oozie安装及简单使用
来源：互联网 发布：编程 网页开发 编辑：程序博客网 时间：2024/05/24 07:42
Oozie安装包好小。。。。通过编译在线下载的
安全模式理解
离开安全模式方法
bin/Hadoop dfsadmin -safemode leave
问题导读：
1.怎样安装Oozie？
2.怎样配置任务流程？
3.spark 提交和spark on yarn 方式的区别是什么？
软件版本：
Oozie4.2.0，Hadoop2.6.0，Spark1.4.1，Hive0.14，Pig0.15.0，Maven3.2，JDK1.7，zookeeper3.4.6，HBase1.1.2，MySQL5.6
集群部署：
node1~4.centos.com node1~4 192.168.0.31~34 1G*4 内存 1核*4 虚拟机
node1:NameNode 、ResourceManager；
node2：SecondaryNameNode、Master、HMaster、HistoryServer、JobHistoryServer
node3：oozie-server（tomcat）、DataNode、NodeManager、HRegionServer、Worker、QuorumPeerMain
node4：DataNode、NodeManager、HRegionServer、Worker、Pig client、Hive Client、HiveServer2、QuorumPeerMain、mysql
- 编译Oozie4.2.0
1.1 编译环境准备
使用tomcat7，而不是tomcat6的下载地址：
1）下载压缩包oozie-4.2.0.tar.gz,并解压缩到/usr/local/oozie目录
2）修改pom.xml
/usr/local/oozie/oozie-4.2.0/distro/pom.xml
export MAVEN_HOME=/opt/maven export PATH=$PATH:$MAVEN_HOME/bin 保存退出后执行命令：
[html] view plain copy
source /etc/profile
修改maven setting.xml, 使用开源中国的镜像，加快速度（该镜像不是很全，若发现某些库被屏蔽了建议修改mirrorOf项，这里不用关心）
[html] view plain copy
<mirror> <id>nexus-osc</id> <name>OSChina Central</name> <url>http://maven.oschina.net/content/groups/public/</url> <mirrorOf>*</mirrorOf> </mirror> 下载oozie的master(为4.3.0-SNAPSHOT源码，解压)
[html] view plain copy
cd ~/download
git https://github.com/apache/oozie.git
cd oozie
2.4）修改主目录中的pom.xml,有以下位置要改：
1.8
<property> <name>hadoop.proxyuser.[USER].hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.[USER].groups</name> <value>*</value> </property>其中，[USER]需要改为后面启动oozie tomcat的用户
不重启hadoop集群，而使配置生效
[Bash shell] 纯文本查看 复制代码
hdfs dfsadmin -refreshSuperUserGroupsConfiguration
yarn rmadmin -refreshSuperUserGroupsConfiguration
1.4 配置Oozie
（由于是在node3上部署oozie，所以把下面的压缩包拷贝到node3上）
1） 取得压缩包:
[Bash shell] 纯文本查看 复制代码
oozie-4.2.0/distro/target/oozie-4.2.0-distro.tar.gz
2） 解压缩：
[Bash shell] 纯文本查看 复制代码
tar -zxf oozie-4.2.0-distro.tar.gz
3）在oozie-4.2.0目录下新建libext目录，并把ext-2.2.zip 拷贝到该目录下；并拷贝hadoop相关jar包到该目录下
[Bash shell] 纯文本查看 复制代码
cp $HADOOP_HOME/share/hadoop//.jar libext/
cp $HADOOP_HOME/share/hadoop//lib/.jar libext/
把hadoop与tomcat冲突jar包去掉
[Bash shell] 纯文本查看 复制代码
mv servlet-api-2.5.jar servlet-api-2.5.jar.bak
mv jsp-api-2.1.jar jsp-api-2.1.jar.bak
mv jasper-compiler-5.5.23.jar jasper-compiler-5.5.23.jar.bak
mv jasper-runtime-5.5.23.jar jasper-runtime-5.5.23.jar.bak
拷贝mysql驱动到该目录下（使用mysql数据库，默认是derby）
[Bash shell] 纯文本查看 复制代码
?
