爆款云主机2核4G限时秒杀,88元/年起!
查看详情

活动

天翼云最新优惠活动,涵盖免费试用,产品折扣等,助您降本增效!
热门活动
  • 618智算钜惠季 爆款云主机2核4G限时秒杀,88元/年起!
  • 免费体验DeepSeek,上天翼云息壤 NEW 新老用户均可免费体验2500万Tokens,限时两周
  • 云上钜惠 HOT 爆款云主机全场特惠,更有万元锦鲤券等你来领!
  • 算力套餐 HOT 让算力触手可及
  • 天翼云脑AOne NEW 连接、保护、办公,All-in-One!
  • 中小企业应用上云专场 产品组合下单即享折上9折起,助力企业快速上云
  • 息壤高校钜惠活动 NEW 天翼云息壤杯高校AI大赛,数款产品享受线上订购超值特惠
  • 天翼云电脑专场 HOT 移动办公新选择,爆款4核8G畅享1年3.5折起,快来抢购!
  • 天翼云奖励推广计划 加入成为云推官,推荐新用户注册下单得现金奖励
免费活动
  • 免费试用中心 HOT 多款云产品免费试用,快来开启云上之旅
  • 天翼云用户体验官 NEW 您的洞察,重塑科技边界

智算服务

打造统一的产品能力,实现算网调度、训练推理、技术架构、资源管理一体化智算服务
智算云(DeepSeek专区)
科研助手
  • 算力商城
  • 应用商城
  • 开发机
  • 并行计算
算力互联调度平台
  • 应用市场
  • 算力市场
  • 算力调度推荐
一站式智算服务平台
  • 模型广场
  • 体验中心
  • 服务接入
智算一体机
  • 智算一体机
大模型
  • DeepSeek-R1-昇腾版(671B)
  • DeepSeek-R1-英伟达版(671B)
  • DeepSeek-V3-昇腾版(671B)
  • DeepSeek-R1-Distill-Llama-70B
  • DeepSeek-R1-Distill-Qwen-32B
  • Qwen2-72B-Instruct
  • StableDiffusion-V2.1
  • TeleChat-12B

应用商城

天翼云精选行业优秀合作伙伴及千余款商品,提供一站式云上应用服务
进入甄选商城进入云市场创新解决方案
办公协同
  • WPS云文档
  • 安全邮箱
  • EMM手机管家
  • 智能商业平台
财务管理
  • 工资条
  • 税务风控云
企业应用
  • 翼信息化运维服务
  • 翼视频云归档解决方案
工业能源
  • 智慧工厂_生产流程管理解决方案
  • 智慧工地
建站工具
  • SSL证书
  • 新域名服务
网络工具
  • 翼云加速
灾备迁移
  • 云管家2.0
  • 翼备份
资源管理
  • 全栈混合云敏捷版(软件)
  • 全栈混合云敏捷版(一体机)
行业应用
  • 翼电子教室
  • 翼智慧显示一体化解决方案

合作伙伴

天翼云携手合作伙伴,共创云上生态,合作共赢
天翼云生态合作中心
  • 天翼云生态合作中心
天翼云渠道合作伙伴
  • 天翼云代理渠道合作伙伴
天翼云服务合作伙伴
  • 天翼云集成商交付能力认证
天翼云应用合作伙伴
  • 天翼云云市场合作伙伴
  • 天翼云甄选商城合作伙伴
天翼云技术合作伙伴
  • 天翼云OpenAPI中心
  • 天翼云EasyCoding平台
天翼云培训认证
  • 天翼云学堂
  • 天翼云市场商学院
天翼云合作计划
  • 云汇计划
天翼云东升计划
  • 适配中心
  • 东升计划
  • 适配互认证

开发者

开发者相关功能入口汇聚
技术社区
  • 专栏文章
  • 互动问答
  • 技术视频
资源与工具
  • OpenAPI中心
开放能力
  • EasyCoding敏捷开发平台
培训与认证
  • 天翼云学堂
  • 天翼云认证
魔乐社区
  • 魔乐社区

支持与服务

为您提供全方位支持与服务,全流程技术保障,助您轻松上云,安全无忧
文档与工具
  • 文档中心
  • 新手上云
  • 自助服务
  • OpenAPI中心
定价
  • 价格计算器
  • 定价策略
基础服务
  • 售前咨询
  • 在线支持
  • 在线支持
  • 工单服务
  • 建议与反馈
  • 用户体验官
  • 服务保障
  • 客户公告
  • 会员中心
增值服务
  • 红心服务
  • 首保服务
  • 客户支持计划
  • 专家技术服务
  • 备案管家

