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

（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

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

（2）各任务节点配置如下

mysql_to_hdfs_full

hdfs_to_ods_db

hdfs_to_ods_log

ods_to_dwd

ods_to_dim

dwd_to_dws_1d

dws_1d_to_dws_nd

dws_1d_to_dws_td

dws_to_ads

hdfs_to_mysql

（3）各节点依赖关系如下

（4）保存工作流

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

8、执行工作流