1 scp mysql-connector-java-5.1.25-bin.jar node3:/usr/oozie/oozie-4.2.0/libext/
4）配置数据库连接，文件是conf/oozie-site.xml
[XML] 纯文本查看 复制代码
<property> <name>oozie.service.JPAService.create.db.schema</name> <value>true</value> </property> <property> <name>oozie.service.JPAService.jdbc.driver</name> <value>com.mysql.jdbc.Driver</value> </property> <property> <name>oozie.service.JPAService.jdbc.url</name> <value>jdbc:mysql://master:3306/oozie?createDatabaseIfNotExist=true</value> </property> <property> <name>oozie.service.JPAService.jdbc.username</name> <value>hadoop</value> </property> <property> <name>oozie.service.JPAService.jdbc.password</name> <value>hadoop</value> </property> <property> <name>oozie.service.HadoopAccessorService.hadoop.configurations</name> <value>*=/usr/hadoop/hadoop-2.6.0/etc/hadoop</value> </property>最后一个配置，是需要配置的，不然后面运行调度的时候，任务会报File /user/root/share/lib does not exist 的错误
5）启动前的初始化
a. 打war包
bin/oozie-setup.sh prepare-war
b. 初始化数据库
bin/ooziedb.sh create -sqlfile oozie.sql -run
c. 修改oozie-4.2.0/oozie-server/conf/server.xml文件，注释掉下面的记录
<!--<Listener className="org.apache.catalina.mbeans.ServerLifecycleListener" />-->d. 上传jar包
bin/oozie-setup.sh sharelib create -fs hdfs://node1:8020
1.5 启动
bin/oozied.sh start
- 流程实例
数据为：bank.csv ,并已经上传到hdfs://node1:8020/user/root/bank.csv ,可以在http://zeppelin-project.org/docs/tutorial/tutorial.html页面下载该数据
(当执行Hive、Pig任务的时候需要把第一行数据删除)
默认所有操作用户都是hadoop，如果是其他用户，可能需要修改对应的目录
配置环境变量：export OOZIE_URL=http://node3:11000/oozie
2.1 MR任务流程
- job.properties :
[Plain Text] 纯文本查看 复制代码
oozie.wf.application.path=hdfs://node1:8020/user/root/workflow/mr_demo/wf #Hadoop"R jobTracker=node1:8032 #Hadoop"fs.default.name nameNode=hdfs://node1:8020/ #Hadoop"mapred.queue.name queueName=default- workflow.xml
[XML] 纯文本查看 复制代码
<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}/user/${wf:user()}/workflow/mr_demo/output"/> </prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value> </property> <property> <name>mapreduce.mapper.class</name> <value>org.apache.hadoop.examples.WordCount$TokenizerMapper</value> </property> <property> <name>mapreduce.reducer.class</name> <value>org.apache.hadoop.examples.WordCount$IntSumReducer</value> </property> <property> <name>mapred.map.tasks</name> <value>1</value> </property> <property> <name>mapred.input.dir</name> <value>/user/${wf:user()}/bank.csv</value> </property> <property> <name>mapred.output.dir</name> <value>/user/${wf:user()}/workflow/mr_demo/output</value> </property> </configuration> </map-reduce> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Map/Reduce failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message> </kill> <end name="end"/> </workflow-app>- 运行：
1）拷贝workflow.xml文件到HDFS的 hdfs://node1:8020/user/root/workflow/mr_demo/wf/workflow.xml 目录；
2）在node3（node3既作为oozie的server也作为client）上运行 bin/oozie job -config job.properties -run ，即可提交任务，提交任务后会返回一个jobId ,例如：
0000004-160123180442501-oozie-root-W
3） 使用 bin/oozie job -info 0000004-160123180442501-oozie-root-W 即可查看流程状态；
4） 流程结束后，查看流程状态以及在对应的目录即可查看输出结果；
2.2 Pig任务流程
- job.properties
[Plain Text] 纯文本查看 复制代码
