基于Zookeeper的分步式队列系统集成案例

前言

软件系统集成一直是工业界的一个难题，像10年以上的遗留系统集成，公司收购后的多系统集成，全球性的分步式系统集成等。虽然基于SOA的软件架构，从理论上都可以解决这些集成的问题，但是具体实施过程，有些集成项目过于复杂而失败。

随着技术的创新和发展，对于分步式集群应用的集成，有了更好的开源软件的支持，像zookeeper就是一个不错的分步式协作软件平台。本文将通过一个案例介绍Zookeeper的强大。

1. 项目背景：分布式消息中间件

随着Hadoop的普及，越来越多的公司开始构建自己的Hadoop系统。有时候，公司内部的不同部门或不同的团队，都有自己的Hadoop集群。这种多集群的方式，既能让每个团队拥有个性化的Hadoop，又能避免大集群的高度其中化运维难度。当数据量不是特别巨大的时候，小型集群会有很多适用的场合。

当然，多个小型集群也有缺点，就是资源配置可能造成浪费。每个团队的Hadoop集群，都要配有服务器和运维人员。有些能力强的团队，构建的hadoop集群，可以达到真正的个性化要求；而有一些能力比较差的团队，搭建的Hadoop集群性能会比较糟糕。

还有一些时候，多个团队需要共同完成一个任务，比如，A团队通过Hadoop集群计算的结果，交给B团队继续工作，B完成了自己任务再交给C团队继续做。这就有点像业务系统的工作流一样，一环一环地传下去，直到最后一部分完成。

在业务系统中，我们经常会用SOA的架构来解决这种问题，每个团队在ESB服务器上部署自己的服务，然后通过消息中间件完成调度任务。对于分步式的多个Hadoop集群系统的协作，同样可以用这种架构来做，只要把消息中间件引擎换成支持分步式的消息中间件的引擎就行了。

Zookeeper就可以做为 分步式消息中间件，来完成上面的说的业务需求。ZooKeeper是Hadoop家族的一款高性能的分布式协作的产品，是一个为分布式应用所设计的分布的、开源的协调服务，它主要是用来解决分布式应用中经常遇到的一些数据管理问题，简化分布式应用协调及其管理的难度，提供高性能的分布式服务。Zookeeper的安装和使用，请参考文章 ZooKeeper伪分布式集群安装及使用。

ZooKeeper提供分布式协作服务，并不需要依赖于Hadoop的环境。

2. 需求分析：业务系统升级方案

下面我将从一个案例出发，来解释如何进行分步式协作平台的系统设计。

2.1 案例介绍

某大型软件公司，从事领域为供应链管理，主要业务包括了 采购管理、应付账款管理、应收账款管理、供应商反复管理、退货管理、销售管理、库存管理、电子商务、系统集成等。

每块业务的逻辑都很复杂，由单独部门进行软件开发和维护，部门之间的系统没有直接通信需求，每个部门完成自己的功能就行了，最后通过数据库来共享数据，实现各功能之间的数据交换。

随着业务的发展，客户对响应速度要求越来越高，通过数据库来共享数据的方式，已经达不到信息交换的要求，系统进行了第一次升级，通过企业服务总线(ESB)统一管理公司内部所有业务。通过WebServices发布服务，通过Message Queue实现业务功能的调度。

公司业务规模继续扩大，跨国收购了多家公司。业务系统从原来的一个机房的集中式部署，变成了全球性的多机房的分步式部署。这时，Message Queue已经不能满足多机房跨地域的业务系统的功能需求了，需要一种分步式的消息中间件解决方案，来代替原有消息中间件的服务。

系统进行了第二次升级，采用Zookeeper作为分步式中间件调度引擎。

通过上面的描述，我们可以看出，当一个公司从小到大，从国内业务发展到全球性业务的时候。
为了配合业务发展，IT系统也是越来越复杂的，从最早的主从数据库设计，到ESB企业系统总线的扩展，再到分步式ESB配合分步式消息系统，每一次的升级都需要软件技术的支撑。

2.2 功能需求

全球性采购业务和全球性销售业务，让公司在市场中处于竞争优势。但由于采购和销售分别是由不同部门进行的软件开发和维护，而且业务往来也在不同的国家和地区。所以在每月底结算时，工作量都特别大。

