)} 在输入事件（input-events）中，解析dataset实例包含的所有的URI
${coord:dataOut(String name)} 在输出事件（output-events）中，解析dataset实例包含的所有的URI
${coord:offset(int n, String timeUnit)} 表示时间偏移，如果一个Coordinator动作创建时间为T，n为正数表示向时刻T之后偏移，n为负数向向时刻T之前偏移，timeUnit表示时间单位（选项有MINUTE、HOUR、DAY、MONTH、YEAR）
${coord:hoursInDay(int n)} 指定的第n天的小时数，n>0表示向后数第n天的小时数，n=0表示当天小时数，n<0表示向前数第n天的小时数
${coord:daysInMonth(int n)} 指定的第n个月的天数，n>0表示向后数第n个月的天数，n=0表示当月的天数，n<0表示向前数第n个月的天数
${coord:tzOffset()} ataset对应的时区与Coordinator Job的时区所差的分钟数
${coord:latest(int n)} 最近以来，当前可以用的第n个dataset实例
${coord:future(int n, int limit)} 当前时间之后的dataset实例，n>=0，当n=0时表示立即可用的dataset实例，limit表示dataset实例的个数
$coord:nominalTime()nominal时间等于CoordinatorJob启动时间，加上多个CoordinatorJob的频率所得到的日期时间。例如：start=”2009-01-01T24:00Z”，end=”2009-12-31T24:00Z”，frequency=”${coord:days(1)}”，frequency=”${coord:days(1)}，则nominal时间为：2009-01-02T00:00Z、2009-01-03T00:00Z、2009-01-04T00:00Z、…、2010-01-01T00:00Z
$coord:actualTime()Coordinator动作的实际创建时间。例如：start=”2011-05-01T24:00Z”，end=”2011-12-31T24:00Z”，frequency=”${coord:days(1)}”，则实际时间为：2011-05-01，2011-05-02，2011-05-03，…，2011-12-31
${coord:user()} 启动当前Coordinator Job的用户名称
${coord:dateOffset(String baseDate, int instance, String timeUnit)} 计算新的日期时间的公式：newDate = baseDate + instance * timeUnit，如：baseDate=’2009-01-01T00:00Z’，instance=’2′，timeUnit=’MONTH’，则计算得到的新的日期时间为’2009-03-01T00:00Z’。
${coord:formatTime(String timeStamp, String format)} 格式化时间字符串，format指定模式

常量表示形式 含义说明
${coord:minutes(int n)} 返回日期时间：从一开始，周期执行n分钟
${coord:hours(int n)} 返回日期时间：从一开始，周期执行n * 60分钟
${coord:days(int n)} 返回日期时间：从一开始，周期执行n * 24 * 60分钟
${coord:months(int n)} 返回日期时间：从一开始，周期执行n * M * 24 * 60分钟（M表示一个月的天数）
${coord:endOfDays(int n)} 返回日期时间：从当天的最晚时间（即下一天）开始，周期执行n * 24 * 60分钟
${coord:endOfMonths(1)} 返回日期时间：从当月的最晚时间开始（即下个月初），周期执行n * 24 * 60分钟
${coord:current(int n)} 返回日期时间：从一个Coordinator动作（Action）创建时开始计算，第n个dataset实例执行时间
${coord:dataIn(String name)} 在输入事件（input-events）中，解析dataset实例包含的所有的URI
${coord:dataOut(String name)} 在输出事件（output-events）中，解析dataset实例包含的所有的URI
${coord:offset(int n, String timeUnit)} 表示时间偏移，如果一个Coordinator动作创建时间为T，n为正数表示向时刻T之后偏移，n为负数向向时刻T之前偏移，timeUnit表示时间单位（选项有MINUTE、HOUR、DAY、MONTH、YEAR）
${coord:hoursInDay(int n)} 指定的第n天的小时数，n>0表示向后数第n天的小时数，n=0表示当天小时数，n<0表示向前数第n天的小时数
${coord:daysInMonth(int n)} 指定的第n个月的天数，n>0表示向后数第n个月的天数，n=0表示当月的天数，n<0表示向前数第n个月的天数
${coord:tzOffset()} ataset对应的时区与Coordinator Job的时区所差的分钟数
${coord:latest(int n)} 最近以来，当前可以用的第n个dataset实例
${coord:future(int n, int limit)} 当前时间之后的dataset实例，n>=0，当n=0时表示立即可用的dataset实例，limit表示dataset实例的个数
$coord:nominalTime()nominal时间等于CoordinatorJob启动时间，加上多个CoordinatorJob的频率所得到的日期时间。例如：start=”2009-01-01T24:00Z”，end=”2009-12-31T24:00Z”，frequency=”${coord:days(1)}”，frequency=”${coord:days(1)}，则nominal时间为：2009-01-02T00:00Z、2009-01-03T00:00Z、2009-01-04T00:00Z、…、2010-01-01T00:00Z
$coord:actualTime()Coordinator动作的实际创建时间。例如：start=”2011-05-01T24:00Z”，end=”2011-12-31T24:00Z”，frequency=”${coord:days(1)}”，则实际时间为：2011-05-01，2011-05-02，2011-05-03，…，2011-12-31
${coord:user()} 启动当前Coordinator Job的用户名称
${coord:dateOffset(String baseDate, int instance, String timeUnit)} 计算新的日期时间的公式：newDate = baseDate + instance * timeUnit，如：baseDate=’2009-01-01T00:00Z’，instance=’2′，timeUnit=’MONTH’，则计算得到的新的日期时间为’2009-03-01T00:00Z’。
${coord:formatTime(String timeStamp, String format)} 格式化时间字符串，format指定模式

