Oozie_初识

oozie运行于hadoop集群,对hive,mr,flume,Soop,spark,shell等框架进行任务流调度
如: job1-->job2 & job3-->job4 & job5...
其中,job1用于采集数据,job2与job3用于数据清洗,job4,job5,jobn等用于数据分析
对MR和pigJobs任务调度与协调,需要用到servlet容器(自身框架封装了TomcatHTTPServer)
简单来说,该框架实现任务的自动化,各个处理部分不需要人为控制
PS:oozie如果其中一个job处理失败,不会有回滚,其处理的方式是直接停止

1. crontab(最简单的任务调度框架)
　　格式: *(分) *(时) *(日) *(月) *(周) command
　　1-6:连续的时间
　　1,6:不连续的时间
　　*/1:每小时
　　第1列表示分钟1～59 每分钟用*或者 */1表示
　　第2列表示小时1～23（0表示0点）
　　第3列表示日期1～31
　　第4列表示月份1～12
　　第5列标识号星期0～6（0表示星期天）
　　第6列要运行的命令
　　例
　　30 21 * * * /usr/local/etc/rc.d/lighttpd restart
　　上面的例子表示每晚的21:30重启apache
　　45 4 1,10,22 * * /usr/local/etc/rc.d/lighttpd restart
　　上面的例子表示每月1、10、22日的4 : 45重启apache
　　10 1 * * 6,0 /usr/local/etc/rc.d/lighttpd restart
　　上面的例子表示每周六、周日的1 : 10重启apache
　　0,30 18-23 * * * /usr/local/etc/rc.d/lighttpd restart
　　上面的例子表示在每天18 : 00至23 : 00之间每隔30分钟重启apache。
　　0 23 * * 6 /usr/local/etc/rc.d/lighttpd restart
　　上面的例子表示每星期六的11 : 00 pm重启apache
　　* */1 * * * /usr/local/etc/rc.d/lighttpd restart
　　每一小时重启apache
　　* 23-7/1 * * * /usr/local/etc/rc.d/lighttpd restart
　　晚上11点到早上7点之间，每隔一小时重启apache
　　0 11 4 * mon-wed /usr/local/etc/rc.d/lighttpd restart
　　每月的4号与每周一到周三的11点重启apache
　　0 4 1 jan * /usr/local/etc/rc.d/lighttpd restart
　　一月一号的4点重启apache   
　　　　crontab -r : 删除目前的时程表
　　　　crontab -l : 列出目前的时程表
　　　　crontab file [-u user]-用指定的文件替代目前的crontab
2. Azkaban
　 linkdin:开源任务调度框架
   properties文件控制工作流
3. Oozie
　　Xml文件控制工作流
　　大致工作流
　　start -> job1 -> job2 & job3 -> ... --> ok > end
                                        --> faile -> kill
4. Zeus
　　宙斯是一个完整的Hadoop作业平台,支持
　　Hadoop MR任务的调试运行
　　Hive任务的调试运行
　　Shell人数的运行
　　Hive元数据的可视化查询数据与预览
　　Hadoopr任务的自动调度
　　PS:三者各有各的优点,但从使用角度来看oozie较流行,原因之一是hue框架能整合Hadoop所有框架,且界面友好,功能强大

workflow jobs(简单的任务流)
coordinator jobs(加入定时调度:起始时间,结束时间,频率)
Bundle(多个coordinator jobs或这多个workflow的集合)

控制流节点 action
    起始,结束,并发,分支,合并
动作节点 action
    job: mapreduce action
    job: hive action
    job: shell action
子节点
 实现
    oozie server
    hadoop集群
    自带数据库 derby

下载相应与Hadoop版本的oozie.tar.gz与ext-x.x.zip
　　上传至linux
　　安装oozieser
　　　　配置hadoop代理core-site.xml
　　　　　　hadoop.proxyuser.[OOZIE_SERVER_USER].hosts--[OOZIE_SERVER_HOSTNAME]
　　　　　　hadoop.proxyuser.[OOZIE_SERVER_USER].groups--[USER_GROUPS_THAT_ALLOW_IMPERSONATION]
　　　　重启Hadoop集群
　　当前目录解压oozie-hadooplibs-4.0.0-cdh5.3.6.tar.gz
　　oozie目录下多出一个oozie-4.0.0-cdh5.3.6文件夹(存放hadoop1与hadoop2的相关jar包)
　　创建libext文件夹
　　　　将hadoop对应版本的jar包放入
　　　　将ext-x.x.zip也放入libext文件夹内
　　创建sharelib库(HDFS上的jar库,用于运行所有job依赖)
　　　　$ bin/oozie-setup.sh sharelib create -fs <FS_URI> [-locallib <PATH>]
　　　　$ bin/oozie-setup.sh sharelib create -fs hdfs://hadoop09-linux-01.ibeifeng.com:8020 -locallib oozie-sharelib-4.0.0-cdh5.3.6-yarn.tar.gz
　　打包libext目录的jar包作为oozie运行的jar包库
　　　　$ bin/oozie-setup.sh prepare-war [-d directory] [-secure]
　　　　$ bin/oozie-setup.sh prepare-war
　　初始化数据库
　　　　$ bin/ooziedb.sh create -sqlfile oozie.sql -run DB Connection
　　简单配置两个属性
　　　　oozie-default.xml
　　　　　　org.apache.oozie.service.JobsConcurrencyService移至第一行
　　　　　　if not oozie的后台目录中会报NullPointerException错误
　　　　oozie-site.xml
　　　　oozie.service.HadoopAccessorService.hadoop.configurations=*=/opt/cdh-5.6.3/hadoop-2.5.0-cdh5.3.6/etc/hadoop
　　　　　　if not 会报/user/Hadoop/share/lib文件找不到错误
　　启动oozie
　　　　$ bin/oozied.sh start    (jps,进程多出一个BootStrap)