比如，计算利润表 (请不要纠结于公式的准确性)

当月利润 = 当月销售金额 - 当月采购金额 - 当月其他支出
这样一个非常简单的计算公式，但对于跨国公司和部门来说，一点也不简单的。

从系统角度来看，采购部门要统计采购数据(海量数据)，销售部门统计销售数据((海量数据)，其他部门统计的其他费用支出(汇总的少量数据)，最后系统计算得到当月的利润。

这里要说明的是，采购系统是单独的系统，销售是另外单独的系统，及以其他几十个大大小小的系统，如何能让多个系统，配合起来做这道计算题呢？？

3. 架构设计：搭建Zookeeper的分步式协作平台

接下来，我们基于zookeeper来构建一个分步式队列的应用，来解决上面的功能需求。下面内容，排除了ESB的部分，只保留zookeeper进行实现。

采购数据，为海量数据，基于Hadoop存储和分析。

销售数据，为海量数据，基于Hadoop存储和分析。

其他费用支出，为少量数据，基于文件或数据库存储和分析。

我们设计一个同步队列，这个队列有3个条件节点，分别对应采购(purchase)，销售(sell)，其他费用(other)3个部分。当3个节点都被创建后，程序会自动触发计算利润，并创建利润(profit)节点。上面3个节点的创建，无顺序要求。每个节点只能被创建一次。

系统环境

1.2个独立的Hadoop集群

2.2个独立的Java应用

3.3个Zookeeper集群节点

图标解释：

1.Hadoop App1,Hadoop App2 是2个独立的Hadoop集群应用

2.Java App3,Java App4 是2个独立的Java应用

3.zk1,zk2,zk3是ZooKeeper集群的3个连接点

4./queue，是znode的队列目录，假设队列长度为3

5./queue/purchase，是znode队列中，1号排对者，由Hadoop App1提交，用于统计采购金额。

6./queue/sell，是znode队列中，2号排对者，由Hadoop App2提交，用于统计销售金额。

7./queue/other，是znode队列中，3号排对者，由Java App3提交，用于统计其他费用支出金额。

8./queue/profit，当znode队列中满了，触发创建利润节点。

9.当/qeueu/profit被创建后，app4被启动，所有zk的连接通知同步程序(红色线)，队列已完成，所有程序结束。

补充说明：

1.创建/queue/purchase,/queue/sell,/queue/other目录时，没有前后顺序，程序提交后，/queue目录下会生成对应该子目录App1可以通过zk2提交，App2也可通过zk3提交。原则上，找最近路由最近的znode节点提交。

2.每个应用不能重复提出，直到3个任务都提交，计算利润的任务才会被执行。

3./queue/profit被创建后，zk的应用会监听到这个事件，通知应用，队列已完成！

4.这里的同步队列的架构更详细的设计思路，请参考文章 ZooKeeper实现分布式队列Queue

4. 程序开发：基于Zookeeper的程序设计

最终的功能需求：计算2013年01月的利润。

4.1 实验环境

在真正企业开发时，我们的实验环境应该与需求是一致的，但我的硬件条件有限，因些做了一个简化的环境设置。

1.把zookeeper的完全分步式部署的3台服务器集群节点的，改为一台服务器上3个集群节点。

2.把2个独立Hadoop集群，改为一个集群的2个独立的MapReduce任务。

开发环境：

Win7 64bitJDK 1.6Maven3Juno Service Release 2IP：192.168.1.10

Zookeeper服务器环境：

Linux Ubuntu 12.04 LTS 64bitJava 1.6.0_29Zookeeper: 3.4.5IP: 192.168.1.2013个集群节点

Hadoop服务器环境：

Linux Ubuntu 12.04 LTS 64bitJava 1.6.0_29Hadoop: 1.0.3IP: 192.168.1.210

4.2 实验数据

3组实验数据：

采购数据，purchase.csv销售数据，sell.csv其他费用数据，other.csv

4.2.1 采购数据集

一共4列，分别对应 产品ID,产品数量,产品单价,采购日期。

1,26,1168,2013-01-082,49,779,2013-02-123,80,850,2013-02-054,69,1585,2013-01-265,88,1052,2013-01-136,84,2363,2013-01-197,64,1410,2013-01-128,53,910,2013-01-119,21,1661,2013-01-1910,53,2426,2013-02-1811,64,2022,2013-01-0712,36,2941,2013-01-2813,99,3819,2013-01-1914,64,2563,2013-02-1615,91,752,2013-02-0516,65,750,2013-02-0417,19,2426,2013-02-2318,19,724,2013-02-0519,87,137,2013-01-2520,86,2939,2013-01-1421,92,159,2013-01-2322,81,2331,2013-03-0123,88,998,2013-01-2024,38,102,2013-02-2225,32,4813,2013-01-1326,36,1671,2013-01-19

