离线数仓搭建_16_Azkaban全流程调度

文章目录

上文访问：离线数仓搭建_15_ADS层数据构建
下文访问：尽请期待！

17.0 全流程调度

17.1 Azkaban部署

详情见本人博客： https://blog.csdn.net/m0_58022371/article/details/127110533

17.2 创建MySQL数据库和表

注:SQL语句：

CREATE DATABASE `gmall_report` CHARACTER SET 'utf8' COLLATE 'utf8_general_ci';

2）创建表

（1）访客统计

DROPTABLEIFEXISTS ads_visit_stats;CREATETABLE`ads_visit_stats`(`dt`DATENOTNULLCOMMENT'统计日期',`is_new`VARCHAR(255)NOTNULLCOMMENT'新老标识,1:新,0:老',`recent_days`INTNOTNULLCOMMENT'最近天数,1:最近1天,7:最近7天,30:最近30天',`channel`VARCHAR(255)NOTNULLCOMMENT'渠道',`uv_count`BIGINT(20)DEFAULTNULLCOMMENT'日活(访问人数)',`duration_sec`BIGINT(20)DEFAULTNULLCOMMENT'页面停留总时长',`avg_duration_sec`BIGINT(20)DEFAULTNULLCOMMENT'一次会话，页面停留平均时长',`page_count`BIGINT(20)DEFAULTNULLCOMMENT'页面总浏览数',`avg_page_count`BIGINT(20)DEFAULTNULLCOMMENT'一次会话，页面平均浏览数',`sv_count`BIGINT(20)DEFAULTNULLCOMMENT'会话次数',`bounce_count`BIGINT(20)DEFAULTNULLCOMMENT'跳出数',`bounce_rate`DECIMAL(16,2)DEFAULTNULLCOMMENT'跳出率',PRIMARYKEY(`dt`,`recent_days`,`is_new`,`channel`))ENGINE=INNODBDEFAULTCHARSET=utf8;

（2）页面路径分析

DROPTABLEIFEXISTS ads_page_path;CREATETABLE`ads_page_path`(`dt`DATENOTNULLCOMMENT'统计日期',`recent_days`BIGINT(20)NOTNULLCOMMENT'最近天数,1:最近1天,7:最近7天,30:最近30天',`source`VARCHAR(255)DEFAULTNULLCOMMENT'跳转起始页面',`target`VARCHAR(255)DEFAULTNULLCOMMENT'跳转终到页面',`path_count`BIGINT(255)DEFAULTNULLCOMMENT'跳转次数',UNIQUEKEY(`dt`,`recent_days`,`source`,`target`)USINGBTREE)ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

（3）用户统计

DROPTABLEIFEXISTS ads_user_total;CREATETABLE`ads_user_total`(`dt`DATENOTNULLCOMMENT'统计日期',`recent_days`BIGINT(20)NOTNULLCOMMENT'最近天数,0:累积值,1:最近1天,7:最近7天,30:最近30天',`new_user_count`BIGINT(20)DEFAULTNULLCOMMENT'新注册用户数',`new_order_user_count`BIGINT(20)DEFAULTNULLCOMMENT'新增下单用户数',`order_final_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'下单总金额',`order_user_count`BIGINT(20)DEFAULTNULLCOMMENT'下单用户数',`no_order_user_count`BIGINT(20)DEFAULTNULLCOMMENT'未下单用户数(具体指活跃用户中未下单用户)',PRIMARYKEY(`dt`,`recent_days`))ENGINE=INNODBDEFAULTCHARSET=utf8;

（4）用户变动统计

DROPTABLEIFEXISTS ads_user_change;CREATETABLE`ads_user_change`(`dt`DATENOTNULLCOMMENT'统计日期',`user_churn_count`BIGINT(20)DEFAULTNULLCOMMENT'流失用户数',`user_back_count`BIGINT(20)DEFAULTNULLCOMMENT'回流用户数',PRIMARYKEY(`dt`))ENGINE=INNODBDEFAULTCHARSET=utf8;

