0


数仓学习---15、数据仓库工作流调度

1、数据仓库工作流调度

1.1 调度工具部署

工具部署链接

1.2 新数据生成

1.2.1 用户行为日志

1、启动日志采集通道,包括Kafka、Flume等
(1)启动Zookeeper

zk.sh start

(2)启动Kafka

kf.sh start

(3)启动Flume

f1.sh start
f2.sh start

2、修改日志模拟器配置文件
修改hadoop102和hadoop103两台节点中的/opt/module/applog/application.yml文件,修改mock.date参数如下。

mock.date: "2020-06-15"

3、执行日志生成脚本

lg.sh

4、观察HDFS上是否有2020-06-15的日志数据生成

1.2.2 业务数据

1、修改Maxwell配置文件
(1)修改/opt/module/maxwell/config.properties文件

vim /opt/module/maxwell/config.properties

(2)修改mock_date参数设置如下

mock_date=2020-06-15

2、启动增量表采集通道,包括Maxwel、Kafka、Flume等
(1)启动Maxwell

mxw.sh start

注意:若Maxwell当前正在运行,为确保上述mock参数生效,需重启Maxwell。
(2)启动Flume

f3.sh start

(3)修改业务数据模拟器配置文件中的mock_date参数

mock.date=2020-06-15

(4)执行业务数据生成命令

java-jar gmall2020-mock-db-2021-10-10.jar 

(5)观察HDFS上增量表是否有2020-06-15的数据生成

1.3 工作流调度实操

由于DolphinScheduler集群模式启动进程较多,对虚拟机内存要求较高。故下面提供两种方式,可根据虚拟机内存情况进行选择。

1.3.1 DolphinScheduler集群模式

1、启动DolphinScheduler

dolphinscheduler/bin/start-all.sh 

2、使用普通用户登录
3、向DolphinScheduler资源中心上传工作流所需脚本
(1)创建文件夹
在这里插入图片描述
(2)上传工作流所需脚本
将工作流所需的所有脚本上传到资源中心scripts路径下,结果如下
在这里插入图片描述
4、向DolphinScheduler的WorkerServer节点分发脚本依赖的组件
由于工作流要执行的脚本需要调用Hive、DataX等组件,故在DolphinScheduler的集群模式下,需要确保每个WorkerServer节点都有脚本所依赖的组件。

 xsync /opt/module/hive/
 xsync /opt/module/spark/
 xsync /opt/module/datax/

5、创建工作流
(1)在gmall项目下创建工作流
在这里插入图片描述
(2)各任务节点配置如下

mysql_to_hdfs_full
在这里插入图片描述
hdfs_to_ods_db
在这里插入图片描述
hdfs_to_ods_log
在这里插入图片描述
ods_to_dwd
在这里插入图片描述
ods_to_dim
在这里插入图片描述
dwd_to_dws_1d
在这里插入图片描述
dws_1d_to_dws_nd
在这里插入图片描述
dws_1d_to_dws_td
在这里插入图片描述
dws_to_ads
在这里插入图片描述
hdfs_to_mysql
在这里插入图片描述
(3)各节点依赖关系如下
在这里插入图片描述
(4)保存工作流
在这里插入图片描述
注意:定时调度时,全局参数值应设置为$[yyyy-MM-dd-1]或者空值。
7、上线工作流
在这里插入图片描述
8、执行工作流
在这里插入图片描述
在这里插入图片描述


本文转载自: https://blog.csdn.net/qq_44804713/article/details/131930919
版权归原作者 星光下的赶路人star 所有, 如有侵权,请联系我们删除。

“数仓学习---15、数据仓库工作流调度”的评论:

还没有评论