sqoop 作业 shell 脚本在 oozie 中并行执行

Question

我有一个执行 sqoop job 的 shell 脚本。脚本如下。

!#/bin/bash

table=

sqoop job --exec ${table}

现在，当我在工作流中传递 table 名称时，我会成功执行 sqoop 作业。

工作流程如下。

<workflow-app name="Shell_script" xmlns="uri:oozie:workflow:0.5">
<start to="shell"/>
<kill name="Kill">
    <message>Action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
</kill>
<action name="shell_script">
    <shell xmlns="uri:oozie:shell-action:0.1">
        <job-tracker>${jobTracker}</job-tracker>
        <name-node>${nameNode}</name-node>
        <exec>sqoopjob.sh</exec>
        <argument>test123</argument>
        <file>/user/oozie/sqoop/lib/sqoopjob.sh#sqoopjob.sh</file>
    </shell>
    <ok to="End"/>
    <error to="Kill"/>
    </action>
    <end name="End"/>
</workflow-app>

作业成功执行 table test123。

现在我有 300 个与上面相同的 sqoop 作业。我想并行执行 10 个 sqoop 作业。所有 table 名称都在一个文件中。

现在我想循环到文件并在前 10 table 秒执行 10 个 sqoop 作业，依此类推。

我该怎么做？我应该准备 10 个工作流程吗？我真的很困惑。

Answer 1

如@Samson Scharfrichter 所述，您可以在 shell 脚本中启动并行作业。在 shell 和运行中并行创建函数 runJob()。使用此模板：

#!/bin/bash

runJob() {
tableName=""
#add other parameters here

#call sqoop here or do something else
#write command logs
#etc, etc
#return 0 on success, return 1 on fail

return 0
}

#Run parallel processes and wait for their completion

#Add loop here or add more calls
runJob $table_name &
runJob $table_name2 &
runJob $table_name3 &
#Note the ampersand in above commands says to create parallel process

#Now wait for all processes to complete
FAILED=0

for job in `jobs -p`
do
   echo "job=$job"
   wait $job || let "FAILED+=1"
done

if [ "$FAILED" != "0" ]; then
    echo "Execution FAILED!  ($FAILED)"
    #Do something here, log or send messege, etc

    exit 1
fi

#All processes are completed successfully!
#Do something here
echo "Done successfully"

sqoop 作业 shell 脚本在 oozie 中并行执行

sqoop job shell script execute parallel in oozie

shell

hdfs

sqoop

oozie

oozie-coordinator