一、oozie介绍

官网首页介绍：http://oozie.apache.org

二、对比选型

简单项目的话可以用crontab来做控制，但是项目比较复杂的话会发现还是有很多不方便的，比如失败重启和日志查看等问题，所以我们通常在Azkaban和oozie之间做对比，选择适合自己公司或者项目的任务调度工具

• 执行方式：Oozie底层在提交Hadoop Spark作业而Azkaban是直接操作shell语句。
• 工作流定义： Oozie是通过xml定义的而Azkaban为properties来定义。
• 部署过程： Oozie的部署相对困难些，同时它是从Yarn上拉任务日志。
• 任务检测： Azkaban中如果有任务出现失败，只要进程有效执行，那么任务就算执行成功，这是BUG，但是Oozie能有效的检测任务的成功与失败。
• 操作工作流： Azkaban使用Web操作。Oozie支持Web，RestApi，Java API操作。
• 权限控制： Oozie基本无权限控制，Azkaban有较完善的权限控制，供用户对工作流读写执行操作。
• 运行环境： Oozie的action主要运行在hadoop中而Azkaban的actions运行在Azkaban的服务器中。
• 记录workflow的状态： Azkaban将正在执行的workflow状态保存在内存中，Oozie将其保存在Mysql中。
• 出现失败的情况： Azkaban会丢失所有的工作流，但是Oozie可以在继续失败的工作流运行
  两者在功能方面大致相同，在安全性上可能Oozie会比较好，加之我们选择了CDH作为大数据平台，所以就用了其自带的oozie工具，且有相应的可视化操作工具hue配套使用，较为便捷。

三、架构原理

Oozie主要有三个层层包裹的主要概念

• Workflow：工作流，由我们需要处理的每个工作组成，进行需求的流式处理，是对要进行的顺序化工作的抽象。
• Coordinator：协调器，可以理解为工作流的协调器，可以将多个工作流协调成一个工作流来进行处理，是对要进行的顺序化的workflow的抽象。
• Bundle：捆，束。将一堆的coordinator进行汇总处理，是对一堆coordiantor的抽象。

关于oozie的作业

Oozie的作业有三部分组成，分别是job.properties，workflow.xml，lib文件夹。下面分别介绍

Job.properties

从名称也能看出来，这个文件是用来配置作业（job）中用到的各种参数的，总结如下

注：
1、这个文件如果是在本地通过命令行进行任务提交的话，这个文件在本地就可以了，当然也可以放在hdfs上，与workflow.xml和lib处于同一层级。
2、nameNode，jobTracker和workflow.xml在hdfs中的位置必须设置。

一个简单的job.properties文件如下：

nameNode=hdfs://cm1:8020
jobTracker=cm1:8032
queueName=default
examplesRoot=examples
oozie.wf.application.path=${nameNode}/user/workflow/oozie/shell

workflow.xml：

这个文件是定义任务的整体流程的文件，需要注意的有三点：版本信息，EL函数，节点信息。
先上一个例子：

01.  <workflow-app xmlns="uri:oozie:workflow:0.4" name="${sys_name}-MonitorPlus-Task-${task_id}">  
02.      <start to=“check-xxx-succ-flag"/>  
03.    
04.      <decision name=“check-xxx-succ-flag">  
05.          <switch>  
06.  <case to="check-mr-succ-flag">${fs:exists(concat(concat("/xxx/output/xxxList/",   
07.       task_id),"/_SUCCESS"))}</case>  
08.  <default to=“do-xxx"/>  
09.          </switch>  
10.     </decision>  
11.   
12.     <decision name="check-mr-succ-flag">  
13.         <switch>  
14.             <case to="end">${fs:exists(concat(concat(“/xxx/output/", task_id),"/_SUCCESS"))}</case>  
15.             <default to="do-mr"/>  
16.         </switch>  
17.     </decision>  
18.   
19.     <action name=“do-xxx" retry-max="3" retry-interval="10">  
20.         <java>  
21.             <job-tracker>${jobTracker}</job-tracker>  
22.             <name-node>${namenode}</name-node>  
23.             <configuration>  
24.                 <property>  
25.                     <name>mapreduce.job.queuename</name>  
26.                     <value>${queueName}</value>  
27.                 </property>  
28.             </configuration>  
29.            <main-class>com.xxx.Main</main-class>       
30.          </java>
31.        <ok to=”end”/>
32.        <error to=”fail”/>
33.     </action>
34.     <kill name=”fail”>
35.         <message>Map/Reduce failed.error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
36.     </kill>
37.     <end name=”end”/>
38. </workflow-app>

