离线数据分析平台实战——180Oozie工作流使用介绍
Oozie工作流介绍
Oozie的四大组件服务分别是: workflow, coordinator, bundle和sla。
其中sla是作为监控服务协议的一个组件，
workflow定义oozie的基本工作流，
coordinator定义定时(或者是根据其他资源指标)运行的workflow任务，
bundle是将多个coordinator作为一个组件一起管理。
也就是说workflow是oozie中最基本的一个服务组件。
三大服务的的关系是：bundle包含多个coordinator，coordinator包含一个workflow，workflow定义具体的action动作。
Workflow介绍
workflow使用hadoop流程定义语言(Hadoop Process Defination Language, hPDL)来描述工作流，
hPDL是类似xml语言的一种相当简洁的定义类语言，使用有限数目的流控制节点和动作节点来描述workflow，也就是workflow有两大类节点构成：工作流控制节点和动作节点。
其中工作流控制节点是workflow本身提供的一种控制workflow工作流执行路径的方法，不可以自定义；动作节点是具体的操作方法，用户可以自定义。
Workflow工作流生命周期
| 状态 | 含义说明 |
|---|---|
| PREP | 一个工作流第一次创建就出于PREP状态，表示工作流以及创建但是还没有运行。 |
| RUNNING | 当一个已经被创建的工作流Job开始执行的时候，就处于RUNNING状态。它不会达到结束状态，只能因为出错而结束，或者被挂起。 |
| SUSPENDED | 一个RUNNING状态的工作流Job会变成SUSPENDED状态，而且它会一直处于该状态，除非这个工作流Job被重新开始执行或者被杀死。 |
| SUCCEEDED | 一个RUNNING状态的工作流Job会变成SUSPENDED状态，而且它会一直处于该状态，除非这个工作流Job被重新开始执行或者被杀死。 |
| KILLED | 当一个工作流Job处于被创建后的状态，或者处于RUNNING、SUSPENDED状态时，被杀死，则工作流Job的状态变为KILLED状态。 |
| FAILED | 当一个工作流Job处于被创建后的状态，或者处于RUNNING、SUSPENDED状态时，被杀死，则工作流Job的状态变为KILLED状态。 |
Workflow工作流状态转换图
| 转换前状态 | 转换后状态集合 |
|---|---|
| 未启动 | PREP |
| PREP | RUNNING、KILLED |
| RUNNING | SUSPENDED、KILLED、SUCCEEDED、FAILED |
| SUSPENDED | RUNNING、KILLED |
Workflow流控制节点
| 流控制节点 | XML元素类型 | 描述 |
|---|---|---|
| Start节点 | start | 该节点定义一个oozie workflow的起始节点，一个workflow只能有且只有一个start节点。 |
| End节点 | end | 定义一个workflow的结束节点。 |
| Decision节点 | decision | 该节点用于描述"switch-case"逻辑 |
| Fork节点 | fork | 该节点会将多个执行流程分为多个并非操作。 |
| Join节点 | join | 等待前面的fork节点指定的所有action完成。 |
| Sub-workflow节点 | sub-workflow | 该节点会调用一个子workflow |
| Kill节点 | kill | 该节点会是oozie服务器杀死当前的workflow作业 |
Workflow默认支持的action动作
| 动作节点 | XMl元素类型 | 描述 | 类型 |
|---|---|---|---|
| Java动作 | java | 该动作调用一个java类的main方法 | 异步 |
| Pig动作 | pig | 该动作调用一个Pig作业 | 异步 |
| Mapreduce动作 | map-reduce | 该动作会运行一个mapreduce作业，可以是java的mapreduce作业，也可以是streaming作业和pipe作业 | 异步 |
| Hdfs动作 | fs | 该动作运行定义给一个在HDFS上执行的命令（delete、mkdir、move 和chmod等）序列 | 同步 |
Workflow扩展action动作
| 动作节点 | XML元素类型 | 描述 | 类型 |
|---|---|---|---|
| Hive动作 | hive | 运行一个hive作业 | 异步 |
| Shell动作 | shell | 运行一个shell作业 | 同步 |
| Email动作 | 发送一个email邮件 | 同步 | |
| SSH动作 | ssh | 调用oozie服务器上的指定shell脚本 | 同步 |
| Sqoop动作 | sqoop | 运行一个sqoop作业 | 异步 |
| Distcp动作 | distcp | 该动作运行一个分布式复制作业 | 异步 |
Workflow异步操作
Workflow中的所有异步操作(action)都需要在hadoop集群上以mapreduce作业的方式进行执行，这样充分利用了集群的优点。
oozie通过两种方式来检查任务是否完成：
- 回调：当一个任务和一个计算被启动后，会为任务提供一个回调url，该任务执行完成后，会执行回调开通知oozie。
- 轮询：在任务执行回调失败的情况下，无论任何原因，都支持以轮询的方式进行查询。
oozie提供这两种方式来控制任务，将资源密集型的任务放到服务节点之外，使oozie节约服务器资源，确保单个oozie服务器可以支持上千个作业。
注意： 需要hadoop集群开启hdfs、yarn和jobhistory服务。
Workflow规则
workflow任务主要由job.properties、workflow.xml和其他动作需要的资源文件三部分组成，其中job.properties中定义workflow作业的配置信息，workflow.xml定义作业的执行工作流。workflow.xml文件是一个有定义规则的xml文件。
workflow.xml配置规则详见:..\文档\workflow.template.xml
job.properties配置参考：..\文档\job.template.properties
Workflow案例介绍
- 定义fs动作，在hdfs文件系统上进行文件操作。
- 定义fs动作，判断文件夹存在，就删除，如果不存在，不进行任何操作。
- 定义shell动作，在服务器的tmp目录下创建一个文件夹。
- 定义hive动作，执行sql脚本，将数据导入到hive中的表中。
- 定义mapreduce动作，执行mapreduce任务。
执行命令：oozie job -oozie http://hh:11000/oozie -config xxx/job.properties -run
Coordinator介绍
coordinator支持workflow过程的自动启动，常用于一些由时间/数据可用性来触发的、会多次调用的workflow过程的设计和执行。通过定义多个顺序运行的、前一个输出作为后一个输入的workflow，coordinator也支持定义常规运行的(包括以不同时间间隔运行的)workflow作业之间的依赖。
案例：编写一个每两分钟执行一次的workflow(也就是coordinator)任务。
Bundle介绍
Oozie Bundle是顶层抽象，允许将一组coordinator任务打包成为一个bundle任务。
组成一个整体bundle的多个coordinator可以作为一个整体来进行控制，包括启动、停止、挂起、继续、重新执行等操作。
Bundle中不支持它的coordinator应用程序之间的显示依赖关系，如果需要定义这些依赖关系，可以在 coordinator中通过输入输出事件来指定依赖。
