Oozie分布式任務的工作流——腳本篇

繼前一篇大體上翻譯了Email的Action配置，本篇繼續看一下Shell的相關配置。

Shell Action

Shell Action可以執行Shell腳本命令，工作流會等到shell完全執行完畢后退出，再執行下一個節點。為了運行shell，必須配置job-tracker 以及name-node，並且設置exec來執行shell.

Shell既可以使用job-xml引用一個配置文件，也可以在shell action內直接配置。shell action中的配置會覆蓋job-xml中的配置。

EL表達式同樣適用於shell action。

注意，mapred.job.tracker以及fs.default.name屬性不能再shell action中直接配置。

在mapreduce任務中可以處理一些資源，這樣shell就可以使用了。更多的內容參考[WorkflowFunctionalSpec#FilesAchives]``[Adding Files and Archives for the Job]章節。

shell的輸出可以被后面的工作流任務使用，這些信息可以用來配置一些關鍵的信息。如果shell的輸出想要對整個工作流任務可用，那么必須滿足

• 輸出的格式是標准的java屬性文件
• 輸出的內容不能超過2KB

語法

<workflow-app name="[WF-DEF-NAME]" xmlns="uri:oozie:workflow:0.3">
    ...
    <action name="[NODE-NAME]">
        <shell xmlns="uri:oozie:shell-action:0.1">
            <job-tracker>[JOB-TRACKER]</job-tracker>
            <name-node>[NAME-NODE]</name-node>
            <prepare>
               <delete path="[PATH]"/>
               ...
               <mkdir path="[PATH]"/>
               ...
            </prepare>
            <job-xml>[SHELL SETTINGS FILE]</job-xml>
            <configuration>
                <property>
                    <name>[PROPERTY-NAME]</name>
                    <value>[PROPERTY-VALUE]</value>
                </property>
                ...
            </configuration>
            <exec>[SHELL-COMMAND]</exec>
            <argument>[ARG-VALUE]</argument>
                ...
            <argument>[ARG-VALUE]</argument>
            <env-var>[VAR1=VALUE1]</env-var>
               ...
            <env-var>[VARN=VALUEN]</env-var>
            <file>[FILE-PATH]</file>
            ...
            <archive>[FILE-PATH]</archive>
            ...
            <capture-output/>
        </shell>
        <ok to="[NODE-NAME]"/>
        <error to="[NODE-NAME]"/>
    </action>
    ...
</workflow-app>

• prepare元素，經常用於創建一系列的目錄或者刪除目錄。注意目錄必須是hdfs://host:port這種格式的。
• job-xml元素，指定shell任務的配置。在0.2的schema中，job-xml元素允許指定多個job-xml文件。
• configuration元素，包含了shell任務的配置信息。
• exec元素，這個是必填項。包含了shell腳本的路徑，並執行它。參數可以設置0個或者多個argument元素。
• argument元素，用於傳遞給shell腳本。
• env-var元素，可以設置環境變量，傳遞給shell腳本。env-var需要包含鍵值對這種的信息。比如包含$PATH這種信息，那么需要設置PATH=$PATH:mypath這種格式。不要使用${}這種語法，因為它會被認為是Oozie的EL表達式。
• shell action也可以創建hadoop的配置。shell應用可以直接讀取配置文件。
• capture-output元素,用來指定輸出端。shell命令輸出必須是java屬性這種格式，並且小於2kb.通過工作流的定義，輸出也可以通過string action實現。

上面這些元素都支持EL表達式。

例子

如何運行shell或者perl腳本。

<workflow-app xmlns='uri:oozie:workflow:0.3' name='shell-wf'>
    <start to='shell1' />
    <action name='shell1'>
        <shell xmlns="uri:oozie:shell-action:0.1">
            <job-tracker>${jobTracker}</job-tracker>
            <name-node>${nameNode}</name-node>
            <configuration>
                <property>
                  <name>mapred.job.queue.name</name>
                  <value>${queueName}</value>
                </property>
            </configuration>
            <exec>${EXEC}</exec>
            <argument>A</argument>
            <argument>B</argument>
            <file>${EXEC}#${EXEC}</file> <!--Copy the executable to compute node's current working directory -->
        </shell>
        <ok to="end" />
        <error to="fail" />
    </action>
    <kill name="fail">
        <message>Script failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
    </kill>
    <end name='end' />
</workflow-app>

用於提交oozie工作的參數有

oozie.wf.application.path=hdfs://localhost:8020/user/kamrul/workflows/script#Execute is expected to be in the Workflow directory.
#Shell Script to run
EXEC=script.sh
#CPP executable. Executable should be binary compatible to the compute node OS.
#EXEC=hello
#Perl script
#EXEC=script.pl
jobTracker=localhost:8021
nameNode=hdfs://localhost:8020
queueName=default

如何運行java程序並添加jar包

<workflow-app xmlns='uri:oozie:workflow:0.3' name='shell-wf'>
    <start to='shell1' />
    <action name='shell1'>
        <shell xmlns="uri:oozie:shell-action:0.1">
            <job-tracker>${jobTracker}</job-tracker>
            <name-node>${nameNode}</name-node>
            <configuration>
                <property>
                  <name>mapred.job.queue.name</name>
                  <value>${queueName}</value>
                </property>
            </configuration>
            <exec>java</exec>
            <argument>-classpath</argument>
            <argument>./${EXEC}:$CLASSPATH</argument>
            <argument>Hello</argument>
            <file>${EXEC}#${EXEC}</file> <!--Copy the jar to compute node current working directory -->
        </shell>
        <ok to="end" />
        <error to="fail" />
    </action>
    <kill name="fail">
        <message>Script failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
    </kill>
    <end name='end' />
</workflow-app>

提交的相關參數

oozie.wf.application.path=hdfs://localhost:8020/user/kamrul/workflows/script#Hello.jar file is expected to be in the Workflow directory.
EXEC=Hello.jar
jobTracker=localhost:8021
nameNode=hdfs://localhost:8020
queueName=default

shell Action日志

shell action標准輸出和錯誤輸出都可以直接輸出到oozie的mapreduce任務控制台上。

通過oozie web控制台，也可以看到它的執行日志。

shell action的限制

盡管shell可以執行任何的腳本命令，但是還是有一些限制的。

• 不支持交互式的命令
• 命令不能使用不同的用戶執行
• 用戶必須嚴格控制上傳的jar包。oozie會把他上傳到分布式環境中進行緩存
• 盡管oozie在hadoop的計算節點執行shell命令，但是可能有一些默認安裝的工能是不支持的。因此需要了解，oozie可以支持安裝在計算節點的命令。

實戰分析

shell可以輸出java properties格式的數據，並且可以配合EL表達式，在其他的action中使用。因此它可以作為工作流的初始化任務，以及配置服務。

比如，在腳本中：

#!/bin/sh
a=1
b=2
echo "a=$a"
echo "b=$b"

在其他的節點中就可以通過EL表達式來使用了。