（5）用户行为漏斗分析

DROPTABLEIFEXISTS ads_user_action;CREATETABLE`ads_user_action`(`dt`DATENOTNULLCOMMENT'统计日期',`recent_days`BIGINT(20)NOTNULLCOMMENT'最近天数,1:最近1天,7:最近7天,30:最近30天',`home_count`BIGINT(20)DEFAULTNULLCOMMENT'浏览首页人数',`good_detail_count`BIGINT(20)DEFAULTNULLCOMMENT'浏览商品详情页人数',`cart_count`BIGINT(20)DEFAULTNULLCOMMENT'加入购物车人数',`order_count`BIGINT(20)DEFAULTNULLCOMMENT'下单人数',`payment_count`BIGINT(20)DEFAULTNULLCOMMENT'支付人数',PRIMARYKEY(`dt`,`recent_days`)USINGBTREE)ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

（6）用户留存率分析

DROPTABLEIFEXISTS ads_user_retention;CREATETABLE`ads_user_retention`(`dt`DATEDEFAULTNULLCOMMENT'统计日期',`create_date`VARCHAR(255)NOTNULLCOMMENT'用户新增日期',`retention_day`BIGINT(20)NOTNULLCOMMENT'截至当前日期留存天数',`retention_count`BIGINT(20)DEFAULTNULLCOMMENT'留存用户数量',`new_user_count`BIGINT(20)DEFAULTNULLCOMMENT'新增用户数量',`retention_rate`DECIMAL(16,2)DEFAULTNULLCOMMENT'留存率',PRIMARYKEY(`create_date`,`retention_day`)USINGBTREE)ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

（7）订单统计

DROPTABLEIFEXISTS ads_order_total;CREATETABLE`ads_order_total`(`dt`DATENOTNULLCOMMENT'统计日期',`recent_days`BIGINT(20)NOTNULLCOMMENT'最近天数,1:最近1天,7:最近7天,30:最近30天',`order_count`BIGINT(255)DEFAULTNULLCOMMENT'订单数',`order_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'订单金额',`order_user_count`BIGINT(255)DEFAULTNULLCOMMENT'下单人数',PRIMARYKEY(`dt`,`recent_days`))ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

（8）各省份订单统计

DROPTABLEIFEXISTS ads_order_by_province;CREATETABLE`ads_order_by_province`(`dt`DATENOTNULL,`recent_days`BIGINT(20)NOTNULLCOMMENT'最近天数,1:最近1天,7:最近7天,30:最近30天',`province_id`VARCHAR(255)NOTNULLCOMMENT'统计日期',`province_name`VARCHAR(255)DEFAULTNULLCOMMENT'省份名称',`area_code`VARCHAR(255)DEFAULTNULLCOMMENT'地区编码',`iso_code`VARCHAR(255)DEFAULTNULLCOMMENT'国际标准地区编码',`iso_code_3166_2`VARCHAR(255)DEFAULTNULLCOMMENT'国际标准地区编码',`order_count`BIGINT(20)DEFAULTNULLCOMMENT'订单数',`order_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'订单金额',PRIMARYKEY(`dt`,`recent_days`,`province_id`)USINGBTREE)ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

（9）品牌复购率

DROPTABLEIFEXISTS ads_repeat_purchase;CREATETABLE`ads_repeat_purchase`(`dt`DATENOTNULLCOMMENT'统计日期',`recent_days`BIGINT(20)NOTNULLCOMMENT'最近天数,1:最近1天,7:最近7天,30:最近30天',`tm_id`VARCHAR(255)NOTNULLCOMMENT'品牌ID',`tm_name`VARCHAR(255)DEFAULTNULLCOMMENT'品牌名称',`order_repeat_rate`DECIMAL(16,2)DEFAULTNULLCOMMENT'复购率',PRIMARYKEY(`dt`,`recent_days`,`tm_id`))ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

