oozie配置安装与原理

 概述

    当前开源的hadoop任务工作流管理主要有oozie和Azkaban，本文先介绍oozie的配置安装与基本运行原理。 

配置安装

（参考https://segmentfault.com/a/1190000002738484）

1. 首先要自己下载代码编译。

git clone https://github.com/apache/oozie.git

2. 修改pom文件，修改scala和hadoop版本。

   <spark.scala.binary.version>2.11</spark.scala.binary.version>
   <hadoop.version>2.7.0</hadoop.version>

3. 编译

bin/mkdistro.sh -DskipTests -Dhadoop.version=2.7.0 -Pspark-2 -Phadoop-2

注释：支持spark yarn模式运行，必须加上-Phadoop-2，编译后的文件在distro/target/oozie-4.3.0-distro/oozie-4.3.0文件夹内

4. 安装oozie server（1）创建目录

   cd distro/target/oozie-4.3.0-distro/oozie-4.3.0/
   mkdir libext
（2）oozie server 需要用到一个js库，在csdn上（http://download.csdn.net/detail/on_way_/8674059），下载后把ext-2.2.zip这个文件放的libext文件夹里。
  cp  ~/Downloads/ext-2.2.zip libext/
（3）把hadoop的jar把也放到这个libext文件夹内，参考下面这个命令
  cp ${HADOOP_HOME}/share/hadoop/*/*.jar libext/ 
  cp ${HADOOP_HOME}/share/hadoop/*/lib/*.jar libext/
（4）输出下述jar包，不要放到libext中
  cd libext
  rm jasper-compiler-5.5.23.jar 
  rm jasper-runtime-5.5.23.jar 
  rm jsp-api-2.1.jar
  cd ../
（5）hue+oozie运行任务异常：
    java.lang.NoSuchFieldError: HADOOP_CLASSPATH
  解决方法（参考http://stackoverflow.com/questions/41205447/oozie-example-map-reduce-job-fails-with-java-lang-nosuchfielderror-hadoop-class）
    mkdir tmp
    cp oozie.war tmp
    cd tmp
    jar -xvf oozie.war
    rm -f WEB-INF/lib/hadoop-*.jar
    rm -f WEB-INF/lib/hive-*.jar
    rm oozie.war
    jar -cvf oozie.war ./*
    cp oozie.war ../
    cd ../
    bin/oozie-setup.sh prepare-war
（6）更新hadoop配置conf/hadoop-conf
    mkdir conf/hadoop-conf
    cp ${HADOOP_HOME}/etc/hadoop/* conf/hadoop-conf
（7）新增spark配置conf/spark-conf
    mkdir conf/spark-conf
    cp ${SPARK_HOME}/conf/* conf/spark-conf
（8）增加oozie配置conf/oozie-site.xml
  <property>
    <name>oozie.service.ProxyUserService.proxyuser.hadoop.groups</name>
    <value>*</value>
  </property>
  <property>
    <name>oozie.service.ProxyUserService.proxyuser.hadoop.hosts</name>
    <value>*</value>
  </property>
  验证方式：
    http://localhost:11000/oozie/v1/admin/configuration?timezone=America%2FLos_Angeles&user.name=hadoop&doAs=test
（9）执行下面的命令，把相关的jar包传到hdfs上
    bin/oozie-setup.sh sharelib create -fs hdfs://mycluster
（10）启动bin/oozied.sh start

oozie运行试运行

配置好job.properties和workflow.xml后，就可以运行spark任务了。

cd oozie-4.3.0/examples/src/main/apps/spark

oozie job -oozie http://localhost:11000/oozie -config job.properties -run

oozie的缺陷

  oozie中，由于分叉和连接节点需要成对出现，这会导致导致一些流在oozie中无法支持，例如。如 A->C,B->C, B->D，这种依赖关系在oozie中无法实现。

最后附一张oozie运行任务的流程图：