Oozie简单配置与使用

1、Oozie英文翻译

　　驯象人
2、Oozie简介
　　一个基于工作流引擎的开源框架，由Cloudera公司贡献给Apache，提供对Hadoop Mapreduce、Pig Jobs的任务调度与协调。
　　Oozie需要部署到Java Servlet容器中运行。
3、Oozie在集群中扮演的角色
　　定时调度任务，多任务可以按照执行的逻辑顺序调度。
4、Oozie的功能模块
　　4.1、Workflow
　　　　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）
　　4.2、Coordinator
　　　　定时触发workflow
　　4.3、Bundle Job
　　　　绑定多个Coordinator
5、Oozie的节点
　　5.1、控制流节点（Control Flow Nodes）
　　　　控制流节点一般都是定义在工作流开始或者结束的位置，比如start,end,kill等。以及提供工作流的执行路径机制，
　　　　如decision,fork,join等。
　　5.2、动作节点（Action Nodes）
　　　　就是执行具体任务动作的节点。

6、Oozie的安装与部署

　　6.1上传（oozie-4.0.0-cdh5.3.6.tar.gz）并解压（tar -zxvf oozie-4.0.0-cdh5.3.6.tar.gz -C /opt/module/）

　　6.2上传ext-2.2.zip（可视化之类的工具）（不用解压）

　　6.3修改Hadoop配置文件修改( cd /opt/module/hadoop-2.5.0-cdh5.3.6/etc/hadoop)，完成后scp到其他机器节点

　　　　6.3.1修改core-site.xml（vim  core-site.xml ），在最后添加

　　　　　　　　　　　　<!-- Oozie Server的Hostname 允许代理的用户-->
                    <property>
                        <name>hadoop.proxyuser.jokerq.hosts</name>
                        <value>*</value>
                      </property>

                    <!-- 允许被Oozie代理的用户组 -->
                      <property>
                        <name>hadoop.proxyuser.jokerq.groups</name>
                            <value>*</value>
                      </property>

　　　　6.3.2配置JobHistoryServer服务（必须，如果原来已经不用配置，检查是否配置）

　　　　　　6.3.2.1修改mapred-site.xml（vim  mapred-site.xml），在最后添加

<!-- 配置 MapReduce JobHistory Server 地址 ，默认端口10020 -->
        <property>
                <name>mapreduce.jobhistory.address</name>
                <value>hadoop201:10020</value>
        </property>

        <!-- 配置 MapReduce JobHistory Server web ui 地址， 默认端口19888 -->
        <property>
                <name>mapreduce.jobhistory.webapp.address</name>
                <value>hadoop201:19888</value>
        </property>

　　　　　　6.3.2.2修改yarn-site.xml（vim  yarn-site.xml）（已经修改过），在最后添加

　　　　　　　　　　　　　　<!-- 任务历史服务 -->
                         <property> 
                            <name>yarn.log.server.url</name> 
                            <value>http://hadoop201:19888/jobhistory/logs/</value> 
                        </property> 

　　　　6.4同步到其他机器节点（同步整个etc文件操作）

　　　　　　

cd ../..
scp -r etc/ hadoop202:/opt/module/hadoop-2.5.0-cdh5.3.6/
scp -r etc/ hadoop203:/opt/module/hadoop-2.5.0-cdh5.3.6/

　　6.4开启Hadoop集群

　　　　$ sh ~/start-cluster.sh（启动脚本）
　　　　*尖叫提示：需要配合开启JobHistoryServer （启动命令：mr-jobhistory-daemon.sh start historyserver）

　　6.5  最好执行一个MR任务进行测试（在hadoop202中执行此命令（mapreduce机器））。

bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0-cdh5.3.6.jar wordcount /input/ /output111/

　　　　启动后在http://192.168.25.202:8088/中查看点击History跳转成功即可

　　

　　6.7解压oozie目录下的hadooplibs到oozie所在的目录（解压成功后文件夹会生成在oozie目录下hadooplibs/）

 tar -zxvf /opt/module/oozie-4.0.0-cdh5.3.6/oozie-hadooplibs-4.0.0-cdh5.3.6.tar.gz -C /opt/module/ 

　　6.8在oozie目录下创建创建libext文件夹（mkdir libext/）

　　6.9拷贝一些依赖的Jar包到libext目录下

　　　　6.9.1进入到hadooplibs下的hadooplib-2.5.0-cdh5.3.6.oozie-4.0.0-cdh5.3.6目录

cd /opt/module/oozie-4.0.0-cdh5.3.6/hadooplibs/hadooplib-2.5.0-cdh5.3.6.oozie-4.0.0-cdh5.3.6