（10）商品统计

DROPTABLEIFEXISTS ads_order_spu_stats;CREATETABLE`ads_order_spu_stats`(`dt`DATENOTNULLCOMMENT'统计日期',`recent_days`BIGINT(20)NOTNULLCOMMENT'最近天数,1:最近1天,7:最近7天,30:最近30天',`spu_id`VARCHAR(255)NOTNULLCOMMENT'商品ID',`spu_name`VARCHAR(255)DEFAULTNULLCOMMENT'商品名称',`tm_id`VARCHAR(255)NOTNULLCOMMENT'品牌ID',`tm_name`VARCHAR(255)DEFAULTNULLCOMMENT'品牌名称',`category3_id`VARCHAR(255)NOTNULLCOMMENT'三级品类ID',`category3_name`VARCHAR(255)DEFAULTNULLCOMMENT'三级品类名称',`category2_id`VARCHAR(255)NOTNULLCOMMENT'二级品类ID',`category2_name`VARCHAR(255)DEFAULTNULLCOMMENT'二级品类名称',`category1_id`VARCHAR(255)NOTNULLCOMMENT'一级品类ID',`category1_name`VARCHAR(255)NOTNULLCOMMENT'一级品类名称',`order_count`BIGINT(20)DEFAULTNULLCOMMENT'订单数',`order_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'订单金额',PRIMARYKEY(`dt`,`recent_days`,`spu_id`))ENGINE=INNODBDEFAULTCHARSET=utf8;

（11）活动统计

DROPTABLEIFEXISTS ads_activity_stats;CREATETABLE`ads_activity_stats`(`dt`DATENOTNULLCOMMENT'统计日期',`activity_id`VARCHAR(255)NOTNULLCOMMENT'活动ID',`activity_name`VARCHAR(255)DEFAULTNULLCOMMENT'活动名称',`start_date`DATEDEFAULTNULLCOMMENT'开始日期',`order_count`BIGINT(11)DEFAULTNULLCOMMENT'参与活动订单数',`order_original_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'参与活动订单原始金额',`order_final_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'参与活动订单最终金额',`reduce_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'优惠金额',`reduce_rate`DECIMAL(16,2)DEFAULTNULLCOMMENT'补贴率',PRIMARYKEY(`dt`,`activity_id`))ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

（12）优惠券统计

DROPTABLEIFEXISTS ads_coupon_stats;CREATETABLE`ads_coupon_stats`(`dt`DATENOTNULLCOMMENT'统计日期',`coupon_id`VARCHAR(255)NOTNULLCOMMENT'优惠券ID',`coupon_name`VARCHAR(255)DEFAULTNULLCOMMENT'优惠券名称',`start_date`DATEDEFAULTNULLCOMMENT'开始日期',`rule_name`VARCHAR(200)DEFAULTNULLCOMMENT'优惠规则',`get_count`BIGINT(20)DEFAULTNULLCOMMENT'领取次数',`order_count`BIGINT(20)DEFAULTNULLCOMMENT'使用(下单)次数',`expire_count`BIGINT(20)DEFAULTNULLCOMMENT'过期次数',`order_original_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'使用优惠券订单原始金额',`order_final_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'使用优惠券订单最终金额',`reduce_amount`DECIMAL(16,2)DEFAULTNULLCOMMENT'优惠金额',`reduce_rate`DECIMAL(16,2)DEFAULTNULLCOMMENT'补贴率',PRIMARYKEY(`dt`,`coupon_id`))ENGINE=INNODBDEFAULTCHARSET=utf8 ROW_FORMAT=DYNAMIC;

17.3 Sqoop导出脚本

1）编写Sqoop导出脚本

在/home/atguigu/bin目录下创建脚本hdfs_to_mysql.sh

[atguigu@hadoop102 bin]$ vim hdfs_to_mysql.sh

在脚本中填写如下内容

#!/bin/bash

hive_db_name=gmall
mysql_db_name=gmall_report

export_data() {
/opt/module/sqoop/bin/sqoop export \
--connect "jdbc:mysql://hadoop102:3306/${mysql_db_name}?useUnicode=true&characterEncoding=utf-8"  \--username root \--password 000000 \--table $1 \--num-mappers 1 \--export-dir /warehouse/$hive_db_name/ads/$1 \--input-fields-terminated-by "\t" \--update-mode allowinsert \--update-key $2 \--input-null-string '\\N'    \--input-null-non-string '\\N'
}

