【CDH6】Oozie 安装及使用

Oozie 的安装

oozie 是一个基于 Hadoop 的工作流引擎，也叫任务调度器，它以 xml 的形式写调度流程，可以调度 mr、pig、hive、shell、jar 和 spark 等。在工作中如果多个任务之间有依赖执行顺序要求，可以使用 oozie 来进行调度执行。

1. 选择集群，添加 oozie 服务
   
   

2. 添加服务向导
   选择依赖
   
   选择节点，分配 oozie 角色：
   
   当点击“继续”后，需要给 oozie 配置数据库，需要在 cm-s1 节点上连接 mysql，执行创建数据库及分配权限语句：

   [root@cm-s1 ~]# mysql -hcm-s1 -pAz123456_ -e "create database oozie DEFAULT CHARACTER SET utf8;grant all on oozie.* TO 'oozie'@'%' IDENTIFIED BY 'Az123456_';flush privileges;"
   ​

   在弹出的页面中选择数据库，填写用户名及密码，点击“测试连接”，测试数据库连接成功后，点击“继续”：
   
   在弹出的页面中，选择默认 oozie 使用的数据目录，默认即可，点击“继续”：
   
   等待服务向导完成，点击“继续”->“完成”，完成 oozie 安装。
   

Oozie 的使用

Oozie 是用于 Hadoop 平台的开源的工作流调度引擎。 用来管理 Hadoop 作业。 属于 web 应用程序，由 Oozie client 和 Oozie Server 两个组件构成。 Oozie Server 是运行于 Java Servlet 容器（Tomcat）中的 web 程序。

1. Oozie 作用:

   • 统一调度 hadoop 系统中常见的 mr 任务启动、hdfs 操作、shell 调度、hive 操作等
   • 使得复杂的依赖关系、时间触发、事件触发使用 xml 语言进行表达
   • 一组任务使用一个 DAG 来表示，使用图形表达流程逻辑更加清晰
   • 支持很多种任务调度，能完成大部分 hadoop 任务处理
   • 程序定义支持 EL 常量和函数，表达更加丰富

2. Oozie 中的概念：
   

   • workflow: 工作流，顺序执行流程节点，支持 fork（分支多个节点），join（合并多个节点为一个）。
   • coordinator: 多个 workflow 可以组成一个 coordinator，可以把前几个 workflow 的输出作为后一个 workflow 的输入，也可以定义 workflow 的触发条件，来做定时触发。
   • bundle: 是对一堆 coordinator 的抽象，可绑定多个 coordinator。

3. Oozie Web 控制台

   • 将 ext-2.2 解压到对应目录
     如果使用 web 控制台，还需要在 oozie 安装节点 cm-s1 上将“ext-2.2”解压到路径“/var/lib/oozie”目录下，首先将“ext-2.2”上传到 cm1 节点上，在 cm1 节点上执行如下命令：

     [root@cm-s1 ~]# wget https://archive.cloudera.com/gplextras/misc/ext-2.2.zip
     [root@cm-s1 ~]# unzip ext-2.2.zip -d /var/lib/oozie/
     [root@cm-s1 ~]# chown -R oozie:oozie /var/lib/oozie/ext-2.2
     ​

   • 启用 Oozie 服务器 Web 控制台
     在 CDH 中进入 oozie，点击配置，找打“启用 Oozie 服务器 Web 控制台”选项，开启，保存更改之后，重启 oozie 服务即可。
   • 浏览器或者 CDH 页面访问 oozie 的 webui，地址 http://cm-s1:11000

4. Oozie job.properties 文件参数
   

5. Oozie 提交任务命令
   默认在 CDH 中安装了 oozie 后，每台节点都可以当做客户端来提交 oozie 任务流任务。启动任务，停止任务，提交任务，开始任务和查看任务执行情况的命令如下：

   启动任务中的--run 包含了 submit 和 start 操作。

   启动任务：
   oozie job -oozie http://ip:11000/oozie/ -config job.properties -run
   
   停止任务：
   oozie job -oozie http://ip:11000/oozie/ -kill 0000002-150713234209387-oozie-oozi-W
   
   提交任务：
   oozie job -oozie http://ip:11000/oozie/ -config job.properties -submit
   
   开始任务：
   oozie job -oozie http://ip:11000/oozie/ -config job.properties -start 0000003-150713234209387-oozie-oozi-W
   
   查看任务执行情况：
   oozie job -oozie http://ip:11000/oozie/ -config job.properties -info 0000003-150713234209387-oozie-oozi-W
   ​

6. Oozie 提交任务流
   Oozie 提交任务需要两个文件，一个是 workflow.xml 文件，这个文件要上传到 HDFS 中，当执行 oozie 任务流调度时，oozie 服务端会在从 xml 中获取当前要执行的任务。
   另一个 job.properties 文件，这个文件是 oozie 在客户端提交流调度任务时告诉 oozie 服务端 workflow.xml 文件在什么位置的描述配置文件。
   配置 workflow.xml 文件，内容如下：

