Hadoop生态圈之Oozie（一）

Apache Oozie

​ Oozie 是一个用来管理 Hadoop 生态圈 job 的工作流调度系统。由 Cloudera 公司贡献给 Apache。 Oozie 是运行于 Java servlet 容器上的一个 java web 应用。 Oozie 的目的是按照 DAG（有向无环图） 调度一系列的 Map/Reduce 或者 Hive 等任务。 Oozie 工作流由 hPDL（Hadoop Process Definition Language）定义 （这是一种 XML 流程定义语言）。

Oozie 的架构

 

• Oozie Client

  • 提供命令行、 java api、 rest 等方式，对 Oozie 的工作流流程的提交、启动、运行等操作；

• Oozie WebApp

  • 即 Oozie Server,本质是一个 java 应用。可以使用内置的 web 容器， 也可以使用外置的 web 容器；

• Hadoop Cluster：

  • 底层执行 Oozie 编排流程的各个 hadoop 生态圈组件；

Oozie 基本原理

​ Oozie 对工作流的编排， 是基于 workflow.xml 文件来完成的。用户预先将工作流执行规则定制于 workflow.xml 文件中，并在 job.properties 配置相关的参数， 然后由 Oozie Server 向 MR 提交 job 来启动工作流。

 

Oozie 工作流类型

• Workflow

  • 规则相对简单，不涉及定时、批处理的工作流。顺序执行流程节点。

  • workflow有个大缺点：没有定时和条件触发功能

   

• Coordinator

  • Coordinator 将多个工作流 Job 组织起来，称为 Coordinator Job，并指定触发时间和频率，还可以配置数据集、并发数等，类似于在工作流外部增加了一个协调器来管理这些工作流的工作流 Job 的运行。

 

• Bundle

  • 针对 coordinator 的批处理工作流。

  • Bundle 将多个 Coordinator 管理起来，这样我们只需要一个 Bundle 提交即可。