　　　　6.9.2拷贝当前文件夹所有到libext目录下

cp * /opt/module/oozie-4.0.0-cdh5.3.6/libext/

　　　　6.9.3拷贝Mysql驱动包到libext目录下

cd /opt/software/mysql-connector-java-5.1.27

　　　　6.9.4拷贝驱动包

cp -a mysql-connector-java-5.1.27-bin.jar /opt/module/oozie-4.0.0-cdh5.3.6/libext/

　　6.10将ext-2.2.zip拷贝到libext/目录下

 cp -a /opt/software/ext-2.2.zip /opt/module/oozie-4.0.0-cdh5.3.6/libext/

　　6.11修改Oozie配置文件

　　　　6.11.1 进入oozie的conf目录下（cd /opt/module/oozie-4.0.0-cdh5.3.6/conf/）

　　　　6.11.2修改 （vim oozie-site.xml ）

修改以下name对应的value：
　　　　　　　　　　　　** JDBC驱动
                        oozie.service.JPAService.jdbc.driver
                        com.mysql.jdbc.Driver

                    ** Mysql的oozie数据库的配置 一会需要手动创建此oozie数据库
                        oozie.service.JPAService.jdbc.url
                        jdbc:mysql://192.168.25.201:3306/oozie

                    ** 数据库用户名
                        oozie.service.JPAService.jdbc.username
                        root

                    ** 数据库密码
                        oozie.service.JPAService.jdbc.password
                        123456

                    ** 让Oozie引用Hadoop的配置文件 修改路径为hadoop配置文件的路径
                        oozie.service.HadoopAccessorService.hadoop.configurations
                        *=/opt/module/hadoop-2.5.0-cdh5.3.6/etc/hadoop

　　6.12在Mysql中创建Oozie的数据库

　　　　6.12.1进入数据库( mysql -uroot -p123456)

　　　　6.12.2创建数据库(mysql> create database oozie;)

　　6.13初始化Oozie的配置

　　　　6.13.1上传Oozie目录下的yarn.tar.gz文件到HDFS（尖叫提示：yarn.tar.gz文件会自行解压）

cd /opt/module/oozie-4.0.0-cdh5.3.6/
bin/oozie-setup.sh sharelib create -fs hdfs://hadoop201:8020 -locallib oozie-sharelib-4.0.0-cdh5.3.6-yarn.tar.gz 
(执行成功之后，去50070检查对应目录有没有文件生成。)

 

　　　　6.13.2创建oozie.sql文件

bin/oozie-setup.sh db create -run -sqlfile oozie.sql

　　　　6.13.3打包项目，生成war包（Oozie停止状态）

bin/oozie-setup.sh prepare-war

　　6.14启动Oozie服务

　bin/oozied.sh start
（关闭Oozie服务：$ bin/oozied.sh stop）

　　6.15访问Oozie的Web页面

案例

一、案例一    使用Oozie调度Shell脚本

1.进入（cd /opt/module/oozie-4.0.0-cdh5.3.6/）

2.解压官方案例模板

tar -zxvf oozie-examples.tar.gz

3.    创建oozie-apps文件夹（mkdir oozie-apps）

4.拷贝文件到文件夹下

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

5.进入文件夹（cd  oozie-apps/shell/）

6.随便编写一个脚本p1.sh  （vi p1.sh），添加如下测试内容

#!/bin/bash
/usr/sbin/ifconfig > /tmp/p1.log

7.编辑job.properties（ vim job.properties ）修改如下内容

8.修改workflow.xml   （vim   workflow.xml）

(<file>/ser/jokerq/oozie-apps/shell/${EXEC}#${EXEC}</file>)

9.上传任务配置

/opt/module/hadoop-2.5.0-cdh5.3.6/bin/hdfs dfs -put /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps /user/jokerq

10.执行任务

cd /opt/module/oozie-4.0.0-cdh5.3.6/
bin/oozie job -oozie http://hadoop201:11000/oozie -config oozie-apps/shell/job.properties -run

 

在mapreduce的8088可以查看

11.想要杀死某个任务

bin/oozie job -oozie http://hadoop201:11000/oozie -kill 0000000-181230182825159-oozie-joke-W

案例二   执行多个Job调度

 1.解压官方案例模板，创建文件夹等操作（上面已经执行）

2.   进入（cd /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps/shell）

3.创建测试脚本p1.sh(vim p1.sh)，添加如下

#!/bin/bash
/usr/bin/date > /tmp/p1.log

4.创建测试脚本p2.sh(vim p2.sh)，添加如下

#!/bin/bash
/usr/bin/date > /tmp/p2.log

5.编辑job.properties

6.编辑workflow.xml（添加一个action，一个action对应一个脚本）

7.上传

（先删除上个案例留下的）/opt/module/hadoop-2.5.0-cdh5.3.6/bin/hdfs dfs -rmr /user/jokerq/oozie-apps

