扩展Oozie
在前面的两篇文章中[1，2]，我们描述了Oozie工作流服务器，并且展示了几个工作流的示例。我们还描述了针对Oozie的工作流的部署和配置，以及用来启动、停止和监控Oozie工作流的工具。
在本文中，我们会向你展示Oozie的可扩展性，并说明它是如何支持我们实现自定义的、协同工作的语言扩展。
为什么需要自定义节点（Custom Node）？
正如我们在文章[1]中所说明的，Oozie之所以与众不同，是因为它提供了一种“最小化”的工作流语言，其中只包含少数几种控制和动作节点。尽管其中的一种动作节点是java动作节点，它让我们可以从Oozie工作流调用任意一个带有main方法的java类，但这种方法并非总是最佳的。原因之一就在于，java动作是在Hadoop簇集中作为map-reduce作业执行的，并且只带有唯一的Mapper任务。一方面，这带来了很多好处：
- 它拥有内建的可伸缩性以及对map/reduce框架的灾难恢复支持，这样我们就不必这些特性构建到Oozie中。
- 外部执行机制，这让Oozie引擎变得更轻量级，从而可以支持更多并发运行的过程。
另一方面，这种方法也有一些缺点：
- 它把每个java节点都作为mapper任务启动，这会导致在Hadoop簇集中启动新的JVM而产生额外的开销。
- 在外部执行java类导致了额外的网络传输，用于与Oozie服务器同步这些执行结果。
- 从java节点传递参数成了非常耗费资源的操作。
尽管如此，在运行时间相对较长（几分钟甚至几小时）的map/reduce或者Pig作业中，好处会大大超过负载的缺点，但是，在简单的java节点中（参见[2]），我们就需要注意外部执行所导致的开销了。所以，使用自定义动作节点的原因之一，就是为了支持在Oozie的执行上下文中直接执行轻量级的java类[1]。
使用自定义动作的另一个原因是为了提高工作流的语义和可读性。由于Oozie是一种支持基于Hadoop处理组件的工作流引擎，所以它的语法完全是以Hadoop执行为中心的——Hadoop文件系统、map/reduce、Pig等等。这种语法能够很好地符合Hadoop开发者的习惯，但是并没有涉及到太多关于给定动作的功能信息。我们可以为动作本身制定与业务相关的命名转换规则，但这只是特别用来解决问题的——对动作的命名只反映了给定过程的语法，既不是总体上的主题领域，也不能解决动作参数的问题，那些问题仍然只能由开发者来解决。
幸运的是，Oozie支持非常棒的扩展机制——自定义动作节点[3]，它让我们可以很容易地解决这两个问题。自定义的动作节点让我们可以使用附加的动作（动词）来扩展Oozie的语言。Oozie的动作节点可以是同步的，也可以是异步的。
- 同步节点——它在Oozie内部执行，在继续执行之前会等待这些节点完成动作。这些节点是为轻量级的任务所用的，像自定义计算，文件系统的移动、创建目录、删除等等。
- 异步节点——它是由Oozie启动的，但是在Oozie引擎的外部执行，它会监控正在执行的动作，直到完成。这是通过动作的回调或者Oozie针对动作状态的polling操作完成的。
实现Oozie自定义动作处理程序
在这个例子中，我们会对独立的邮件程序进行转换，并展现到自定义的email动作中[2]（代码1）。
package com.navteq.assetmgmt.oozie.custom;
import java.util.Properties;
import java.util.StringTokenizer;
import javax.mail.Message;
import javax.mail.Session;
import javax.mail.Transport;
import javax.mail.internet.InternetAddress;
import javax.mail.internet.MimeMessage;
import org.apache.oozie.ErrorCode;
import org.apache.oozie.action.ActionExecutor;
import org.apache.oozie.action.ActionExecutorException;
import org.apache.oozie.action.ActionExecutorException.ErrorType;
import org.apache.oozie.client.WorkflowAction;
import org.apache.oozie.util.XmlUtils;
import org.jdom.Element;
import org.jdom.Namespace;
public class EmailActionExecutor extends ActionExecutor {
private static final String NODENAME = "eMail";
private static final String SUCCEEDED = "OK";
private static final String FAILED = "FAIL";
private static final String KILLED = "KILLED";
private static final String DEFAULMAILSERVER = "imailchi.navtech.com";
private static final String EMAILSERVER = "emailServer";
private static final String SUBJECT = "emailSubject";
private static final String MESSAGE = "emailBody";
private static final String FROM = "emailFrom";
private static final String TO = "emailTo";
public EmailActionExecutor() {
super(NODENAME);
}
@Override
public void check(Context context, WorkflowAction action) throws ActionExecutorException {
// Should not be called for synch operation
throw new UnsupportedOperationException();
}
@Override
public void end(Context context, WorkflowAction action)throws ActionExecutorException {
String externalStatus = action.getExternalStatus();
WorkflowAction.Status status = externalStatus.equals(SUCCEEDED) ?