4.2.2 销售数据集

一共4列，分别对应 产品ID,销售数量,销售单价,销售日期。

1,14,1236,2013-01-142,19,808,2013-03-063,26,886,2013-02-234,23,1793,2013-02-095,27,1206,2013-01-216,27,2648,2013-01-307,22,1502,2013-01-198,20,1050,2013-01-189,13,1778,2013-01-3010,20,2718,2013-03-1411,22,2175,2013-01-1212,16,3284,2013-02-1213,30,4152,2013-01-3014,22,2770,2013-03-1115,28,778,2013-02-2316,22,874,2013-02-2217,12,2718,2013-03-2218,12,747,2013-02-2319,27,172,2013-02-0720,27,3282,2013-01-2221,28,224,2013-02-0522,26,2613,2013-03-3023,27,1147,2013-01-3124,16,141,2013-03-2025,15,5343,2013-01-2126,16,1887,2013-01-3027,12,2535,2013-01-1228,16,469,2013-01-0729,29,2395,2013-03-3030,17,1549,2013-01-3031,25,4173,2013-03-17

4.2.3 其他费用数据集

一共2列，分别对应 发生日期，发生金额

2013-01-02,5522013-01-03,10922013-01-04,17942013-01-05,4352013-01-06,9602013-01-07,10662013-01-08,13542013-01-09,8802013-01-10,19922013-01-11,9312013-01-12,12092013-01-13,14912013-01-14,8042013-01-15,4802013-01-16,18912013-01-17,1562013-01-18,14392013-01-19,10182013-01-20,15062013-01-21,12162013-01-22,20452013-01-23,4002013-01-24,17952013-01-25,19772013-01-26,10022013-01-27,2262013-01-28,12392013-01-29,7022013-01-30,1396

4.3 程序设计

我们要编写5个文件：

1.计算采购金额，Purchase.java

2.计算销售金额，Sell.java

3.计算其他费用金额，Other.java

4.计算利润，Profit.java

5.Zookeeper的调度，ZookeeperJob.java

4.3.1 计算采购金额

采购金额，是基于Hadoop的MapReduce统计计算。

public class Purchase {    public static final String HDFS = "hdfs://192.168.1.210:9000";    public static final Pattern DELIMITER = Pattern.compile("[\t,]");    public static class PurchaseMapper extends Mapper {        private String month = "2013-01";        private Text k = new Text(month);        private IntWritable v = new IntWritable();        private int money = 0;        public void map(LongWritable key, Text values, Context context) throws IOException, InterruptedException {            System.out.println(values.toString());            String[] tokens = DELIMITER.split(values.toString());            if (tokens[3].startsWith(month)) {// 1月的数据                money = Integer.parseInt(tokens[1]) * Integer.parseInt(tokens[2]);//单价*数量                v.set(money);                context.write(k, v);            }        }    }    public static class PurchaseReducer extends Reducer {        private IntWritable v = new IntWritable();        private int money = 0;        @Override        public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {            for (IntWritable line : values) {                // System.out.println(key.toString() + "\t" + line);                money += line.get();            }            v.set(money);            context.write(null, v);            System.out.println("Output:" + key + "," + money);        }    }    public static void run(Map path) throws IOException, InterruptedException, ClassNotFoundException {        JobConf conf = config();        String local_data = path.get("purchase");        String input = path.get("input");        String output = path.get("output");        // 初始化purchase        HdfsDAO hdfs = new HdfsDAO(HDFS, conf);        hdfs.rmr(input);        hdfs.mkdirs(input);        hdfs.copyFile(local_data, input);        Job job = new Job(conf);        job.setJarByClass(Purchase.class);        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(IntWritable.class);        job.setMapperClass(PurchaseMapper.class);        job.setReducerClass(PurchaseReducer.class);        job.setInputFormatClass(TextInputFormat.class);        job.setOutputFormatClass(TextOutputFormat.class);        FileInputFormat.setInputPaths(job, new Path(input));        FileOutputFormat.setOutputPath(job, new Path(output));        job.waitForCompletion(true);    }    public static JobConf config() {// Hadoop集群的远程配置信息        JobConf conf = new JobConf(Purchase.class);        conf.setJobName("purchase");        conf.addResource("classpath:/hadoop/core-site.xml");        conf.addResource("classpath:/hadoop/hdfs-site.xml");        conf.addResource("classpath:/hadoop/mapred-site.xml");        return conf;    }    public static Map path(){        Map path = new HashMap();        path.put("purchase", "logfile/biz/purchase.csv");// 本地的数据文件        path.put("input", HDFS + "/user/hdfs/biz/purchase");// HDFS的目录        path.put("output", HDFS + "/user/hdfs/biz/purchase/output"); // 输出目录        return path;    }    public static void main(String[] args) throws Exception {        run(path());    }}