oozie.wf.application.path=hdfs://node1:8020/user/root/workflow/pig_demo/wf oozie.use.system.libpath=true #pig流程必须配置此选项 #Hadoop"ResourceManager resourceManager=node1:8032 #Hadoop"fs.default.name nameNode=hdfs://node1:8020/ #Hadoop"mapred.queue.name queueName=default- workflow.xml
[XML] 纯文本查看 复制代码
<workflow-app xmlns="uri:oozie:workflow:0.2" name="whitehouse-workflow"> <start to="transform_job"/> <action name="transform_job"> <pig> <job-tracker>${resourceManager}</job-tracker> <name-node>${nameNode}</name-node> <prepare> <delete path="/user/root/workflow/pig_demo/output"/> </prepare> <script>transform_job.pig</script> </pig> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Job failed, error message[${wf:errorMessage(wf:lastErrorNode())}] </message> </kill> <end name="end"/> </workflow-app>3 . transform_job.pig pig任务用到的脚本
[Plain Text] 纯文本查看 复制代码
bank_data= LOAD '/user/root/bank.csv' USING PigStorage(';') AS (age:int, job:chararray, marital:chararray,education:chararray, default:chararray,balance:int,housing:chararray,loan:chararray, contact:chararray,day:int,month:chararray,duration:int,campaign:int, pdays:int,previous:int,poutcom:chararray,y:chararray); age_gt_30 = FILTER bank_data BY age >= 30; store age_gt_30 into '/user/root/workflow/pig_demo/output' using PigStorage(',');- 运行
1） 把 transform_job.pig ，workflow.xml 文件拷贝到 hdfs://node1:8020/user/root/workflow/pig_demo/wf/ 目录下面
2） 运行 bin/oozie job -config job.properties -run
3） 运行 bin/oozie job -info jobId 查看对应任务的进度状态，或者在浏览器中的node3:11000 URL中查看所有任务；
2.3 Hive任务流程
注意：hive 任务运行完成后，bank.csv文件会被删除（应该是移动到hive的warehouse目录下），所以进行其他或者再次运行时需要重新上传文件
- job.properties
[Plain Text] 纯文本查看 复制代码
nameNode=hdfs://node1:8020 jobTracker=node1:8032 queueName=default maxAge=30 input=/user/root/bank.csv output=/user/root/workflow/hive_demo/output oozie.use.system.libpath=true oozie.wf.application.path=${nameNode}/user/${user.name}/workflow/hive_demo/wf- workflow.xml
[XML] 纯文本查看 复制代码
<workflow-app xmlns="uri:oozie:workflow:0.2" name="hive-wf"> <start to="hive-node"/> <action name="hive-node"> <hive xmlns="uri:oozie:hive-action:0.2"> <job-tracker>${jobTracker}</job-tracker> <name-node>${nameNode}</name-node> <prepare> <delete path="${output}/hive"/> <mkdir path="${output}"/> </prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value> </property> </configuration> <script>script.hive</script> <param>INPUT=${input}</param> <param>OUTPUT=${output}/hive</param> <param>maxAge=${maxAge}</param> </hive> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Hive failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message> </kill> <end name="end"/> </workflow-app>- hive任务用到的脚本 script.hive
[SQL] 纯文本查看 复制代码
DROP TABLE IF EXISTS bank; CREATE TABLE bank( age int, job string, marital string,education string, default string,balance int,housing string,loan string, contact string,day int,month string,duration int,campaign int, pdays int,previous int,poutcom string,y string ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\073' STORED AS TEXTFILE; LOAD DATA INPATH '${INPUT}' INTO TABLE bank; INSERT OVERWRITE DIRECTORY '${OUTPUT}' SELECT * FROM bank where age > '${maxAge}';注意：‘\073’ 代表分号；
- 运行，参考上面
2.4 Hive 2 任务流程
- job.properties
[Plain Text] 纯文本查看 复制代码