WorkflowAction.Status.OK : WorkflowAction.Status.ERROR;
context.setEndData(status, getActionSignal(status));
}
@Override
public boolean isCompleted(String arg0) {
return true;
}
@Override
public void kill(Context context, WorkflowAction action) throws ActionExecutorException {
context.setExternalStatus(KILLED);
context.setExecutionData(KILLED, null);
}
@Override
public void start(Context context, WorkflowAction action) throws ActionExecutorException {
// Get parameters from Node configuration
try{
Element actionXml = XmlUtils.parseXml(action.getConf());
Namespace ns = Namespace.getNamespace("uri:custom:email-action:0.1");
String server = actionXml.getChildTextTrim(EMAILSERVER, ns);
String subject = actionXml.getChildTextTrim(SUBJECT, ns);
String message = actionXml.getChildTextTrim(MESSAGE, ns);
String from = actionXml.getChildTextTrim(FROM, ns);
String to = actionXml.getChildTextTrim(TO, ns);
// Check if all parameters are there
if(server == null)
server = DEFAULMAILSERVER;
if((message == null) || (from == null) || (to == null))
throw new ActionExecutorException(ErrorType.FAILED,
ErrorCode.E0000.toString(), "Not all parameters are defined");
// Execute action synchronously
SendMail(server, subject, message, from, to);
context.setExecutionData(SUCCEEDED, null);
}
catch(Exception e){
context.setExecutionData(FAILED, null);
throw new ActionExecutorException(ErrorType.FAILED,
ErrorCode.E0000.toString(), e.getMessage());
}
}
// Sending an email
public void SendMail(String server, String subject, String message,
String from, String to) throws Exception {
// create some properties and get the default Session
Properties props = new Properties();
props.setProperty("mail.smtp.host", server);
Session session = Session.getDefaultInstance(props, null);
// create a message
Message msg = new MimeMessage(session);
// set the from and to address
InternetAddress addressFrom = new InternetAddress(from);
msg.setFrom(addressFrom);
// To is a comma separated list
StringTokenizer st = new StringTokenizer(to, ",");
String [] recipients = new String[st.countTokens()];
int rc = 0;
while(st.hasMoreTokens())
recipients[rc++] = st.nextToken();
InternetAddress[] addressTo = new InternetAddress[recipients.length];
for (int i = 0; i < recipients.length; i++){
addressTo[i] = new InternetAddress(recipients[i]);
}
msg.setRecipients(Message.RecipientType.TO, addressTo);