case $1in"ads_activity_stats")
    export_data "ads_activity_stats""dt,activity_id";;"ads_coupon_stats")
    export_data "ads_coupon_stats""dt,coupon_id";;"ads_order_by_province")
    export_data "ads_order_by_province""dt,recent_days,province_id";;"ads_order_spu_stats")
    export_data "ads_order_spu_stats""dt,recent_days,spu_id";;"ads_order_total")
    export_data "ads_order_total""dt,recent_days";;"ads_page_path")
    export_data "ads_page_path""dt,recent_days,source,target";;"ads_repeat_purchase")
    export_data "ads_repeat_purchase""dt,recent_days,tm_id";;"ads_user_action")
    export_data "ads_user_action""dt,recent_days";;"ads_user_change")
    export_data "ads_user_change""dt";;"ads_user_retention")
    export_data "ads_user_retention""create_date,retention_day";;"ads_user_total")
    export_data "ads_user_total""dt,recent_days";;"ads_visit_stats")
    export_data "ads_visit_stats""dt,recent_days,is_new,channel";;"all")
    export_data "ads_activity_stats""dt,activity_id"
    export_data "ads_coupon_stats""dt,coupon_id"
    export_data "ads_order_by_province""dt,recent_days,province_id"
    export_data "ads_order_spu_stats""dt,recent_days,spu_id"
    export_data "ads_order_total""dt,recent_days"
    export_data "ads_page_path""dt,recent_days,source,target"
    export_data "ads_repeat_purchase""dt,recent_days,tm_id"
    export_data "ads_user_action""dt,recent_days"
    export_data "ads_user_change""dt"
    export_data "ads_user_retention""create_date,retention_day"
    export_data "ads_user_total""dt,recent_days"
    export_data "ads_visit_stats""dt,recent_days,is_new,channel";;
esac

关于导出update还是insert的问题

–update-mode：

  updateonly  只更新，无法插入新数据

  allowinsert  允许新增

–update-key：

允许更新的情况下，指定哪些字段匹配视为同一条数据，进行更新而不增加。多个字段用逗号分隔。

–input-null-string和–input-null-non-string：

分别表示，将字符串列和非字符串列的空串和“null”转义。

17.4 全调度流程

17.4.1 数据准备

1）用户行为数据准备

（1）修改/opt/module/applog下的application.properties

#业务日期
mock.date=2020-06-15

注意：分发至其他需要生成数据的节点

[atguigu@hadoop102 applog]$ xsync application.properties

（2）生成数据

[atguigu@hadoop102 bin]$ lg.sh

注意：生成数据之后，记得查看HDFS数据是否存在！

（3）观察HDFS的/origin_data/gmall/log/topic_log/2020-06-15路径是否有数据

2）业务数据准备

（1）修改/opt/module/db_log下的application.properties

[atguigu@hadoop102 db_log]$ vim application.properties
#业务日期
mock.date=2020-06-15

（2）生成数据

[atguigu@hadoop102 db_log]$ java -jar gmall2020-mock-db-2020-04-01.jar

（3）观察SQLyog中order_infor表中operate_time中有2020-06-15日期的数据

17.4.2 编写Azkaban工作流程配置文件

1）编写azkaban.project文件，内容如下

azkaban-flow-version: 2.0

2）编写gmall.flow文件，内容如下

nodes:
  - name: mysql_to_hdfs
    type: command
    config:
     command: /home/atguigu/bin/mysql_to_hdfs.sh all ${dt}
    
  - name: hdfs_to_ods_log
    type: command
    config:
     command: /home/atguigu/bin/hdfs_to_ods_log.sh ${dt}
     
  - name: hdfs_to_ods_db
    type: command
    dependsOn: 
     - mysql_to_hdfs
    config: 
     command: /home/atguigu/bin/hdfs_to_ods_db.sh all ${dt}
  
  - name: ods_to_dim_db
    type: command
    dependsOn: 
     - hdfs_to_ods_db
    config: 
     command: /home/atguigu/bin/ods_to_dim_db.sh all ${dt}