了解天翼云

天翼云秉承央企使命,致力于成为数字经济主力军,投身科技强国伟大事业,为用户提供安全、普惠云服务
品牌介绍
  • 关于天翼云
  • 智算云
  • 天翼云4.0
  • 新闻资讯
  • 天翼云APP
基础设施
  • 全球基础设施
  • 信任中心
最佳实践
  • 精选案例
  • 超级探访
  • 云杂志
  • 分析师和白皮书
  • 天翼云·创新直播间
市场活动
  • 2025智能云生态大会
  • 2024智算云生态大会
  • 2023云生态大会
  • 2022云生态大会
  • 天翼云中国行
天翼云
  • 活动
  • 智算服务
  • 产品
  • 解决方案
  • 应用商城
  • 合作伙伴
  • 开发者
  • 支持与服务
  • 了解天翼云
      • 文档
      • 控制中心
      • 备案
      • 管理中心

      90 网站点击流数据分析案例(工作流调度)

      首页 知识中心 大数据 文章详情页

      90 网站点击流数据分析案例(工作流调度)

      2024-04-25 09:39:52 阅读次数:48

      hive,xml

      注:将整个项目的数据处理过程,从数据采集到数据分析,再到结果数据的导出,一系列的任务分割成若干个oozie的工作流,并用coordinator进行协调。

      工作流定义示例

      Ooize配置片段示例,详见项目工程

      1.日志预处理mr程序工作流定义

      <workflow-app name="weblogpreprocess" xmlns="uri:oozie:workflow:0.4">
      <start to="firstjob"/>
      <action name="firstjob">
      <map-reduce>
      <job-tracker>${jobTracker}</job-tracker>
      <name-node>${nameNode}</name-node>
      <prepare>
      <delete path="${nameNode}/${outpath}"/>
      </prepare>
      <configuration>
      <property>
      <name>mapreduce.job.map.class</name>
      <value>cn.itcast.bigdata.hive.mr.WeblogPreProcess$WeblogPreProcessMapper</value>
      </property>
      
      <property>
      <name>mapreduce.job.output.key.class</name>
      <value>org.apache.hadoop.io.Text</value>
      </property>
      <property>
      <name>mapreduce.job.output.value.class</name>
      <value>org.apache.hadoop.io.NullWritable</value>
      </property>
      
      <property>
      <name>mapreduce.input.fileinputformat.inputdir</name>
      <value>${inpath}</value>
      </property>
      <property>
      <name>mapreduce.output.fileoutputformat.outputdir</name>
      <value>${outpath}</value>
      </property>
      <property>
      <name>mapred.mapper.new-api</name>
      <value>true</value>
      </property>
      <property>
      <name>mapred.reducer.new-api</name>
      <value>true</value>
      </property>
      
      </configuration>
      </map-reduce>
      <ok to="end"/>
      <error to="kill"/>
      

      2.数据加载etl工作流定义

      <workflow-app xmlns="uri:oozie:workflow:0.5" name="hive2-wf">
      <start to="hive2-node"/>
      
      <action name="hive2-node">
      <hive2 xmlns="uri:oozie:hive2-action:0.1">
      <job-tracker>${jobTracker}</job-tracker>
      <name-node>${nameNode}</name-node>
      <configuration>
      <property>
      <name></name>
      <value>${queueName}</value>
      </property>
      </configuration>
      <jdbc-url>jdbc:hive2://hdp-node-01:10000</jdbc-url>
      <script>script.q</script>
      <param>input=/weblog/outpre2</param>
      </hive2>
      <ok to="end"/>
      <error to="fail"/>
      </action>
      
      <kill name="fail">
      <message>Hive2 (Beeline) action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
      </kill>
      <end name="end"/>
      </workflow-app>
      