// Setting the Subject and Content Type
msg.setSubject(subject);
msg.setContent(message, "text/plain");
Transport.send(msg);
}
}
代码1： Email自定义动作
这个实现对ActionExecutor[2]类（由Oozie提供）进行了扩展，并重写了一些必要的方法。因为邮件的发送过程是一种非常快速的操作，所以我们决定将其实现为同步的动作处理程序，那意味着它会在Oozie的执行上下文中执行。
我们的实现（代码1）遵循了Oozie文档并实现了所有必需的方法：
- 对于所有自定义动作处理程序都需要没有参数的构造函数。这个构造函数会注册动作处理程序的名称（使用动作名称来调用父类），我们会在工作流XML中使用它。
- 我们可以使用InitActionType[3]方法来注册执行动作时可能发生的异常，以及它们的类型和错误信息，并为执行程序本身执行初始化操作。
- Start方法是用来启动动作的执行操作的。因为我们实现的是同步动作，所以整个动作都会在此执行。这个方法是由Oozie调用的，它有两个参数：Context和WorkflowAction。Context参数提供了对Oozie工作流执行上下文的访问，其中主要包含了工作流的变量，并提供了对其进行操作的非常简单的API（set、get）[4]。而WorkflowAction则提供了Oozie对当前动作的定义。
- 还有Check方法，Oozie会使用它来检查动作的状态。它不能作为同步动作来调用。
- Kill方法，可以用来中断运行的作业或者动作。
- End方法，可以用于所有清理动作，或者用于可能在完成动作之后所要做的处理。它还需要设置执行的结果。
部署并使用Oozie自定义动作处理程序
实现了自定义的动作执行方式之后，我们需要为新的email动作定义XML模式[5]（代码2）。
<?xml version="1.0" encoding="UTF-8"?> <xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:email="uri:custom:email-action:0.1" elementFormDefault="qualified" targetNamespace="uri:custom:email-action:0.1"> <xs:complexType name="EMAIL"> <xs:sequence> <xs:element name="emailServer" type="xs:string" minOccurs="0" maxOccurs="1" /> <xs:element name="emailSubject" type="xs:string" /> <xs:element name="emailFrom" type="xs:string" /> <xs:element name="emailTo" type="xs:string" /> <xs:element name="emailBody" type="xs:string" /> </xs:sequence> </xs:complexType><xs:element name="eMail" type="email:EMAIL"></xs:element>
</xs:schema>
代码2： 为email组件所用的XML schema
自定义动作节点和XML schema文件都需要打包在单独的jar文件中，比方说emailAction.Jar。我们可以使用Oozie的oozie-setup.sh脚本执行下面的命令，从而把这个（以及其他所有）jar文件添加到Oozie的war文件中。
$ bin/oozie-setup.sh -jars emailAction.jar:mail.jar (See Adding Jars to Oozie)
代码3： 部署命令
| 向Oozie添加Jar文件 你要知道，Cloudera推荐的oozie-setup.sh命令行会重新构建你的war文件，并且， 如果你使用网页来监控作业，那么就会丢失java的脚本扩展。在测试方面，我们难以同时包含-extjs和-jars选项。作为权宜之计，我们会把jar文件复制到${CATALINA_BASE}/webapps/oozie/WEB-INF/lib中，其中${CATALINA_BASE}代表的是/var/lib/oozie/oozie-server。请注意，这里存在一定的风险，如果其他人重新构建了war文件，那么你就会丢失这些扩展，并且他们以后需要手动添加。对于测试来说，我们建议复制jar文件，然而，对于生产环境，我们建议把jar添加到war文件中。 |
现在我们需要把关于自定义执行器的信息注册到Oozie的运行时中。这是通过扩展oozie-site.xml完成的[6]。我们可以通过在Oozie配置文件oozie-site.xml中添加或者修改“oozie.service.ActionService.executor.ext.classes”[7]来注册自定义动作本身（代码4）。
…………………………………… <property> <name>oozie.service.ActionService.executor.ext.classes</name> <value>com.navteq.assetmgmt.oozie.custom. EmailActionExecutor </value> </property> ……………………………………
