一个简单的使用Quartz和Oozie调度作业给大数据计算平台执行

一，介绍

Oozie是一个基于Hadoop的工作流调度器，它可以通过Oozie Client 以编程的形式提交不同类型的作业，如MapReduce作业和Spark作业给底层的计算平台(如 Cloudera Hadoop)执行。

Quartz是一个开源的调度软件，它为任务的调度执行提供了各种触发器以及监听器

下面使用Quartz + Oozie 将一个MapReduce程序提交给Cloudera Hadoop执行

二，调度思路

①为什么要用Quartz呢？主要是借助Quartz强大的触发器功能。它可以允许满足不同的调度需求，如每周执行作业一次、重复执行作业多少次。这里有一个重要的问题：假设我有一个作业需要重复执行，当第一次把该作业提交到CDH上执行后，以后需要执行该作业时不再是又一次把该作业上传到CDH上然后执行，而是把提交过的作业记录下来，下次需要运行时，直接让CDH再运行该作业。

②使用Quartz还有一个好处就是：在作业提交的时候可以做一些控制。比如，某种类型的作业提交的频率很高，或者运行时间较短(根据它上次执行完的情况来判断)，那么下次运行它时，让它具有更高的优先级。

③使用Oozie的目的很明确，就是让它把作业发送给底层的计算平台，如CDH去执行作业。

三，Eclipse开发环境搭建

主要是需要Quartz和Oozie的依赖包。具体如下：

 四，实现思路

a) 调度系统目前只考虑调度两种类型的作业：Mapreduce作业和Spark作业。先把这二种作业通过Quartz传递给Oozie，然后再让Oozie把作业提交给CDH计算平台去执行。

b) Quartz提供了一个公共的Job接口。里面只有一个execute()方法，该方法负责完成Quartz所调度的作业的具体功能：把作业传递给Oozie

c) 定义一个抽象类BaseJob，它里面定义了二个方法。这二个方法主要是用来做一些准备工作，即使用Quartz把作业传递给Oozie时需要找到作业在HDFS上的存储目录，并将之复制执行目录下。

d) 最后是两个具体的实现类，MRJob和SparkJob，它们分别代表Mapreduce作业和Spark作业。在实现类里面完成作业的配置，然后将作业提交到CDH计算平台上执行。

相关类图如下：

 

五，具体代码分析

MRJob.java

实现了org.quartz.Job接口的execute()，该方法当触发器被触发时，会自动地被Quartz Schedule 调度执行。这样，就可以根据需要定义触发器，控制作业何时提交给Oozie。

@Override
    public void execute(JobExecutionContext arg0) throws JobExecutionException {
        try{
            String jobId = wc.run(conf);
            System.out.println("Workflow job submitted");//submit job to oozie and get the jobId
            
            //wait until the workflow job finishes
            while(wc.getJobInfo(jobId).getStatus() == Status.RUNNING){
                System.out.println("Workflow job running...");
                try{
                    Thread.sleep(10*1000);
                }catch(InterruptedException e){e.printStackTrace();}
            }
            System.out.println("Workflow job completed!");
            System.out.println(wc.getJobId(jobId));
        }catch(OozieClientException e){e.printStackTrace();}
    }

 

测试的main函数程序如下：可以看出对于客户端而言，只需要按照编写常规的Quartz作业方式，就可以调试MapReduce作业了。要想运行该程序，当然还得提前准备到作业的运行环境。具体参考

import static org.quartz.JobBuilder.newJob;
import static org.quartz.TriggerBuilder.newTrigger;

import java.util.Date;

import org.quartz.JobDetail;
import org.quartz.Scheduler;
import org.quartz.SchedulerFactory;
import org.quartz.SimpleTrigger;
import org.quartz.impl.StdSchedulerFactory;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import com.quartz.job.MRJob;


public class QuartzOozieJobTest {
    public static void main(String[] args) throws Exception{
        QuartzOozieJobTest test = new QuartzOozieJobTest();
        test.run();
    }
    
    public void run() throws Exception{
        Logger log = LoggerFactory.getLogger(QuartzOozieJobTest.class);

        log.info("------- Initializing ----------------------");

        SchedulerFactory sf = new StdSchedulerFactory();
        Scheduler sched = sf.getScheduler();
        
        long startTime = System.currentTimeMillis() + 20000L;
        Date startTriggerTime = new Date(startTime);
        
        JobDetail jobDetail = newJob(MRJob.class).withIdentity("job", "group1").build();
        SimpleTrigger trigger = (SimpleTrigger) newTrigger().withIdentity("trigger", "group1").startAt(startTriggerTime).build();
        
        Date ft = sched.scheduleJob(jobDetail, trigger);
        
        log.info(jobDetail.getKey() + " will submit at " + ft + " only once.");
        
        sched.start();
//        sched.shutdown(true);
    }
}

 

整个项目的源代码下载