      3.数据加载工作流所用hive脚本

      create database if not exists dw_weblog;
      use dw_weblog;
      drop table if exists t_orgin_weblog;
      create table t_orgin_weblog(valid string,remote_addr string,
      remote_user string,
      time_local string,
      request string,
      status string,
      body_bytes_sent string,
      http_referer string,
      http_user_agent string)
      row format delimited
      fields terminated by '\001';
      load data inpath '/weblog/preout' overwrite into table t_orgin_weblog;
      
      drop table if exists t_ods_detail_tmp_referurl;
      create table t_ods_detail_tmp_referurl as
      SELECT a.*,b.*
      FROM t_orgin_weblog a 
      LATERAL VIEW parse_url_tuple(regexp_replace(http_referer, "\"", ""), 'HOST', 'PATH','QUERY', 'QUERY:id') b as host, path, query, query_id;
      
      drop table if exists t_ods_detail;
      create table t_ods_detail as 
      select b.*,substring(time_local,0,11) as daystr,
      substring(time_local,13) as tmstr,
      substring(time_local,4,3) as month,
      substring(time_local,0,2) as day,
      substring(time_local,13,2) as hour
      from t_ods_detail_tmp_referurl b;
      
      drop table t_ods_detail_prt;
      create table t_ods_detail_prt(
      valid                  string,
      remote_addr            string,
      remote_user            string,
      time_local             string,
      request                string,
      status                 string,
      body_bytes_sent        string,
      http_referer           string,
      http_user_agent        string,
      host                   string,
      path                   string,
      query                  string,
      query_id               string,
      daystr                 string,
      tmstr                  string,
      month                  string,
      day                    string,
      hour                   string) 
      partitioned by (mm string,dd string);
      
      
      insert into table t_ods_detail_prt partition(mm='Sep',dd='18')
      select * from t_ods_detail where daystr='18/Sep/2013';
      insert into table t_ods_detail_prt partition(mm='Sep',dd='19')
      select * from t_ods_detail where daystr='19/Sep/2013';
      

      工作流单元测试

      1、工作流定义配置上传

      [hadoop@hdp-node-01 wf-oozie]$ hadoop fs -put hive2-etl /user/hadoop/oozie/myapps/
      [hadoop@hdp-node-01 wf-oozie]$ hadoop fs -put hive2-dw /user/hadoop/oozie/myapps/ 
      [hadoop@hdp-node-01 wf-oozie]$ ll
      total 12
      drwxrwxr-x. 2 hadoop hadoop 4096 Nov 23 16:32 hive2-dw
      drwxrwxr-x. 2 hadoop hadoop 4096 Nov 23 16:32 hive2-etl
      drwxrwxr-x. 3 hadoop hadoop 4096 Nov 23 11:24 weblog
      [hadoop@hdp-node-01 wf-oozie]$ export OOZIE_URL=http://localhost:11000/oozie
      

      2、工作流单元提交启动

      oozie job -D inpath=/weblog/input -D outpath=/weblog/outpre -config weblog/job.properties  -run
      

      启动etl的hive工作流

      oozie job -config hive2-etl/job.properties  -run
      

      启动pvs统计的hive工作流

      oozie job -config hive2-dw/job.properties  -run
      

      3、工作流coordinator配置(片段)

      多个工作流job用coordinator组织协调:

      [hadoop@hdp-node-01 hive2-etl]$ ll
      total 28
      -rw-rw-r--. 1 hadoop hadoop  265 Nov 13 16:39 config-default.xml
      -rw-rw-r--. 1 hadoop hadoop  512 Nov 26 16:43 coordinator.xml
      -rw-rw-r--. 1 hadoop hadoop  382 Nov 26 16:49 job.properties
      drwxrwxr-x. 2 hadoop hadoop 4096 Nov 27 11:26 lib
      -rw-rw-r--. 1 hadoop hadoop 1910 Nov 23 17:49 script.q
      -rw-rw-r--. 1 hadoop hadoop  687 Nov 23 16:32 workflow.xml
      

      config-default.xml:

      <configuration>
      <property>
      <name>jobTracker</name>
      <value>hdp-node-01:8032</value>
      </property>
      <property>
      <name>nameNode</name>
      <value>hdfs://hdp-node-01:9000</value>
      </property>
      <property>
      <name>queueName</name>
      <value>default</value>
      </property>
      </configuration>
      

      job.properties:

      =hadoop
      oozie.use.system.libpath=true
      oozie.libpath=hdfs://hdp-node-01:9000/user/hadoop/share/lib
      oozie.wf.application.path=hdfs://hdp-node-01:9000/user/hadoop/oozie/myapps/hive2-etl/
      

      workflow.xml:

