oozie使用中的一些总结(持续完善)

 

 

 

0 关于oozie 寻找包寻找位置原则：

 

 

oozie在运行的时候 只会去两个地方寻找自己需要的lib
         1 回去当前提交任务的workflow所在的hdfs目录下的lib下寻找 
		  eg: /user/root/examples/apps/fork-merge的workflow下有  job.properties   lib   workflow.xml三个目录 会去lib目录下找对应jar
     
         2 如果是shell命令提交的话，他会主动去自己的公共资源库中寻找自己需要的jar文件，公共资源库为 /user/root/share/lib/lib_20150128185329
		   其中共享库里面存放的是oozie 常见action需要的包  比如hive  hive2 pig  sqoop oozie  hcatalog  distcp等
		   如果是java客户端提交任务的话，需要设置oozie.libpath(此时此路径下可以存放你工程需要的别的jar包而不需要存放在共享库中 防止混淆)
		   properties.setProperty("oozie.use.system.libpath","true");  ---> 设置使用oozie共享库
		   properties.setProperty("oozie.libpath","hdfs://master:9000/user/hdfs/examples/thirdlib");  ---> 设置存放工程使用的第三方的jar
		   
		 3 上面2是针对java代码写法，如果对应到job.properties写法为：
		   
		   nameNode=hdfs://master:9000
		   jobTracker=master:8032
		   queueName=default
		   examplesRoot=examples
		   
		   oozie.use.system.libpath=true
		   oozie.libpath=hdfs://master:9000/user/hdfs/examples/thirdlib
		   
		   oozie.wf.application.path=${nameNode}/user/${user.name}/${examplesRoot}/apps/sqoop-sqlserver-to-hdfs

 

 

 

 

 

1 关于oozie使用调用sqoop action执行数据导出导入时对应的jar包：

 

    1.1 需要将 mysql/sqlserver/oracle等主流数据库的驱动包放在oozie的共享库对应hdfs目录下 eg:

    hdfs://master:9000/user/root/share/lib/lib_20141031094140/sqoop下

    1.2 将 oozie-sharelib-sqoop-4.0.0-cdh5.1.0.jar   sqoop-1.4.4-cdh5.1.0.jar也放在上述目录中

    1.3 你环境中安装的sqoop是1.4.5的版本，那么你就需要在你的sqoop下将对应的包

         eg: sqoop-1.4.5.jar 放在oozie共享库的sqoop目录下，否则在oozie调用sqoop的时候 因为会找不到包

       而包各种奇怪的错。

 

 

2 hadoop运行时内存不足或者其他原因内存引起的错误

 

修改hadoop的配置文件 mapred-site.xml 增加如下内容

<property>
	<name>mapreduce.map.memory.mb</name>
	<value>1024</value>
</property>
<property>
	<name>mapreduce.reduce.memory.mb</name>
	<value>1024</value>
</property>
<property>
	<name>yarn.app.mapreduce.am.resource.mb</name>
	<value>500</value>
</property>

 
修改hadoop的配置文件 yarn-site.xml 增加如下内容

<property>
	<name>yarn.scheduler.minimum-allocation-mb</name>
	<value>512</value>
</property>
<property>
	<name>yarn.scheduler.maximum-allocation-mb</name>
	<value>2048</value>
</property>

 

3 关于oozie安装时mysql数据库问题和驱动这块：

 

由于oozie错误或者其他原因造成的oozie安装失败，第二次安装如果采用默认值可能会失败：eg 数据库初始化失败错误，
处理方式： 删除上一次默认的oozie数据文件data文件夹或者修改默认的值使得安装指向别的地方。

 

oozie要用mysql存储数据时，需要在搭建oozie时，将 mysql链接驱动拷贝 分别放在

oozie-4.2.0/lib下

oozie-4.2.0/oozie-server/lib下

oozie-4.2.0/libtools下

 

4 oozie提交任务时，job.properties文件的namenode属性值不建议写IP 建议写主机名

 

5 关于oozie分支的：

 

 oozie的节点分为 动作节点(action) 和控制节点(比如 start end  fork merge)  其中控制节点下目前只可以放动作节点
  分支节点下不支持在存放分支节点(即分支套分支的写法)
  案例来自官网： http://oozie.apache.org/docs/4.0.0/WorkflowFunctionalSpec.html#a3.1.5_Fork_and_Join_Control_Nodes
  
  <workflow-app name="sample-wf" xmlns="uri:oozie:workflow:0.1">
    ...
    <fork name="forking">
        <path start="firstparalleljob"/>
        <path start="secondparalleljob"/>
    </fork>
    <action name="firstparallejob">
        <map-reduce>
            <job-tracker>foo:8021</job-tracker>
            <name-node>bar:8020</name-node>
            <job-xml>job1.xml</job-xml>
        </map-reduce>
        <ok to="joining"/>
        <error to="kill"/>
    </action>
    <action name="secondparalleljob">
        <map-reduce>
            <job-tracker>foo:8021</job-tracker>
            <name-node>bar:8020</name-node>
            <job-xml>job2.xml</job-xml>
        </map-reduce>
        <ok to="joining"/>
        <error to="kill"/>
    </action>
    <join name="joining" to="nextaction"/>
    ...
</workflow-app>

 

5.2  oozie分支中，如果分支中出现的是  java节点 但是java节点类中调用的是 mr，

       那么这种情况下，

       要么用 cdh集成好的oozie来执行

       要么你编译apache oozie 然后 和 apache hadoop   hadoop sqoop一起使用，

     否则，如果你下载chd的oozie + cdh的hadoop ，执行5,.2这种情况下 会在分支这块卡死的。

 

    这个结论是工作中遇到 弄了好几个工作日得到的结论。

 

 

 

 

 

 

 

6 关于oozie 对应mysql数据库下表的说明：

 

 

 

 

 

7 关于oozie webservice api的部分说明：

 

 

 

 

 

 

其余问题后续需要跟进的：   需要等到7月份

 

a) 关于oozie流程设计图设计方面的技巧 规则 建议

 

b) 关于oozie 用户的，尤其是oozie在 cm版本上的用户  什么oozie用户 root用户 等等

    在cm上oozie用的是哪个账号提交任务  白名单等

   

 

c)  oozie提怎么提交任务给mr的，oozie是否有一些参数来规定提交到mr后 mr任务的启动的任务数，

    占有资源等