代码4： 自定义执行配置
为新动作（代码2）所用的XML schema应该添加到oozie-site.xml中，位于属性“oozie.service.WorkflowSchemaService.ext.schemas”[8]之下（代码5）。
……………………………………… <property> <name>oozie.service.SchemaService.wf.ext.schemas</name> <value> emailAction.xsd</value> </property> …………………………………
代码5： 自定义模式配置
最后，Tomcat启动之后，我们就可以在工作流中使用自定义的动作节点了。
为了测试我们的实现，我们创建了简单的工作流（代码6），它会使用我们的执行器来发送email。
<!-- Copyright (c) 2011 NAVTEQ! Inc. All rights reserved. Test email Oozie Script --> <workflow-app xmlns='uri:oozie:workflow:0.1' name='emailTester'> <start to='simpleEmail'/> <action name='simpleEmail'> <eMail xlmns=“ uri:custom:email-action:0.1”> <emailSubject>test</emailSubject> <emailFrom>mike.segel@<mycompany>.com</emailFrom> <emailTo>boris.lublinsky@<mycompany>.com</emailTo> <emailMessage>This is a test message, if you can see this, Mikey did something right! :)</emailMessage> </eMail> <error to="fail"/> <ok to="end"/> </action> <kill name="fail"> <message>Workflow failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message> </kill> <end name='end'/> </workflow-app>
代码6： 使用email自定义动作执行器的简单工作流
结论
在这篇文章中，我们展示了如何通过创建自定义的动作执行器来扩展Oozie。这样做让我们可以定义和实现部门或者企业专用的Oozie语言（领域专用语言），其中具有部门或者企业的功能。这样的领域专用语言能够简化特定部门或者企业的构建过程，并提高代码的可读性。
尽管Oozie相对还不够成熟，但是它已经为处理包含多个map/reduce作业、并且能够向总体的业务过程添加非map-reduce作业的过程提供了基本的框架。随着越来越多的用户使用Oozie并提供反馈，我们相信它有足够的潜力，可以成为Hadoop环境中强大的集成部分。
对于Oozie来说，还有很多我们没有在这三篇文章中包含的内容。我们只是期望它们可以引起你对Oozie工作流引擎的足够兴趣，并且能够成为进一步研究Oozie的不错的起点。
参考信息
- Boris Lublinsky, Mike Segel. Introduction to Oozie.
- Boris Lublinsky, Mike Segel. Oozie by Example
- Oozie custom Action Nodes
- Oozie source code
关于作者
Boris Lublinsky是NAVTEQ公司的首席架构师，在这家公司中他的工作是为大型数据管理和处理、SOA以及实现各种NAVTEQ的项目定义架构的愿景。他还是InfoQ的SOA编辑，以及OASIS的SOA RA工作组的参与者。Boris是一位作者，还经常发表演讲，他最新的一本书是《Applied SOA》。
Michael Segel在过去二十多年间一直与客户写作，识别并解决他们的业务问题。Michael已经作为多种角色、在多个行业中工作过。他是一位独立顾问，总是期望能够解决所有有挑战的问题。Michael拥有俄亥俄州立大学的软件工程学位。
[1] 这种类的例子可能是各种计数器操作、简单的计算等等。
[2] 所有Oozie动作执行器都是Oozie分发程序的一部分，它们都是通过扩展这个类实现的。
[3] 在我们的实现中，我们使用的是默认的实现，这样就是为什么没有在代码中展现的原因。你可以查看一下Oozie的源代码[4]，就可以知道在现存的Oozie动作处理程序中是如何实现这个方法的。
[4] 配置自定义执行器有两种方式——工作流变量和/或动作配置。在我们的例子中展示的是后者，但是在实际情况中，实际上总是二者的组合。
[5] 确保不仅要定义复杂的类型，还要对元素进行定义。那是Oozie所期望的。
[6] 通常在Oozie的分发包中叫做oozie-default.xml。
[7] 对于多个执行器，类名应该以逗号分隔。
[8] 对于多次执行，我们可以为多种模式使用逗号分隔的列表。
查看英文原文：Extending Oozie
给InfoQ中文站投稿或者参与内容翻译工作，请邮件至[email protected]。也欢迎大家加入到InfoQ中文站用户讨论组中与我们的编辑和其他读者朋友交流。