Apache Oozie 基本原理与工作流类型

1． Oozie 概述

Oozie 是一个用来管理 Hadoop 生态圈 job 的工作流调度系统。由 Cloudera 公司贡献给 Apache。Oozie 是运行于 Java servlet 容器上的一个 java web 应用。Oozie 的目的是按照 DAG（有向无环图）调度一系列的 Map/Reduce 或者 Hive 等任务。Oozie 工作流由 hPDL（Hadoop Process Definition Language）定义（这是一种 XML 流程定义语言）。适用场景包括：

需要按顺序进行一系列任务；

需要并行处理的任务；

需要定时、周期触发的任务；

可视化作业流运行过程；

运行结果或异常的通报。

2． Oozie 的架构

Oozie Client：提供命令行、java api、rest 等方式，对 Oozie 的工作流流程的提交、启动、运行等操作；

Oozie WebApp：即 Oozie Server,本质是一个 java 应用。可以使用内置的 web 容器，也可以使用外置的 web 容器；

Hadoop Cluster：底层执行 Oozie 编排流程的各个 hadoop 生态圈组件；

3． Oozie 基本原理

Oozie 对工作流的编排，是基于 workflow.xml 文件来完成的。用户预先将工作流执行规则定制于 workflow.xml 文件中，并在 job.properties 配置相关的参数，然后由 Oozie Server 向 MR 提交 job 来启动工作流。

3.1． 流程节点

工作流由两种类型的节点组成，分别是：

Control Flow Nodes：控制工作流执行路径，包括 start，end，kill，decision，fork,join。

Action Nodes：决定每个操作执行的任务类型，包括 MapReduce、java、hive、shell 等。

4． Oozie 工作流类型

4.1． WorkFlow

规则相对简单，不涉及定时、批处理的工作流。顺序执行流程节点。

Workflow 有个大缺点：没有定时和条件触发功能。

4.2． Coordinator

Coordinator 将多个工作流 Job 组织起来，称为 Coordinator Job，并指定触发时间和频率，还可以配置数据集、并发数等，类似于在工作流外部增加了一个协调器来管理这些工作流的工作流 Job 的运行。

4.3． Bundle

针对 coordinator 的批处理工作流。Bundle 将多个 Coordinator 管理起来，这样我们只需要一个 Bundle 提交即可。