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

bash 复制代码
zk.sh start

(2)启动Kafka

bash 复制代码
kf.sh start

(3)启动Flume

bash 复制代码
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。

复制代码
mock.date: "2020-06-15"

3、执行日志生成脚本

bash 复制代码
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

bash 复制代码
vim /opt/module/maxwell/config.properties

(2)修改mock_date参数设置如下

复制代码
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

bash 复制代码
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

bash 复制代码
f3.sh start

(3)修改业务数据模拟器配置文件中的mock_date参数

复制代码
mock.date=2020-06-15

(4)执行业务数据生成命令

bash 复制代码
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

bash 复制代码
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。

bash 复制代码
 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

相关推荐
TDengine (老段)5 小时前
TDengine 中的关联查询
大数据·javascript·网络·物联网·时序数据库·tdengine·iotdb
zhuyixiangyyds7 小时前
day21和day22学习Pandas库
笔记·学习·pandas
每次的天空7 小时前
Android学习总结之算法篇四(字符串)
android·学习·算法
背影疾风9 小时前
C++学习之路:指针基础
c++·学习
苏克贝塔9 小时前
CMake学习--Window下VSCode 中 CMake C++ 代码调试操作方法
c++·vscode·学习
直裾9 小时前
Mapreduce的使用
大数据·数据库·mapreduce
odoo中国10 小时前
深度学习 Deep Learning 第15章 表示学习
人工智能·深度学习·学习·表示学习
电星托马斯10 小时前
C++中顺序容器vector、list和deque的使用方法
linux·c语言·c++·windows·笔记·学习·程序人生
清晨朝暮10 小时前
【算法学习计划】贪心算法(下)
学习
麻芝汤圆12 小时前
使用 MapReduce 进行高效数据清洗:从理论到实践
大数据·linux·服务器·网络·数据库·windows·mapreduce