4.3.2 计算销售金额

销售金额，是基于Hadoop的MapReduce统计计算。

public class Sell {    public static final String HDFS = "hdfs://192.168.1.210:9000";    public static final Pattern DELIMITER = Pattern.compile("[\t,]");    public static class SellMapper extends Mapper {        private String month = "2013-01";        private Text k = new Text(month);        private IntWritable v = new IntWritable();        private int money = 0;        public void map(LongWritable key, Text values, Context context) throws IOException, InterruptedException {            System.out.println(values.toString());            String[] tokens = DELIMITER.split(values.toString());            if (tokens[3].startsWith(month)) {// 1月的数据                money = Integer.parseInt(tokens[1]) * Integer.parseInt(tokens[2]);//单价*数量                v.set(money);                context.write(k, v);            }        }    }    public static class SellReducer extends Reducer {        private IntWritable v = new IntWritable();        private int money = 0;        @Override        public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {            for (IntWritable line : values) {                // System.out.println(key.toString() + "\t" + line);                money += line.get();            }            v.set(money);            context.write(null, v);            System.out.println("Output:" + key + "," + money);        }    }    public static void run(Map path) throws IOException, InterruptedException, ClassNotFoundException {        JobConf conf = config();        String local_data = path.get("sell");        String input = path.get("input");        String output = path.get("output");        // 初始化sell        HdfsDAO hdfs = new HdfsDAO(HDFS, conf);        hdfs.rmr(input);        hdfs.mkdirs(input);        hdfs.copyFile(local_data, input);        Job job = new Job(conf);        job.setJarByClass(Sell.class);        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(IntWritable.class);        job.setMapperClass(SellMapper.class);        job.setReducerClass(SellReducer.class);        job.setInputFormatClass(TextInputFormat.class);        job.setOutputFormatClass(TextOutputFormat.class);        FileInputFormat.setInputPaths(job, new Path(input));        FileOutputFormat.setOutputPath(job, new Path(output));        job.waitForCompletion(true);    }    public static JobConf config() {// Hadoop集群的远程配置信息        JobConf conf = new JobConf(Purchase.class);        conf.setJobName("purchase");        conf.addResource("classpath:/hadoop/core-site.xml");        conf.addResource("classpath:/hadoop/hdfs-site.xml");        conf.addResource("classpath:/hadoop/mapred-site.xml");        return conf;    }    public static Map path(){        Map path = new HashMap();        path.put("sell", "logfile/biz/sell.csv");// 本地的数据文件        path.put("input", HDFS + "/user/hdfs/biz/sell");// HDFS的目录        path.put("output", HDFS + "/user/hdfs/biz/sell/output"); // 输出目录        return path;    }    public static void main(String[] args) throws Exception {        run(path());    }}

4.3.3 计算其他费用金额

其他费用金额，是基于本地文件的统计计算。

public class Other {    public static String file = "logfile/biz/other.csv";    public static final Pattern DELIMITER = Pattern.compile("[\t,]");    private static String month = "2013-01";    public static void main(String[] args) throws IOException {        calcOther(file);    }    public static int calcOther(String file) throws IOException {        int money = 0;        BufferedReader br = new BufferedReader(new FileReader(new File(file)));        String s = null;        while ((s = br.readLine()) != null) {            // System.out.println(s);            String[] tokens = DELIMITER.split(s);            if (tokens[0].startsWith(month)) {// 1月的数据                money += Integer.parseInt(tokens[1]);            }        }        br.close();        System.out.println("Output:" + month + "," + money);        return money;    }}

