本文主要是介绍Oozie原理篇，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1 基本概念
（1）目前计算框架和作业类型繁多：MapReduce Java、Streaming、HQL、Pig等。
（2）如何对这些框架和作业进行统一管理和调度：
① 不同作业之间存在依赖关系（DAG：有向无环图，指定了作业之间的调度关系）；
② 周期性作业；
③ 定时执行的作业；
④ 作业执行状态监控与报警。
（3）多种解决方案
① crontab（crontab文件包含送交cron守护进程的一系列作业和指令。每个用户可以拥有自己的crontab文件；同时，操作系统保存一个针对整个系统的crontab文件，该文件通常存放于/etc或者/etc之下的子目录中，而这个文件只能由系统管理员来修改）；
② 自己设计调度系统；
③ 直接使用开源系统。
2 Hadoop作业流调度系统基本功能
（1）对常见作业类型进行调度
① MapReduce（Java、Streaming等）作业；
② Hive作业；
③ Pig作业；
④ Shell …
（2）根据需要对作业进行调度
① 按周期调度；
② 定时调度。
（3）支持容错与报警
任务的重启；任务失败的报警等。
（4）可视化作业流运行过程
可视化作业流，当前执行到哪个作业了，作业流当前的状态等。
3 常见的开源作业流调度系统
（1）Oozie（目前大多数企业都在用这个，所以本文接下来主要对Oozie进行讲述）
Yahoo开源，基于xml表达作业依赖关系。
（2）Azkaban
Linkedin开源，通过java property配置作业依赖关系。
（3）Zeus（宙斯）
阿里开源，通过界面配置作业依赖关系。目前已经停止维护了。
（4）其他开源系统
Cascading（通过Java API编程实现作业依赖关系）。
4 Oozie
4.1 Oozie简介
（1）Oozie是用于Hadoop 平台的开源的工作流调度引擎；
（2）用来管理Hadoop作业；
（3）属于web应用程序，由Oozie client和Oozie server两个组件构成；
（4）Oozie server运行于Java Servlet容器（Tomcat）中的web程序；
（5）Oozie以action为基本任务单位，可以将多个action构成一个DAG图（有向无环图Direct Acyclic Graph）的模式进行运行；
（6）Oozie工作流通过HPDL（一种通过XML自定义处理的语言）来构造Oozie的工作流；
（7）一个Oozie服务器主要包括四个服务：Oozie workflow、Oozie coordinator、Oozie bundlehe Oozie SLA（Service level agreement ，Oozie服务水平协议）。
4.2 Oozie四大组件
（1）Oozie workflow：该组件用于定义和执行一个特定顺序的MapReduce、Hive和Pig作业等；
（2）Oozie coordinator：该组件用于支持基于事件、系统资源存在性等条件的workflow的自动化执行；（简单地理解为工作流的协调器，可以将多个workflow工作流协调成一个coordinator工作流来进行处理）
（3）Oozie bundle：该引擎可以定义和执行“一束”应用，从而提供一个批量化的方法，将一组coordinator应用程序一起进行管理；
（4）Oozie服务水平协议（Service Level Agreement，SLA）：该组件支持workflow应用程序执行过程的记录跟踪。
4.3 Oozie架构
（1）左侧：Oozie 通过 Tomcat Http Server 对外提供了 JAVA API 、REST API 、CLI(终端) 、Web 接口（hue） ；产生的数据存储在 Oozie object dstabase 上；
（2）中间：Oozie 的三层结构；
（3）右侧：Oozie 的 Coordinator Engine 协调引擎 能够监控基于 Time-based triggers 和 HDFS 上的 Data-based triggers；每一个 Oozie Job 都是一个只有 Map Task 的 MapReduce 程序。
4.3.1 workflow
（1）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。
（2）作业流由一组行为节点（Hadoop MR作业、Hive作业等）构成，且这些节点通过控制流相连。
① 工作流控制节点定义了工作流的起始和结束，并控制工作流的执行路径；
② 行为节点包含一个计算/处理任务，包括：Hadoop MapReduce，HDFS，Pig，SSH，HTTP，eMail等；可设置重试次数。
（3）Oozie工作流执行图
（4）workflow工作流生命周期
（5）workflow工作流状态转换图
（6）workflow流控制节点
（7）workflow行为节点
① workflow默认支持的action动作
② workflow扩展action动作 
（8）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：
① 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，会执行回调通知Oozie。
② 轮询：Oozie不停地去查询任务执行的完成状态。如果由于网络故障回调机制失败，也会使用轮询的方式去获取任务的状态。
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。
（9）workflow规则
① job.properties：定义workflow作业的配置信息；（内容形式为key=value）
② workflow.xml：定义作业的执行工作流，是一个有定义规则的xml文件；
③ 三方库：将依赖的.jar和.so放到lib/目录下；
④ 程序目录结构如下：
4.3.2 coordinator
（1）定期执行一个工作流；
（2）数据准备完毕后执行一个工作流。 
4.3.3 bundle
（1）Oozie bundle是顶层抽象，允许将一组coordinator任务打包成为一个bundle任务；
（2）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；
（3）bundle中不支持它的coordinator应用程序之间的显示依赖关系，如果需要定义依赖关系，可以在coordinator中通过输入输出事件来指定依赖。
4.3.4 提交作业流
（1）步骤1：将工作流文件上传到HDFS上;
hadoop fs -put ~/map-reduce map-reduce；
（2）步骤2：运行工作流；
Oozie job -Oozie http://oracle:11000/Oozie/ -config ~/map-reduce/job.properties –run
……
job: 14-20140325161321-Oozie-ninj
（3）查看工作流运行状态
Oozie job -info 14-20140325161321-Oozie-ninj -Oozie http://oracle:11000/Oozie/
4.4 作用
（1）统一调度Hadoop系统中常见的MR任务启动、HDFS操作、Shell调度、Hive操作等；
（2）使用复杂的依赖关系、事件触发、时间触发使用xml语言进行表达，开发效率提高；
（3）一组任务使用一个DAG来表示，使用图形表达流程逻辑更加清晰；
（4）支持很多种任务调度，能完成大部分Hadoop任务处理；
（5）程序定义支持EL常量和函数，表达更加丰富。
4.5 总结
（1）Oozie是管理Hadoop作业的工作流调度系统；
（2）Oozie的工作流是一系列的操作图；
（3）Oozie协调作业是通过时间（频率）以及有效数据触发当前的Oozie工作流程；
（4）Oozie是针对Hadoop开发的开源工作流引擎，专门针对大规模复杂工作流程和数据管道设计；
（5）Oozie围绕两个核心：工作流和协调器，前者定义任务的拓扑和执行逻辑，后者负责工作流的依赖和触发。
参考文章：
[1] https://blog.csdn.net/g11d111/article/details/74538789
[2] https://www.cnblogs.com/jzdwajue/p/7223657.html
[3] https://blog.csdn.net/carolzhang8406/article/details/79159391
[4] https://www.cnblogs.com/cenzhongman/p/7229387.html?yyue=a21bo.50862.201879
[5] https://blog.csdn.net/weixin_39198774/article/details/79412726
[6] https://blog.csdn.net/nsrainbow/article/details/43746111
这篇关于Oozie原理篇的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