nameNode=hdfs://node1:8020 jobTracker=node1:8032 queueName=default jdbcURL=jdbc:hive2://node4:10000/default # hiveserver2 时，配置此选项 maxAge=30 input=/user/root/bank.csv output=/user/root/workflow/hive2_demo/output oozie.use.system.libpath=true oozie.wf.application.path=${nameNode}/user/${user.name}/workflow/hive2_demo/wf- workflow.xml
[XML] 纯文本查看 复制代码
<workflow-app xmlns="uri:oozie:workflow:0.5" name="hive2-wf"> <start to="hive2-node"/> <action name="hive2-node"> <hive2 xmlns="uri:oozie:hive2-action:0.1"> <job-tracker>${jobTracker}</job-tracker> <name-node>${nameNode}</name-node> <prepare> <delete path="${output}/hive"/> <mkdir path="${output}"/> </prepare> <configuration> <property> <name>mapred.job.queue.name</name> <value>${queueName}</value> </property> </configuration> <jdbc-url>${jdbcURL}</jdbc-url> <script>script2.hive</script> <param>INPUT=${input}</param> <param>OUTPUT=${output}/hive</param> <param>maxAge=${maxAge}</param> </hive2> <ok to="end"/> <error to="fail"/> </action> <kill name="fail"> <message>Hive2 failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message> </kill> <end name="end"/> </workflow-app>- hive2用到的脚本： script2.hive
[SQL] 纯文本查看 复制代码
DROP TABLE IF EXISTS bank2; CREATE TABLE bank2( age int, job string, marital string,education string, default string,balance int,housing string,loan string, contact string,day int,month string,duration int,campaign int, pdays int,previous int,poutcom string,y string ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\073' STORED AS TEXTFILE; LOAD DATA INPATH '${INPUT}' INTO TABLE bank2; INSERT OVERWRITE DIRECTORY '${OUTPUT}' SELECT * FROM bank2 where age > '${maxAge}';- 运行，参考上面
2.5 Spark 任务流程
- job.properties :
[Plain Text] 纯文本查看 复制代码
nameNode=hdfs://node1:8020 jobTracker=node1:8032 #master=spark://node2:7077 master=spark://node2:6066 sparkMode=cluster queueName=default oozie.use.system.libpath=true input=/user/root/bank.csv output=/user/root/workflow/spark_demo/output # the jar file must be local jarPath=${nameNode}/user/root/workflow/spark_demo/lib/oozie-examples.jar oozie.wf.application.path=${nameNode}/user/${user.name}/workflow/spark_demo/wf由于sparkMode采用cluster，所以master的链接需要是下面的6066,：
sparkMode使用client没有试验成功；
- workflow.xml
[XML] 纯文本查看 复制代码
<workflow-app xmlns='uri:oozie:workflow:0.5' name='SparkFileCopy'> <start to='spark-node' /> <action name='spark-node'> <spark xmlns="uri:oozie:spark-action:0.1"> <job-tracker>${jobTracker}</job-tracker> <name-node>${nameNode}</name-node> <prepare> <delete path="${output}"/> </prepare> <master>${master}</master> <mode>${sparkMode}</mode> <name>Spark-FileCopy</name> <class>org.apache.oozie.example.SparkFileCopy</class> <jar>${jarPath}</jar> <arg>${input}</arg> <arg>${output}</arg> </spark> <ok to="end" /> <error to="fail" /> </action> <kill name="fail"> <message>Workflow failed, error message[${wf:errorMessage(wf:lastErrorNode())}] </message> </kill> <end name='end' /> </workflow-app>- 运行：
1） 这里用到的oozie-examples.jar 是在oozie-examples.tar.gz解压后的examples/apps/spark/lib目录下面
2） 上传oozie-examples.jar 到hdfs://node1:8020/user/root/workflow/spark_demo/lib/oozie-examples.jar 目录；上传workflow.xml到hdfs://node1:8020/user/root/workflow/spark_demo/wf/workflow.xml文件；
3） bin/oozie job -config job.properties -run 即可运行；
- 相关问题：