1. 版本信息：
   这个是写在第一行的，如下：

<workflow-app xmlns="uri:oozie:workflow:0.4" name="${sys_name}-MonitorPlus-Task-${task_id}">

在xmls属性中定义了workflow的版本为0.4，workflow的版本不能高于oozie兼容的最高版本，可以降低。

2. EL函数
   常用的EL函数有基本的EL函数，workFlow EL函数和HDFSEL函数。分别如下：

3. 节点：
   Oozie的节点分成两种，流程控制节点和动作节点。所谓的节点实际就是一组标签。两种节点分别如下：

A. 流程控制节点

• <start />——定义workflow的开始
• <end />——定义workflow的结束
• <decision />——实现switch功能
• <switch><case /><default /></switch>标签连用
• <sub-workflow>——调用子workflow
• <kill />——程序出错后跳转到这个节点执行相关操作
• <fork />——并发执行workflow
• <join />——并发执行结束（与fork一起使用）

案例:

B. 动作节点

• <shell />——表示运行的是shell操作
• <java />——表示运行的java程序
• <fs />——表示是对hdfs进行操作
• <MR />——表示进行的是MR操作
• <hive />——表示进程的是hive操作
• <sqoop />——表示进行的是sqoop的相关操作

Workflow.xml综述
文件需要被放在HDFS上才能被oozie调度，如果在启动需要调动MR任务，jar包同样需要在hdfs上。最终的目录结构如下：

 /xxx/oozie/workflow.xml  
 /xxx/oozie/lib  
 /xxx/oozie/lib/mr-1.7-SNAPSHOT-**package**.jar  
 /xxx/oozie/lib/xxx.mr-1.7-SNAPSHOT-**package**.jar 

Lib文件夹：

在workflow工作流定义的同级目录下，需要有一个lib目录，在lib目录中存在java节点MapReduce使用的jar包。需要注意的是，oozie并不是使用指定jar包的名称来启动任务的，而是通过制定主类来启动任务的。在lib包中绝对不能存在某个jar包的不同版本，不能够出现多个相同主类。

四、安装搭建

在搭建好CDH后，可以直接通过添加服务的方式实现oozie的安装，比较方便。当然也可以在服务器上搭建独立的oozie服务，具体可参考https://oozie.apache.org/docs/5.0.0/AG_Install.html

搭设后进入oozie web控制台，地址为：OozieserverIp：11000/oozie/ （OozieserverIp为oozie所在的服务器的ip地址），界面如下：

oozie控制台

五、开发使用

1.拷贝官方自带实例模板

cp -r examples/apps/shell/ oozie-apps

2.修改job.properties

nameNode=hdfs://hadoop:8020
jobTracker=hadoop:8032
queueName=default
examplesRoot=oozie-apps

oozie.wf.application.path=${nameNode}/user/hadoop/${examplesRoot}/shell
EXEC=mem.sh #放一个脚本文件，脚本文件名称

3.修改workflow.xml

<start to="shell-node"/>
    <action name="shell-node">
        <shell xmlns="uri:oozie:shell-action:0.2">
            <job-tracker>${jobTracker}</job-tracker>
            <name-node>${nameNode}</name-node>
            <configuration>
                <property>
                    <name>mapred.job.queue.name</name>
                    <value>${queueName}</value>
                </property>
            </configuration>
            <exec>${EXEC}</exec>    
            <file>${nameNode}/user/hadoop/${examplesRoot}/shell/${EXEC}#${EXEC}</file>  
        </shell>
        <ok to="end"/>
        <error to="fail"/>
    </action>   
    <kill name="fail">
        <message>Shell action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
    </kill>   
    <end name="end"/>

4.在shell目录下创建mem.sh

#!/bin/sh
/usr/bin/date -R >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log
/usr/bin/free -m >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log
/usr/bin/df -lh >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log
echo ------------------- >> /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log 

注：/usr/bin/date为命令绝对路径，可以通过which date获得

5.上传到hdfs

bin/hdfs dfs -put /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell /user/hadoop/oozie-apps/

6.执行：

bin/oozie job -oozie http://hadoop:11000/oozie  -config oozie-apps/shell/job.properties -run

7.检查结果

cat /opt/modules/oozie-4.1.0-cdh5.7.0/oozie-apps/shell/1.log