例如，昨天的日期就可以写为昨天日期 ${coord:formatTime(coord:dateOffset(coord:nominalTime(), -1, ‘DAY’), ‘yyyyMMdd’)}

问题与解决办法
oozie会存在时区问题，默认会与中国时间会相差8个小时，这就需要oozie的时区，我使用的是cdh，所以设置很方便，进入cm的管理界面，进入oozie的设置，添加配置：
oozie.processing.timezoneGMT+0800

命令操作

oozie4.3.0调用shell
编写workflow.xml
<!--Workflow-DEF-NAME-->
<workflow-app xmlns='uri:oozie:workflow:0.3' name='shell-wf'>
	<!--shell1: node-name -->
    <start to='shell1' />
    <action name='shell1'>
        <shell xmlns="uri:oozie:shell-action:0.1">
            <job-tracker>${jobTracker}</job-tracker>
            <name-node>${nameNode}</name-node>
            <configuration>
                <property>
                  <name>mapred.job.queue.name</name>
                  <value>${queueName}</value>
                </property>
            </configuration>
            <!--${EXEC}是shell脚本命令，例如；mkdir-->
            <exec>${EXEC}</exec>
            <!--argument标签中是exec中的参数值-->
            <argument>A</argument>
            <argument>B</argument>
            <!--file标签里面放的hdfs上写好的shell脚本，例如：test.sh -->
            <file>${EXEC}#${EXEC}</file> <!--Copy the executable to compute node's current working directory -->
        </shell>
        <!--end和fail都是node-name -->
        <ok to="end" />
        <error to="fail" />
    </action>
    <!--fork与join成对使用的举例start-->
    <fork name="[FORK-NODE-NAME]">
        <path start="[NODE-NAME]" />
        ...
        <path start="[NODE-NAME]" />
    </fork>
    <join name="[JOIN-NODE-NAME]" to="[NODE-NAME]" />
    <!--fork与join成对使用的举例end-->
    <kill name="fail">
        <message>Script failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
    </kill>
    <end name='end' />
</workflow-app>

编写job.properties
# 这里写的是workflow.xml和job.properties在hdfs的哪个目录下
oozie.wf.application.path=hdfs://localhost:8020/user/kamrul/workflows/script#Execute is expected to be in the Workflow directory.
#Shell Script to run
EXEC=script.sh
#CPP executable. Executable should be binary compatible to the compute node OS.
#EXEC=hello
#Perl script
#EXEC=script.pl

#jobTracker实际上就是resourceManager的地址
jobTracker=localhost:8021
nameNode=hdfs://localhost:8020
queueName=default

提交job
# 注意这个job.properties是本地的
bin/oozie job -oozie http://hadoop102:11000/oozie -config oozie-apps/shell/job.properties -run

hue

Oozie是什么？
Oozie是一种Java Web应用程序，它运行在Java servlet容器——即Tomcat——中，并使用数据库来存储以下内容：

工作流定义
当前运行的工作流实例，包括实例的状态和变量
Hue是什么？
Hue是一个可快速开发和调试Hadoop生态系统各种应用的一个基于浏览器的图形化用户接口。

Hue能干什么？
1，访问HDFS和文件浏览
2，通过web调试和开发hive以及数据结果展示
3，查询solr和结果展示，报表生成
4，通过web调试和开发impala交互式SQL Query
5，spark调试和开发
6，Pig开发和调试
7，oozie任务的开发，监控，和工作流协调调度
8，Hbase数据查询和修改，数据展示
9，Hive的元数据（metastore）查询
10，MapReduce任务进度查看，日志追踪
11，创建和提交MapReduce，Streaming，Java job任务
12，Sqoop2的开发和调试
13，Zookeeper的浏览和编辑
14，数据库（MySQL，PostGres，SQlite，Oracle）的查询和展示

workflow

定时任务