Oozie工作流之理论篇
简介
Apache Oozie 是一个面向Hadoop平台的工作流引擎框架。
它能够提供对Hadoop Mapreduce、Pig Jobs、Spark、Sqoop、Hive的任务调度与协调。
Oozie工作流是放置在控制依赖DAG(有向无环图Direct Acyclic Graph)中的一组动作，如Hadoop的Map/Reduce作业：
对于Oozie工作流(workflow)来说，一个工作流就是一些活动(actions)的容器，其中活动包括Hadoop Map/Reduce jobs或者Pig jobs等，然后通过有向无环图来控制依赖，比如一个活动必须要在另一个活动结束之后才能运行。
定义
Oozie工作流定义，同JBoss jBPM提供的jPDL一样，也提供了类似的流程定义语言hPDL，通过XML文件格式来实现流程的定义。对于工作流系统，一般都会有很多不同功能的节点，比如分支、并发、汇合等等。
控制流节点
Oozie定义了控制流节点(Control Flow Nodes)和动作节点(Action Nodes)，其中控制流节点定义了流程的开始和结束(start，end和fail节点)，以及工作流的执行路径(execution path)机制，如：decision，fork，join节点
动作节点
Oozie的动作节点提供了工作流触发实际执行计算任务的途径，并且可以支持多种不同的动作，如：Hadoop map-reduce，Pig，Sqoop以及子工作流。还可以支持额外的扩展。
运行
Oozie工作流作业是在远程系统中运行的，也就是说所有由动作节点触发的计算和处理人的都不在Oozie之中。而是如：Hadoop平台，将workflow.xml工作流定义文件上传到HDFS文件系统目录，然后运行Map/Reduce作业，远程系统通过回调的方式通知Oozie活动的运行情况。
触发
Oozie工作流可以根据时间与数据变化等外部条件进行触发。
一些工作流是根据需要触发的，但是大多数情况下，我们有必要基于一定的时间段和（或）数据可用性和（或）外部事件来运行它们。Oozie协调系统（Coordinator system）让用户可以基于这些参数来定义工作流执行计划。Oozie协调程序让我们可以以谓词的方式对工作流执行触发器进行建模，那可以指向数据、事件和（或）外部事件。工作流作业会在谓词得到满足的时候启动。