hadoop 依赖式job_“流”式思想解决hadoop job调度的一种思路

本文基于"流"式思想解决Job调度的问题：

1.关于Job调度的基本要点：

什么时候启动Job、执行中的Job监控、某个Job可能需要几步完成、Job信息的存储介质、控制同一时间运行的Job个数

2.方案：

1).存储介质：

以javaBean的形式存储在zookeeper上

2).调度的思想：

a).三棵树——prepare、working、failed，其结构分别为prepare/粒度/javaBean；working树结构为：working/粒度/步骤数/javaBean；failed为failed/javaBean;

b).启动和监控逻辑：为每个粒度的Job启动一个线程，每隔一定时间(可配置)扫描hadoop集群中此粒度的数据是否满足Job启动的条件，如果满足，则在prepare树下添加一个节点；

再为每个粒度的Job启动一个FlowJobContainer对象，此容器里包含着Job的n个步骤，为每个步骤启动一个线程，每隔一段时间获取此步骤节点下的javaBean节点信息，根据其Job的状态(成功、失败、超时、失败次数超过给定数)，分别进行(进行下一步的Job、重新执行此Job并且更新javaBean信息、killed Job and run again、将此javaBean节点mv到failed树下)操作；

这里有个关键点要特别注意：所有的步骤监控线程持有一个步骤数(1...n)，每次间隔一段时间去查看working/粒度/步骤数下是否有节点信息，如果有，则进行监控，否则sleep等待；通过working树下所有正在运行的job个数(javaBean子节点个数)和给定的同时运行的最大Job数量差值m，由第一步的线程决定是否激活一个Job流(即从prepare树下取得m个节点，启动Job流并将prepare此粒度的节点mv到working树对应节点下的1/目录下)