/opt/module/hadoop-2.5.0-cdh5.3.6/bin/hdfs dfs -put /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps /user/jokerq

8.执行

cd /opt/module/oozie-4.0.0-cdh5.3.6/
bin/oozie job -oozie http://hadoop201:11000/oozie -config oozie-apps/shell/job.properties -run

 

案例三 调度MapReduce任务

1.先编写一个可以运行的MR任务的.jar包（此处拷贝mapredurce的例子jar包）

cp -a /opt/module/hadoop-2.5.0-cdh5.3.6/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0-cdh5.3.6.jar /opt/module/oozie-4.0.0-cdh5.3.6/

2.进入 oozie目录(  cd /opt/module/oozie-4.0.0-cdh5.3.6/)

3.拷贝官方模板到oozie-apps

cp -r /opt/module/oozie-4.0.0-cdh5.3.6/examples/apps/map-reduce/ /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps/

4.测试一下wordcount在yarn中的运行

/opt/module/hadoop-2.5.0-cdh5.3.6/bin/yarn jar hadoop-mapreduce-examples-2.5.0-cdh5.3.6.jar wordcount /input/ /ouput111/

5.配置job.properties(cd oozie-apps/map-reduce/   --->>>   vim job.properties )

6.配置workflow.xml (vim workflow.xml)

<workflow-app xmlns="uri:oozie:workflow:0.2" name="map-reduce-wf">
                            <start to="mr-node"/>
                            <action name="mr-node">
                                <map-reduce>
                                    <job-tracker>${jobTracker}</job-tracker>
                                    <name-node>${nameNode}</name-node>
                                    <prepare>
                                        <delete path="${nameNode}/output/"/>
                                    </prepare>
                                    <configuration>
                                        <property>
                                            <name>mapred.job.queue.name</name>
                                            <value>${queueName}</value>
                                        </property>
                                        <!-- 配置调度MR任务时，使用新的API -->
                                        <property>
                                            <name>mapred.mapper.new-api</name>
                                            <value>true</value>
                                        </property>

                                        <property>
                                            <name>mapred.reducer.new-api</name>
                                            <value>true</value>
                                        </property>

                                        <!-- 指定Job Key输出类型 -->
                                        <property>
                                            <name>mapreduce.job.output.key.class</name>
                                            <value>org.apache.hadoop.io.Text</value>
                                        </property>

                                        <!-- 指定Job Value输出类型 -->
                                        <property>
                                            <name>mapreduce.job.output.value.class</name>
                                            <value>org.apache.hadoop.io.IntWritable</value>
                                        </property>

                                        <!-- 指定输入路径 -->
                                        <property>
                                            <name>mapred.input.dir</name>
                                            <value>/input/</value>
                                        </property>

                                        <!-- 指定输出路径 -->
                                        <property>
                                            <name>mapred.output.dir</name>
                                            <value>/output/</value>
                                        </property>

                                        <!-- 指定Map类 -->
                                        <property>
                                            <name>mapreduce.job.map.class</name>
                                            <value>org.apache.hadoop.examples.WordCount$TokenizerMapper</value>
                                        </property>

                                        <!-- 指定Reduce类 -->
                                        <property>
                                            <name>mapreduce.job.reduce.class</name>
                                            <value>org.apache.hadoop.examples.WordCount$IntSumReducer</value>
                                        </property>

                                        <property>
                                            <name>mapred.map.tasks</name>
                                            <value>1</value>
                                        </property>
                                        
                                    </configuration>
                                </map-reduce>
                                <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>

7.拷贝待执行的jar包到map-reduce的lib目录下

cp -a /opt/module/oozie-4.0.0-cdh5.3.6/hadoop-mapreduce-examples-2.5.0-cdh5.3.6.jar ./lib

8.上传配置好的app文件夹到HDFS

 /opt/module/hadoop-2.5.0-cdh5.3.6/bin/hdfs dfs -put /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps/map-reduce/  /user/jokerq/oozie-apps

9.执行任务

cd /opt/module/oozie-4.0.0-cdh5.3.6/
bin/oozie job -oozie http://hadoop201:11000/oozie -config oozie-apps/map-reduce/job.properties -run

案例四 Coordinator周期性调度任务

1.配置Linux时区为+0800(在设置集群同步时间时设置的上海时间)

