Oozie 快速入门

97次阅读

共计 2436 个字符，预计需要花费 7 分钟才能阅读完成。

设想一下，当你的系统引入了 spark 或者 Hadoop 以后，基于 Spark 和 Hadoop 已经做了一些任务，比如一连串的 Map Reduce 任务，但是他们之间彼此右前后依赖的顺序，因此你必须要等一个任务执行成功后，再手动执行第二个任务。是不是很烦！这个时候 Oozie 乌贼就派上用场了，它可以把多个任务组成一个工作流，自动完成任务的调用。

Oozie 快速入门

至于为什么要取这样的名字，我的理解是，乌贼有很多只脚但是只有一个身体，这正像是工作流引擎一样，功能很多，可以做的事情很多，但是都是受到一个调度器控制；它的身体很柔软，说明工作流引擎本身弹性功能很大，能做的事情很多。至于为什么想到上面的图片，看完美人鱼，一提到乌贼或者八爪鱼我就想到了小猪。

简介

Oozie 是一个基于工作流引擎的服务器，可以在上面运行 Hadoop 的 Map Reduce 和 Pig 任务。它其实就是一个运行在 Java Servlet 容器（比如 Tomcat）中的 Javas Web 应用。

对于 Oozie 来说，工作流就是一系列的操作（比如 Hadoop 的 MR，以及 Pig 的任务），这些操作通过有向无环图的机制控制。这种控制依赖是说，一个操作的输入依赖于前一个任务的输出，只有前一个操作完全完成后，才能开始第二个。

Oozie 工作流通过 hPDL 定义（hPDL 是一种 XML 的流程定义语言）。工作流操作通过远程系统启动任务。当任务完成后，远程系统会进行回调来通知任务已经结束，然后再开始下一个操作。

Oozie 工作流包含控制流节点以及操作节点

控制流节点定义了工作流的开始和结束（start,end 以及 fail 的节点），并控制工作流执行路径（decision,fork,join 节点）。操作节点是工作流触发计算 \ 处理任务的执行，Oozie 支持不同的任务类型——hadoop map reduce 任务，hdfs,Pig，SSH,eMail,Oozie 子工作流等等。Oozie 可以自定义扩展任务类型。

Oozie 工作流可以参数化的方式执行（使用变量 ${inputDir}定义）。当提交工作流任务的时候就需要同时提供参数。如果参数合适的话（使用不同的目录）就可以定义并行的工作流任务。

总结来说

Oozie 是管理 Hadoop 作业的工作流调度系统
Oozie 的工作流是一系列的操作图
Oozie 协调作业是通过时间（频率）以及有效数据触发当前的 Oozie 工作流程
Oozie 是针对 Hadoop 开发的开源工作流引擎，专门针对大规模复杂工作流程和数据管道设计
Oozie 围绕两个核心：工作流和协调器，前者定义任务的拓扑和执行逻辑，后者负责工作流的依赖和触发。

WordCount 工作流例子

Oozie 快速入门

hPDL 流程的定义:

<workflow-app name='wordcount-wf' xmlns="uri:oozie:workflow:0.1">
    <start to='wordcount'/>
    <action name='wordcount'>
        <map-reduce>
            <job-tracker>${jobTracker}</job-tracker>
            <name-node>${nameNode}</name-node>
            <configuration>
                <property>
                    <name>mapred.mapper.class</name>
                    <value>org.myorg.WordCount.Map</value>
                </property>
                <property>
                    <name>mapred.reducer.class</name>
                    <value>org.myorg.WordCount.Reduce</value>
                </property>
                <property>
                    <name>mapred.input.dir</name>
                    <value>${inputDir}</value>
                </property>
                <property>
                    <name>mapred.output.dir</name>
                    <value>${outputDir}</value>
                </property>
            </configuration>
        </map-reduce>
        <ok to='end'/>
        <error to='end'/>
    </action>
    <kill name='kill'>
        <message>Something went wrong: ${wf:errorCode('wordcount')}</message>
    </kill/>
    <end name='end'/>
</workflow-app>