4.3.4 计算利润

利润，通过zookeeper分步式自动调度计算利润。

public class Profit {    public static void main(String[] args) throws Exception {        profit();    }    public static void profit() throws Exception {        int sell = getSell();        int purchase = getPurchase();        int other = getOther();        int profit = sell - purchase - other;        System.out.printf("profit = sell - purchase - other = %d - %d - %d = %d\n", sell, purchase, other, profit);    }    public static int getPurchase() throws Exception {        HdfsDAO hdfs = new HdfsDAO(Purchase.HDFS, Purchase.config());        return Integer.parseInt(hdfs.cat(Purchase.path().get("output") + "/part-r-00000").trim());    }    public static int getSell() throws Exception {        HdfsDAO hdfs = new HdfsDAO(Sell.HDFS, Sell.config());        return Integer.parseInt(hdfs.cat(Sell.path().get("output") + "/part-r-00000").trim());    }    public static int getOther() throws IOException {        return Other.calcOther(Other.file);    }}

4.3.5 Zookeeper调度

调度，通过构建分步式队列系统，自动化程序代替人工操作。

public class ZooKeeperJob {    final public static String QUEUE = "/queue";    final public static String PROFIT = "/queue/profit";    final public static String PURCHASE = "/queue/purchase";    final public static String SELL = "/queue/sell";    final public static String OTHER = "/queue/other";    public static void main(String[] args) throws Exception {        if (args.length == 0) {            System.out.println("Please start a task:");        } else {            doAction(Integer.parseInt(args[0]));        }    }    public static void doAction(int client) throws Exception {        String host1 = "192.168.1.201:2181";        String host2 = "192.168.1.201:2182";        String host3 = "192.168.1.201:2183";        ZooKeeper zk = null;        switch (client) {        case 1:            zk = connection(host1);            initQueue(zk);            doPurchase(zk);            break;        case 2:            zk = connection(host2);            initQueue(zk);            doSell(zk);            break;        case 3:            zk = connection(host3);            initQueue(zk);            doOther(zk);            break;        }    }    // 创建一个与服务器的连接    public static ZooKeeper connection(String host) throws IOException {        ZooKeeper zk = new ZooKeeper(host, 60000, new Watcher() {            // 监控所有被触发的事件            public void process(WatchedEvent event) {                if (event.getType() == Event.EventType.NodeCreated && event.getPath().equals(PROFIT)) {                    System.out.println("Queue has Completed!!!");                }            }        });        return zk;    }    public static void initQueue(ZooKeeper zk) throws KeeperException, InterruptedException {        System.out.println("WATCH => " + PROFIT);        zk.exists(PROFIT, true);        if (zk.exists(QUEUE, false) == null) {            System.out.println("create " + QUEUE);            zk.create(QUEUE, QUEUE.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);        } else {            System.out.println(QUEUE + " is exist!");        }    }    public static void doPurchase(ZooKeeper zk) throws Exception {        if (zk.exists(PURCHASE, false) == null) {            Purchase.run(Purchase.path());            System.out.println("create " + PURCHASE);            zk.create(PURCHASE, PURCHASE.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);        } else {            System.out.println(PURCHASE + " is exist!");        }        isCompleted(zk);    }    public static void doSell(ZooKeeper zk) throws Exception {        if (zk.exists(SELL, false) == null) {            Sell.run(Sell.path());            System.out.println("create " + SELL);            zk.create(SELL, SELL.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);        } else {            System.out.println(SELL + " is exist!");        }        isCompleted(zk);    }    public static void doOther(ZooKeeper zk) throws Exception {        if (zk.exists(OTHER, false) == null) {            Other.calcOther(Other.file);            System.out.println("create " + OTHER);            zk.create(OTHER, OTHER.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);        } else {            System.out.println(OTHER + " is exist!");        }        isCompleted(zk);    }    public static void isCompleted(ZooKeeper zk) throws Exception {        int size = 3;        List children = zk.getChildren(QUEUE, true);        int length = children.size();        System.out.println("Queue Complete:" + length + "/" + size);        if (length >= size) {            System.out.println("create " + PROFIT);            Profit.profit();            zk.create(PROFIT, PROFIT.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL);            for (String child : children) {// 清空节点                zk.delete(QUEUE + "/" + child, -1);            }        }    }}