      <workflow-app xmlns="uri:oozie:workflow:0.5" name="hive2-wf">
      <start to="hive2-node"/>
      
      <action name="hive2-node">
      <hive2 xmlns="uri:oozie:hive2-action:0.1">
      <job-tracker>${jobTracker}</job-tracker>
      <name-node>${nameNode}</name-node>
      <configuration>
      <property>
      <name></name>
      <value>${queueName}</value>
      </property>
      </configuration>
      <jdbc-url>jdbc:hive2://hdp-node-01:10000</jdbc-url>
      <script>script.q</script>
      <param>input=/weblog/outpre2</param>
      </hive2>
      <ok to="end"/>
      <error to="fail"/>
      </action>
      
      <kill name="fail">
      <message>Hive2 (Beeline) action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
      </kill>
      <end name="end"/>
      </workflow-app>
      

      coordinator.xml:

      <coordinator-app name="cron-coord" frequency="${coord:minutes(5)}" start="${start}" end="${end}" timezone="Asia/Shanghai" xmlns="uri:oozie:coordinator:0.2">
      <action>
      <workflow>
      <app-path>${workflowAppUri}</app-path>
      <configuration>
      <property>
      <name>jobTracker</name>
      <value>${jobTracker}</value>
      </property>
      <property>
      <name>nameNode</name>
      <value>${nameNode}</value>
      </property>
      <property>
      <name>queueName</name>
      <value>${queueName}</value>
      </property>
      </configuration>
      </workflow>
      </action>
      </coordinator-app>
      
      版权声明:本文内容来自第三方投稿或授权转载,原文地址:https://blog.51cto.com/u_15294985/5142365,作者:阿甘兄_,版权归原作者所有。本网站转在其作品的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如因作品内容、版权等问题需要同本网站联系,请发邮件至ctyunbbs@chinatelecom.cn沟通。

      上一篇:es安装及使用

      下一篇:elasticsearch IK分词器

      相关文章

      2025-05-09 08:20:32

      基于IDEA的Maven简单工程创建及结构分析

      通过一个 mvn 命令直接让我们创建一个 Maven 的脚手架。

      2025-05-09 08:20:32
      java , Maven , xml , 创建 , 文件 , 文件夹 , 项目
      2025-05-06 09:19:30

      第十八节 JDBC流ASCII和二进制数据

      PreparedStatement对象可以使用输入和输出流来提供参数数据。能够将整个文件放入可以容纳大值的数据库列,例如CLOB和BLOB数据类型。

      2025-05-06 09:19:30
      data , xml , XML , 数据库 , 示例
      2025-04-23 08:18:38

      【Hive】使用Ambari修改 默认队列

      【Hive】使用Ambari修改 默认队列

      2025-04-23 08:18:38
      hive , 修改 , 配置文件 , 队列
      2025-04-23 08:18:21

      【大数据生态】Oozie 入门学习

      Oozie 是一个用来管理 Hadoop 生态圈 job 的工作流调度系统。由 Cloudera 公司贡献给 Apache。Oozie 是运行于 Java servlet 容器上的一个 java web 应 用。

      2025-04-23 08:18:21
      job , xml , 定时 , 调度
      2025-04-09 09:16:42

      [快学Python3]XML解析处理 - Element Tree

      [快学Python3]XML解析处理 - Element Tree

      2025-04-09 09:16:42
      xml , 实例 , 演示 , 解析
      2025-03-28 07:40:23

      hive执行分区修复语句(MSCK REPAIR TABLE)时报FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.

      hive执行分区修复语句(MSCK REPAIR TABLE)时报FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.

      2025-03-28 07:40:23
      hdfs , hive , 分区 , 目录
      2025-03-12 09:34:29

      【问题已解决】Caused by: java.lang.IllegalStateException

      【问题已解决】Caused by: java.lang.IllegalStateException

      2025-03-12 09:34:29
      application , config , mybatis , xml
      2025-03-12 09:31:44

