Oozie基于文件的协调员

时间:2015-01-09 15:11:51

标签: hadoop oozie oozie-coordinator

我尝试使用基于文件的依赖项创建协调器。我的目标是协调器只有在创建指定的文件时才应该执行工作流程。如果未创建文件,协调器应等到文件创建完毕。 我尝试过以下代码:

<coordinator-app name="MY_APP" frequency="1440" start="2009-02-01T00:00Z" end="2009-02-07T00:00Z" timezone="UTC" xmlns="uri:oozie:coordinator:0.1">
  <datasets>
    <dataset name="input1" frequency="60" initial-instance="2009-01-01T00:00Z" timezone="UTC">
      <uri-template>hdfs://localhost:9000/tmp/revenue_feed/${YEAR}/${MONTH}/${DAY}/${HOUR}</uri-template>
      <done-flag>trigger.dat</done-flag>
    </dataset>
  </datasets>
  <input-events>
    <data-in name="coordInput1" dataset="input1">
      <start-instance>${coord:current(-23)}</start-instance>
      <end-instance>${coord:current(0)}</end-instance>
    </data-in>
  </input-events>
  <action>
    <workflow>
      <app-path>hdfs://localhost:9000/tmp/workflows</app-path>
    </workflow>
  </action>     
</coordinator-app>

我开始了Oozie工作,它处于WAITING状态。我已经执行了脚本,它将在HDFS的指定目录结构中创建文件(trigger.dat)(hdfs:// localhost:9000 / tmp / revenue_feed / $ {YEAR} / $ {MONTH} / $ {DAY} / $ {HOUR})。 文件已创建,仍为WAITING状态。

任何人都可以帮我这个..

1 个答案:

答案 0 :(得分:1)

我已经更改了开始日期和结束日期,现在正在使用。

coordinator.xml的工作是:

<coordinator-app name="MY_APP" frequency="60" start="2015-01-12T05:00Z" end="2015-01-12T08:00Z" timezone="UTC" xmlns="uri:oozie:coordinator:0.1">
  <datasets>
    <dataset name="input1" frequency="30" initial-instance="2015-01-12T04:02Z" timezone="UTC">
      <uri-template>hdfs://localhost:9000/tmp/revenue_feed/${YEAR}/${MONTH}/${DAY}/${HOUR}</uri-template>
      <done-flag>trigger.dat</done-flag>
    </dataset>
  </datasets>
  <input-events>
    <data-in name="coordInput1" dataset="input1">
      <start-instance>${coord:current(-1)}</start-instance>
      <end-instance>${coord:current(0)}</end-instance>
    </data-in>
  </input-events>
  <action>
    <workflow>
      <app-path>hdfs://localhost:9000/tmp/workflows</app-path>
      <configuration>
        <property>
          <name>property1</name>
          <value>${coord:dataIn('coordInput1')}</value>
        </property>
      </configuration>
    </workflow>
  </action>     
</coordinator-app>

我观察到的一些观点是:

  1. 预期的目录结构基于我们定义的数据集的initial-instance =“2015-01-12T04:02Z”和频率=“30”。

  2. Oozie

    不会考虑以下属性数据集

    <property> <name>property1</name> <value>${coord:dataIn('coordInput1')}</value> </property>

  3. Oozie始终考虑GMT / UTC时区。在安排任何工作流程时,请记住GMT并相应地安排。

  4. 直到创建目录,协调器作业将处于RUNNING状态,但工作流作业将处于WAITING状态。