  - name: ods_to_dwd_log
    type: command
    dependsOn: 
     - hdfs_to_ods_log
    config: 
     command: /home/atguigu/bin/ods_to_dwd_log.sh all ${dt}
    
  - name: ods_to_dwd_db
    type: command
    dependsOn: 
     - hdfs_to_ods_db
    config: 
     command: /home/atguigu/bin/ods_to_dwd_db.sh all ${dt}
    
  - name: dwd_to_dws
    type: command
    dependsOn:
     - ods_to_dim_db
     - ods_to_dwd_log
     - ods_to_dwd_db
    config:
     command: /home/atguigu/bin/dwd_to_dws.sh all ${dt}
    
  - name: dws_to_dwt
    type: command
    dependsOn:
     - dwd_to_dws
    config:
     command: /home/atguigu/bin/dws_to_dwt.sh all ${dt}
    
  - name: dwt_to_ads
    type: command
    dependsOn: 
     - dws_to_dwt
    config:
     command: /home/atguigu/bin/dwt_to_ads.sh all ${dt}
     
  - name: hdfs_to_mysql
    type: command
    dependsOn:
     - dwt_to_ads
    config:
      command: /home/atguigu/bin/hdfs_to_mysql.sh all

3）将azkaban.project、gmall.flow文件压缩到一个zip文件，文件名称必须是英文。

4）在WebServer新建项目：http://hadoop102:8081/index

5）给项目名称命名和添加项目描述

6）gmall.zip文件上传

7）选择上传的文件

8）查看任务流

9）详细任务流展示

10）配置输入dt时间参数

11）执行成功

12）在SQLyog上查看结果

17.4.3 Azkaban多Executor模式下注意事项

Azkaban多Executor模式是指，在集群中多个节点部署Executor。在这种模式下， Azkaban web Server会根据策略，选取其中一个Executor去执行任务。

由于我们需要交给Azkaban调度的脚本，以及脚本需要的Hive，Sqoop等应用只在hadoop102部署了，为保证任务顺利执行，我们须在以下两种方案任选其一，推荐使用方案二。

方案一：指定特定的Executor（hadoop102）去执行任务。

1）在MySQL中azkaban数据库executors表中，查询hadoop102上的Executor的id。

mysql> use azkaban;
Reading table information for completion of table and column names
You can turn off this feature to get a quicker startup with -A

Database changed
mysql> select * from executors;
+----+-----------+-------+--------+
| id | host          | port  | active |
+----+-----------+-------+--------+
|  1   | hadoop103 | 35985 |      1 |
|  2   | hadoop104 | 36363 |      1 |
|  3   | hadoop102 | 12321 |      1 |
+----+-----------+-------+--------+
3 rows in set (0.00 sec)

2）在执行工作流程时加入useExecutor属性，如下

方案二：在Executor所在所有节点部署任务所需脚本和应用。

1）分发脚本、sqoop、spark、my_env.sh

[atguigu@hadoop102 ~]$ xsync /home/atguigu/bin/
[atguigu@hadoop102 ~]$ xsync /opt/module/hive
[atguigu@hadoop102 ~]$ xsync /opt/module/sqoop
[atguigu@hadoop102 ~]$ xsync /opt/module/spark
[atguigu@hadoop102 ~]$ sudo /home/atguigu/bin/xsync /etc/profile.d/my_env.sh

2）分发之后，在hadoop103，hadoop104重新加载环境变量配置文件，并重启Azkaban

标签：数据库 mysql Azkaban

本文转载自: https://blog.csdn.net/m0_58022371/article/details/127115736
版权归原作者 Fang GL 所有，如有侵权，请联系我们删除。

离线数仓搭建_16_Azkaban全流程调度

文章目录

17.0 全流程调度

17.1 Azkaban部署

17.2 创建MySQL数据库和表

17.3 Sqoop导出脚本

17.4 全调度流程

17.4.1 数据准备

17.4.2 编写Azkaban工作流程配置文件

17.4.3 Azkaban多Executor模式下注意事项

发表评论

“离线数仓搭建_16_Azkaban全流程调度”的评论:

关于作者

overfit同步小助手

相关阅读

文章导航