使用Oozie调度Spark访问HBase以及Hive

前提条件

已经配置完成导入并配置Oozie样例工程的前提条件

开发环境配置

1. 参考获取MRS应用开发样例工程，获取样例代码解压目录中“src\oozie-examples\oozienormal-examples”目录下的样例工程文件夹中OozieMapReduceExample、OozieSparkHBaseExample和OozieSparkHiveExample样例工程。
2. 修改样例工程中的如下参数，请参考表1。

   表1 文件参数修改列表

   文件名	参数名	值	取值样例
   src\main\resources\application.properties	submit_user	提交任务的用户	developuser
   	oozie_url_default	https://Oozie业务IP:21003/oozie/	https://10.10.10.233:21003/oozie/
   src\main\resources\job.properties	userName	提交任务的用户	developuser
   	examplesRoot	默认值或根据实际情况修改	myjobs
   	oozie.wf.application.path	默认值或根据实际情况修改	${nameNode}/user/${userName}/${examplesRoot}/apps/spark2x 须知： 需要保证此路径和“src\main\resources\workflow.xml”文件中的<jar>标签和<spark-opts>标签路径一致。
   src\main\resources\workflow.xml	<jar> </jar>	将“OoizeSparkHBase-1.0.jar”修改成实际打包的jar包名称	<jar>${nameNode}/user/${userName}/${examplesRoot}/apps/spark2x/lib/OoizeSparkHBase-1.0.jar</jar>

   

   进入项目根目录，比如“D:\sample_project\src\oozie-examples\oozienormal-examples\OozieSparkHBaseExample”，然后执行mvn clean package -DskipTests，打包成功之后在target目录里面。

3. 根据上面配置的路径，在HDFS客户端上新建如下文件夹：

   /user/developuser/myjobs/apps/spark2x/lib

   /user/developuser/myjobs/apps/spark2x/hbase

   /user/developuser/myjobs/apps/spark2x/hive

4. 将表格中的文件上传到对应目录，请参考表2。

   表2 文件上传列表

   初始文件路径	文件	上传目标目录
   Spark客户端目录（如“/opt/client/Spark2x/spark/conf”）	hive-site.xml	HDFS的“/user/developuser/myjobs/apps/spark2x”目录
   	hbase-site.xml
   Spark客户端目录（如“/opt/client/Spark2x/spark/jars”）	jar包	Oozie的share HDFS的“/user/oozie/share/lib/spark2x”目录 说明： 请使用Oozie用户上传文件，执行su - oozie切换到Oozie用户 上传结束后再重启oozie服务。
   将待使用样例工程的项目打包成jar包	jar包	HDFS的“/user/developuser/myjobs/apps/spark2x/lib/”目录
   OozieSparkHiveExample样例工程目录“src\main\resources”	workflow.xml	HDFS的“/user/developuser/myjobs/apps/spark2x/hive”目录 说明： <spark-opts> 中的spark-archive-2x.zip路径需要根据实际HDFS文件路径进行修改。
   OozieSparkHBaseExample样例工程目录“src\main\resources”	workflow.xml	HDFS的“/user/developuser/myjobs/apps/spark2x/hbase”目录 说明： <spark-opts> 中的spark-archive-2x.zip路径需要根据实际HDFS文件路径进行修改。

5. 修改上传后HDFS的“/user/developuser/myjobs/apps/spark2x”目录下的“hive-site.xml”中“hive.security.authenticator.manager”参数的值，从“org.apache.hadoop.hive.ql.security.SessionStateUserMSGroupAuthenticator”改为“org.apache.hadoop.hive.ql.security.SessionStateUserGroupAuthenticator”。
6. 执行以下命令创建Hive表。

   可以在Hue UI里hive面板里面直接输入以下的SQL。

   图1 执行Hive SQL命令
   

   CREATE DATABASE test;

   CREATE TABLE IF NOT EXISTS `test`.`usr` (user_id int comment 'userID',user_name string comment 'userName',age int comment 'age')PARTITIONED BY (country string)STORED AS PARQUET;

   CREATE TABLE IF NOT EXISTS `test`.`usr2` (user_id int comment 'userID',user_name string comment 'userName',age int comment 'age')PARTITIONED BY (country string)STORED AS PARQUET;

   INSERT INTO TABLE test.usr partition(country='CN') VALUES(1,'maxwell',45),(2,'minwell',30),(3,'mike',22);

   INSERT INTO TABLE test.usr partition(country='USA') VALUES(4,'minbin',35);

7. 使用hbase shell，执行以下命令创建HBase表。

   create 'SparkHBase',{NAME=>'cf1'}

   put 'SparkHBase','01','cf1:name','Max'

   put 'SparkHBase','01','cf1:age','23'