   <workflow-app xmlns="uri:oozie:workflow:0.3" name="shell-wf">
     <start to="shell-node"/>
     <action name="shell-node">
       <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>${queueName}</value>
           </property>
         </configuration>
         <exec>echo</exec>
         <argument>**** first-hello oozie *****</argument>
       </shell>
       <ok to="end"/>
       <error to="fail"/>
     </action>
     <kill name="fail">
       <message>Map/Reduce failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
     </kill>
     <end name="end"/>
   </workflow-app>
   ​

   在 CDH 中进入 hue，在 HDFS 中创建文件 workflow.xml:
   
   打开文件编辑器，将以上内容写入 workflow.xml 中，点击保存：
   
   在任意节点上，选择一个节点当做提交 oozie 任务的客户端，创建 job.properties 文件，写入以下内容：

   nameNode=hdfs://cm-s1:8020
   jobTracker=cm-s1:8032
   queueName=default
   examplesRoot=examples
   oozie.wf.application.path=${nameNode}/user/myhue
   ​

   提交 oozie 任务后会自动转换成 MapReduce 任务执行，这个时候需要 Yarn 资源调度。默认在 Hadoop2.x 版本中默认 Yarn 每个 NodeManager 节点分配资源为 8core 和 8G，内存配置为 “yarn.nodemanager.resource.memory-mb” 代表当前 NodeManager 可以使用的内存总量。每个 container 启动默认可以使用最大的内存量为 “yarn.scheduler.maximum-allocation-mb”，默认为 8G。
   在 Hadoop3.x 版本之后，Yarn NodeManager 节点默认分配的资源为 1G 和 4Core。这里 oozie 任务需要的默认资源是 2G 和 1Core，所以这里需要在 Yarn 中调大每台 NodeManager 的内存资源，在 Yarn 配置中找到配置项 “yarn.nodemanager.resource.memory-mb(表示该节点上 YARN 可使用的物理内存总量)” 调节到至少 2G 以上，同时需要调大每个 Container 可以使用的最大内存，将 “yarn.scheduler.maximum-allocation-mb(每个 Container 可申请的最多物理内存量)” 调节到至少 2G 以上，但是应小于 “yarn.nodemanager.resource.memory-mb” 参数。配置如下：
   
   之后，需要重新启动 Yarn 集群即可。配置完成后，在当前客户端执行提交如下 oozie 的命令，可以看到返回了一个 jobid，可以根据这个 jobId，停止任务或者查看任务执行情况。

   [hdfs@cm-s1 ~]# oozie job -oozie http://cm-s1:11000/oozie/ -config job.properties -run
   ...
   job: 0000001-201220195901543-oozie-oozi-W
   ​

   启动任务之后，可以在 oozie 的 webui 页面中看到如下结果:
   
   可以查看到分别使用 hdfs 用户和 root 用户提交的任务会因权限的不同而出现不同的结果，root 用户没有权限访问 workflow.xml 文件而被中止任务，其实只需要 myhue 用户就够了，没必要启用超级用户 hdfs，这里只是为了方便。
   继续点击任务流中的任务找到对应的 console url，在浏览器中输入查看结果：
   
   

7. Oozie 提交含有多个任务的任务流
   通过 hue 可以创建 workflow.xml 文件写入以下命令，执行任务 a 和任务 b:

   <workflow-app xmlns="uri:oozie:workflow:0.3" name="myflow">
     <start to="a"/>
     <action name="a">
       <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>${queueName}</value>
           </property>
          </configuration>
          <exec>echo</exec>
         <argument>**** first-hello oozie *****</argument>
       </shell>
       <ok to="b"/>
       <error to="fail"/>
     </action>
     <action name="b">
       <shell xmlns="uri:oozie:shell-action:0.1">
       <job-tracker>${jobTracker}</job-tracker>
       <name-node>${nameNode}</name-node>
       <configuration>
         <property>
           <name>mapred.job.queue.name</name>
           <value>${queueName}</value>
         </property>
       </configuration>
       <exec>echo</exec>
       <argument>**** second-i am second *****</argument>
       </shell>
       <ok to="end"/>
       <error to="fail"/>
       </action>
       <kill name="fail">
          <message>Map/Reduce failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
      </kill>
      <end name="end"/>
   </workflow-app>
   ​

   在任意节点，创建文件：job.properties，写入以下内容：

   nameNode=hdfs://cm-s1:8020
   jobTracker=cm-s1:8032
   queueName=default
   examplesRoot=examples
   oozie.wf.application.path=${nameNode}/user/myhue
   ​

   执行提交 oozie 任务的命令：

   [hdfs@cm-s1 ~]$ oozie job -oozie http://cm-s1:11000/oozie/ -config job.properties -run
   job: 0000002-201220195901543-oozie-oozi-W
   ​

   执行命令之后，进入 oozie webui 查看任务执行情况：
   
   可以点击任务流中的某个任务，查看详细执行信息和登录 yarn 查看结果。