2.改oozie-default.xml文件(cd /opt/module/oozie-4.0.0-cdh5.3.6/conf    --->>>     vim oozie-default.xml ),修改oozie的时区为GMT+0800：

 

3.修改js框架中的关于时间设置的代码

vi /opt/module/oozie-4.0.0-cdh5.3.6/oozie-server/webapps/oozie/oozie-console.js

4.重启oozie服务，并重启浏览器（一定要注意清除缓存）

cd /opt/module/oozie-4.0.0-cdh5.3.6/
$ bin/oozied.sh stop
$ bin/oozied.sh start

5.拷贝官方模板配置定时任务

cp -r /opt/module/oozie-4.0.0-cdh5.3.6/examples/apps/cron/ /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps/

 6.进入目录

cd /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps/cron

7.修改 job.properties

nameNode=hdfs://hadoop201:8020
jobTracker=hadoop202:8032
queueName=default
examplesRoot=oozie-apps

oozie.coord.application.path=${nameNode}/user/${user.name}/${examplesRoot}/cron
start=2018-12-31T21:30+0800
end=2019-1-1T21:30+0800
workflowAppUri=${nameNode}/user/${user.name}/${examplesRoot}/cron

EXEC1=p1.sh
EXEC2=p2.sh

8.修改coordinator.xml

9.修改workflow.xml

<workflow-app xmlns="uri:oozie:workflow:0.5" name="one-op-wf">
 <start to="p1-shell-node"/>
    <action name="p1-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>${queueName}</value>
                </property>
            </configuration>
            <exec>${EXEC1}</exec>
            <file>/user/jokerq/oozie-apps/shell/${EXEC1}#${EXEC1}</file>
            <!-- <argument>my_output=Hello Oozie</argument>-->
            <capture-output/>
        </shell>
        <ok to="p2-shell-node"/>
        <error to="fail"/>
    </action>

    <action name="p2-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>${queueName}</value>
                </property>
            </configuration>
            <exec>${EXEC2}</exec>
            <file>/user/jokerq/oozie-apps/shell/${EXEC2}#${EXEC2}</file>
            <!-- <argument>my_output=Hello Oozie</argument>-->
            <capture-output/>
        </shell>
        <ok to="end"/>
        <error to="fail"/>
    </action>
    <decision name="check-output">
        <switch>
            <case to="end">
                ${wf:actionData('shell-node')['my_output'] eq 'Hello Oozie'}
            </case>
            <default to="fail-output"/>
        </switch>
    </decision>
    <kill name="fail">
        <message>Shell action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
    </kill>
    <kill name="fail-output">
        <message>Incorrect output, expected [Hello Oozie] but was [${wf:actionData('shell-node')['my_output']}]</message>
    </kill>
    <end name="end"/>
</workflow-app>

10.创建p1.sh和p2.sh测试脚本（同上一个测试脚本内容）

11.上传配置，启动任务(未完全成功，有bug残留（提示时间格式不正确）)

 /opt/module/hadoop-2.5.0-cdh5.3.6/bin/hdfs dfs -put /opt/module/oozie-4.0.0-cdh5.3.6/oozie-apps/cron/ /user/jokerq/oozie-apps

cd /opt/module/oozie-4.0.0-cdh5.3.6/
bin/oozie job -oozie http://hadoop201:11000/oozie -config oozie-apps/cron/job.properties -run

小问题总结：
1、Mysql权限配置
2、workflow.xml配置的时候不要忽略file属性
3、jps查看进程时，注意有没有bootstrap
4、关闭oozie
** bin/oozied.sh stop）如果无法关闭，则可以使用kill
** kill -9 11111
oozie-server/temp/xxx.pid文件一定要删除
5、Oozie重新打包时，一定要注意先关闭进程，删除对应文件夹下面的pid文件。（可以参考第4条目）
6、配置文件一定要生效
** 起始标签和结束标签无对应则不生效
** 配置文件的属性写错了，那么则执行默认的属性。
7、libext下边的jar存放于某个文件夹中，导致share/lib创建不成功
8、-rmr share/lib这样是不行的。 rm -rmr /user/admin这样删除是错误的。
9、调度任务时，找不到指定的脚本，可能是oozie-site.xml里面的Hadoop配置文件没有关联上
10、修改Hadoop配置文件，需要重启集群。一定要记得scp到其他节点
11、JobHistoryServer必须开启，集群要重启的。
12、Mysql配置如果没有生效的话，默认使用derby数据库
13、在本地修改完成的job配置，必须重新上传到HDFS
14、将HDFS上面的配置文件，下载下来查看是否有错误。
15、Linux用户名和Hadoop的用户名不一致。