5. 运行程序

最后，我们运行整个的程序，包括3个部分。

zookeeper服务器

hadoop服务器

分步式队列应用

5.1 启动zookeeper服务

启动zookeeper服务器集群：

~ cd toolkit/zookeeper345# 启动zk集群3个节点~ bin/zkServer.sh start conf/zk1.cfg~ bin/zkServer.sh start conf/zk2.cfg~ bin/zkServer.sh start conf/zk3.cfg~ jps4234 QuorumPeerMain5002 Jps4275 QuorumPeerMain4207 QuorumPeerMain

查看zookeeper集群中，各节点的状态

# 查看zk1节点状态~ bin/zkServer.sh status conf/zk1.cfgJMX enabled by defaultUsing config: conf/zk1.cfgMode: follower# 查看zk2节点状态，zk2为leader~ bin/zkServer.sh status conf/zk2.cfgJMX enabled by defaultUsing config: conf/zk2.cfgMode: leader# 查看zk3节点状态~ bin/zkServer.sh status conf/zk3.cfgJMX enabled by defaultUsing config: conf/zk3.cfgMode: follower

启动zookeeper客户端：

~ bin/zkCli.sh -server 192.168.1.201:2181# 查看zk[zk: 192.168.1.201:2181(CONNECTED) 0] ls /[queue, queue-fifo, zookeeper]# /queue路径无子目录[zk: 192.168.1.201:2181(CONNECTED) 1] ls /queue[]

5.2 启动Hadoop服务

~ hadoop/hadoop-1.0.3~ bin/start-all.sh~ jps25979 JobTracker26257 TaskTracker25576 DataNode25300 NameNode12116 Jps25875 SecondaryNameNode

5.3 启动分步式队列ZookeeperJob

5.3.1 启动统计采购数据程序，设置启动参数1

只显示用户日志，忽略系统日志。

WATCH => /queue/profit/queue is exist!Delete: hdfs://192.168.1.210:9000/user/hdfs/biz/purchaseCreate: hdfs://192.168.1.210:9000/user/hdfs/biz/purchasecopy from: logfile/biz/purchase.csv to hdfs://192.168.1.210:9000/user/hdfs/biz/purchaseOutput:2013-01,9609887create /queue/purchaseQueue Complete:1/3

在zk中查看queue目录

[zk: 192.168.1.201:2181(CONNECTED) 3] ls /queue[purchase]

5.3.2 启动统计销售数据程序，设置启动参数2

只显示用户日志，忽略系统日志。

WATCH => /queue/profit/queue is exist!Delete: hdfs://192.168.1.210:9000/user/hdfs/biz/sellCreate: hdfs://192.168.1.210:9000/user/hdfs/biz/sellcopy from: logfile/biz/sell.csv to hdfs://192.168.1.210:9000/user/hdfs/biz/sellOutput:2013-01,2950315create /queue/sellQueue Complete:2/3

在zk中查看queue目录

[zk: 192.168.1.201:2181(CONNECTED) 5] ls /queue[purchase, sell]

5.3.3 启动统计其他费用数据程序，设置启动参数3

只显示用户日志，忽略系统日志。

WATCH => /queue/profit/queue is exist!Output:2013-01,34193create /queue/otherQueue Complete:3/3create /queue/profitcat: hdfs://192.168.1.210:9000/user/hdfs/biz/sell/output/part-r-000002950315cat: hdfs://192.168.1.210:9000/user/hdfs/biz/purchase/output/part-r-000009609887Output:2013-01,34193profit = sell - purchase - other = 2950315 - 9609887 - 34193 = -6693765Queue has Completed!!!

在zk中查看queue目录

[zk: 192.168.1.201:2181(CONNECTED) 6] ls /queue[profit]

在最后一步，统计其他费用数据程序运行后，从日志中看到3个条件节点都已满足要求。然后，通过同步的分步式队列自动启动了计算利润的程序，并在日志中打印了2013年1月的利润为-6693765。