工作流引擎Oozie（二）：coordinator

1. 簡介

coordinator是workflow的定時提交器，基於時間條件與數據生成觸發（based on time and data triggers）。簡單點說，coordinator按所定義的時間周期進行輪詢，若數據生成條件滿足，則觸發workflow任務；否則，則等待數據生成或跳過（調度策略由設置的超時時間決定）。

2. 詳解

coordinator-app

<coordinator-app name="coord-demo" frequency="${coord:days(1)}" start="${start_time}" end="${end_time}"
                 timezone="Asia/Shanghai" xmlns="uri:oozie:coordinator:0.1">

文件頭定義了coordinator任務的名稱，執行頻率（frequency），開始與起止時間（start、end）。${coord:days(1)}為coordinator內置的EL function (Expression Language)，表示為執行周期為一天。frequency的時間單位為分鍾，則${coord:days(1)}=1440，${coord:hours(3)}=180. 一般地，在job.properties定義如：start_time=2016-06-07T00:00Z，應以UTC時區為准。

Control information

<controls>
	<!--超時時間，若為0，一旦數據生成超時則coordinator action被丟棄；
	若為-1，則一直等待數據生成；
	若 > 0，即為超時時間（單位：分鍾）-->
	<timeout>-1</timeout>
	<!--並發action數-->
	<concurrency>1</concurrency>
	<!--同時被觸發的多個coordinator job的執行次序-->
	<execution>${execution_order}</execution>
</controls>

datasets

<datasets>
    <!--數據生成目錄-->
    <dataset name="data" frequency="${coord:hours(1)}" initial-instance="${start_time}" timezone="${timezone}">
      <uri-template>${nameNode}/path/to/${YEAR}-${MONTH}-${DAY}/${HOUR}/</uri-template>
      <done-flag></done-flag>
    </dataset>
</datasets>

相關參數：

• initial-instance，對應初始時間的數據目錄，作為時間周期偏移的基准目錄
• uri-template，文件目錄HDFS目錄，${YEAR}、${MONTH}等為EL Time Constants，具體數值由<input-events> <data-in ..>傳入，也可通過job.properties傳入自定義的參數。
• done-flag，數據目錄生成的文件標識，若未指定，則默認為 _SUCCESS 文件；若指定為空，則表示文件夾本身。

input-events

<input-events>
	<data-in name="dataReady" dataset="data">
	  <instance>${coord:current(-1)}</instance>
	</data-in>
</input-events>

定義了數據觸發條件，${coord:current(-1)}表示對於當前時間的偏移，其中偏移量=數值* dataset frequency。有些時候，我們要判斷多個目錄是否生成，比如，判斷一天的24個小時目錄，這時應這樣寫：

<data-in name="dataReady2" dataset="data">
  <start-instance>${coord:current(-24)}</start-instance>
  <end-instance>${coord:current(-1)}</end-instance>
</data-in>

action

<action>
	<workflow>
	  <app-path>${wf_app_path}</app-path>
	  <configuration>
	    <property>
	      <name>dayTime</name>
	      <value>${coord:formatTime(coord:dateOffset(coord:nominalTime(), -1, 'DAY'), 'yyyy-MM-dd')}</value>
	    </property>
	  </configuration>
	</workflow>
</action>

定義coordinator要觸發的workflow，

• app-path，workflow所在的HDFS目錄；
• property，定義傳給workflow的參數

coordinator提供了一些用於時間計算的函數，比如：

• coord:nominalTime()，返回coordinator的每一執行周期的當前時間；
• coord:dateOffset(String baseDate, int instance, String timeUnit)，計算偏移后的時間，newDate = baseDate + instance * timeUnit；
• coord:formatTime(String ts, String format)，定義格式化的時間，其中format應遵循Java's SimpleDateFormat。

返回多個時間：

<value>${coord:formatTime(coord:dateOffset(coord:dateOffset(coord:nominalTime(), -12, 'HOUR'), -6, 'DAY'), 'yyyy-MM-dd')},${coord:formatTime(coord:dateOffset(coord:dateOffset(coord:nominalTime(), -12, 'HOUR'), -5, 'DAY')</value>