      【基础-配置文件】:hadoop配置文件作用概述ing

      【基础-配置文件】:hadoop配置文件作用概述ing

      2025-03-12 09:31:44
      hadoop , xml , yarn , 配置文件
      2025-03-12 09:31:27

      【运维与安装】hadoop 3.3.1 高可用 + simple认证 +队列设置

      【运维与安装】hadoop 3.3.1 高可用 + simple认证 +队列设置

      2025-03-12 09:31:27
      HDFS , xml , 配置 , 队列
      2025-03-11 09:35:39

      【002hive基础】hive的库、表与hdfs的组织逻辑

      【002hive基础】hive的库、表与hdfs的组织逻辑

      2025-03-11 09:35:39
      hive , 存储 , 数据 , 视图
      查看更多
      推荐标签

      作者介绍

      天翼云小翼
      天翼云用户

      文章

      33561

      阅读量

      5241025

      查看更多

      最新文章

      【大数据生态】Oozie 入门学习

      2025-04-23 08:18:21

      【Android】-- 向上个和下个Activity页面发送数据

      2024-08-02 09:08:33

      YOLO格式数据集和VOC格式数据集互转(txt&xml)

      2024-04-26 08:39:47

      截止今天学习大数据技术的笔记

      2024-04-23 09:44:00

      建造者模式实例数据拼接 java生成真实XML文件

      2024-03-28 08:10:08

      数据湖的环境共享datalake元数据共享方案

      2023-08-09 07:17:26

      查看更多

      热门文章

      第4章 DDL数据定义

      2023-06-14 09:05:39

      数据湖的环境共享datalake元数据共享方案

      2023-08-09 07:17:26

      hive修复所有表

      2023-08-01 08:53:54

      hive——通过外部向表中插入数据问题

      2023-04-13 09:51:35

      hive 的功能和架构

      2023-05-11 06:07:22

      工具栏,底部导航栏,可扩展列表视图

      2022-11-14 02:56:39

      查看更多

      热门标签

      算法 leetcode python 数据 java 数组 节点 大数据 i++ 链表 golang c++ 排序 django 数据类型
      查看更多

      相关产品

      弹性云主机

      随时自助获取、弹性伸缩的云服务器资源

      天翼云电脑(公众版)

      便捷、安全、高效的云电脑服务

      对象存储

      高品质、低成本的云上存储服务

      云硬盘

      为云上计算资源提供持久性块存储

      查看更多

      随机文章

      hive 的功能和架构

      截止今天学习大数据技术的笔记

      数据湖的环境共享datalake元数据共享方案

      建造者模式实例数据拼接 java生成真实XML文件

      工具栏,底部导航栏,可扩展列表视图

      hive修复所有表

      • 7*24小时售后
      • 无忧退款
      • 免费备案
      • 专家服务
      售前咨询热线
      400-810-9889转1
      关注天翼云
      • 旗舰店
      • 天翼云APP
      • 天翼云微信公众号
      服务与支持
      • 备案中心
      • 售前咨询
      • 智能客服
      • 自助服务
      • 工单管理
      • 客户公告
      • 涉诈举报
      账户管理
      • 管理中心
      • 订单管理
      • 余额管理
      • 发票管理
      • 充值汇款
      • 续费管理
      快速入口
      • 天翼云旗舰店
      • 文档中心
      • 最新活动
      • 免费试用
      • 信任中心
      • 天翼云学堂
      云网生态
      • 甄选商城
      • 渠道合作
      • 云市场合作
      了解天翼云
      • 关于天翼云
      • 天翼云APP
      • 服务案例
      • 新闻资讯
      • 联系我们
      热门产品
      • 云电脑
      • 弹性云主机
      • 云电脑政企版
      • 天翼云手机
      • 云数据库
      • 对象存储
      • 云硬盘
      • Web应用防火墙
      • 服务器安全卫士
      • CDN加速
      热门推荐
      • 云服务备份
      • 边缘安全加速平台
      • 全站加速
      • 安全加速
      • 云服务器
      • 云主机
      • 智能边缘云
      • 应用编排服务
      • 微服务引擎
      • 共享流量包
      更多推荐
      • web应用防火墙
      • 密钥管理
      • 等保咨询
      • 安全专区
      • 应用运维管理
      • 云日志服务
      • 文档数据库服务
      • 云搜索服务
      • 数据湖探索
      • 数据仓库服务
      友情链接
      • 中国电信集团
      • 189邮箱
      • 天翼企业云盘
      • 天翼云盘
      ©2025 天翼云科技有限公司版权所有 增值电信业务经营许可证A2.B1.B2-20090001
      公司地址:北京市东城区青龙胡同甲1号、3号2幢2层205-32室
      • 用户协议
      • 隐私政策
      • 个人信息保护
      • 法律声明
      备案 京公网安备11010802043424号 京ICP备 2021034386号