1） 这种方式提交任务是通过yarn开启任务，然后提交到spark集群运行的，并不是直接由spark集群运行的，如下图：
首先在8088 界面看到yarn开启的任务：
接着去spark监控界面，同样可以看到监控界面：
但是这样时间就不对了，看日志：
可以看到连接到了yarn的resourcemanager后，直接就连接了spark的master了，然后提交了任务，接着就直接yarn的任务就successed了，然后yarn就返回了；
查看spark的日志，时间也是吻合的：
最后保存文件，关闭driver：
2.6 spark on yarn任务流程
参考官网的提示：
- job.properties:
[Plain Text] 纯文本查看 复制代码
nameNode=hdfs://node1:8020 jobTracker=node1:8032 #master=spark://node2:7077 #master=spark://node2:6066 master=yarn-cluster #sparkMode=cluster queueName=default oozie.use.system.libpath=true input=/user/root/bank.csv output=/user/root/workflow/sparkonyarn_demo/output jarPath=${nameNode}/user/root/workflow/sparkonyarn_demo/lib/oozie-examples.jar oozie.wf.application.path=${nameNode}/user/${user.name}/workflow/sparkonyarn_demo- workflow.xml:
[XML] 纯文本查看 复制代码
<workflow-app xmlns='uri:oozie:workflow:0.5' name='SparkFileCopy_on_yarn'> <start to='spark-node' /> <action name='spark-node'> <spark xmlns="uri:oozie:spark-action:0.1"> <job-tracker>${jobTracker}</job-tracker> <name-node>${nameNode}</name-node> <prepare> <delete path="${output}"/> </prepare> <master>${master}</master> <name>Spark-FileCopy-on-yarn</name> <class>org.apache.oozie.example.SparkFileCopy</class> <jar>${jarPath}</jar> <spark-opts>--conf spark.yarn.historyServer.address=http://node2:18080 --conf spark.eventLog.dir=hdfs://node1:8020/spark-log --conf spark.eventLog.enabled=true</spark-opts> <arg>${input}</arg> <arg>${output}</arg> </spark> <ok to="end" /> <error to="fail" /> </action> <kill name="fail"> <message>Workflow failed, error message[${wf:errorMessage(wf:lastErrorNode())}] </message> </kill> <end name='end' /> </workflow-app>- 运行;
1）环境准备：拷贝workflow.xml 到hdfs;//node1:8020/user/root/workflow/sparkonyarn_demo/workflow.xml文件
2）拷贝oozie-exmaples.jar 到 hdfs;//node1:8020/user/root/workflow/sparkonyarn_demo/lib/oozie-examples.jar文件
3）拷贝$SPARK_HOME/lib/spark-assembly-1.4.1-hadoop2.6.0.jar文件到hdfs;//node1:8020/user/root/workflow/sparkonyarn_demo/lib/spark-assembly-1.4.1-hadoop2.6.0.jar
4） bin/oozie job -config job.properties -run
5） 查看任务状态：
- 相关问题
1） spark 提交和spark on yarn 方式的区别：
spark on yarn也是使用yarn来提交任务，但是没有spark的任务，全部在yarn上运行，看日志的区别：
在8088的区别：
0000003-160123180442501-oozie-root-W任务前后只有一个，并且有一个spark的任务（node2:8080）,对照时间
spark on yarn的方式
看到0000009-160123180442501-oozie-root-W 这个任务其实是有两个yarn的任务组成的
查看oozie的日志监控：
所以spark 的方式是yarn启动任务，然后由spark集群运行任务，然后结束；中间需要spark集群启动（也需要yarn集群启动）
而spark on yarn的方式则是yarn启动任务A ，然后在任务中调用另外一个yarn任务B，当任务B完成后，再返回到任务A，最后任务A结束。中间不需要spark集群启动（这个看下图就知道了）
原文链接：http://blog.csdn.net/fansy1990/article/details/50570518
- oozie安装及简单使用
- Oozie Coordinator使用及详解
- Oozie Coordinator使用及详解
- Oozie Coordinator使用及详解
- Oozie Coordinator使用及详解
- Oozie Coordinator使用及详解
- Oozie-2-安装、配置、使用
- cloudera hue安装及Oozie的安装
- Sqoop安装及操作以及oozie&sqoop
- Oozie的简介及安装部署
- oozie使用中常见问题及解决方法
- oozie 安装
- oozie 安装
- oozie 安装
- oozie安装
- Oozie安装
- Oozie安装
- Oozie安装
- 招聘岗位-Java开发-上海浦东
- 使用WebStorm创建/运行/调试React Native项目
- 最少拦截系统 HDU
- Div1 小A抓小B tarjan双连通分量缩点+dfs
- 线段树--hdu4027 Can you answer these queries?
- oozie安装及简单使用
- listView 的item滑动删除
- 剑指offer:平衡二叉树
- 数据结构与算法专题之查找与排序——交换类排序（冒泡、快排与归并）
- SQL笔记
- Java 线程池的理论与实践
- SpringBoot之启动加载数据 CommandLineRunner（G）
- 在Ubuntu下安装source Insight
- asp.net Gridview行绑定调用后台方法
