大数据技术之Azkaban.docx
需积分: 0 114 浏览量
2021-03-03
18:04:20
上传
评论 1
收藏 728KB DOCX 举报
大数据技术之
第 1 章 Azkaban 概论
1.1 为什么需要工作流调度系统
1）一个完整的数据分析系统通常都是由大量任务单元组成：
脚本程序， 程序， 程序、 脚本等
）各任务单元之间存在时间先后及前后依赖关系
3）为了很好地组织起这样的复杂执行计划，需要一个工作流调度系统来调度执行；
例如，我们可能有这样一个需求，某个业务系统每天产生 原始数据，我们每天都
要对其进行处理，处理步骤如下所示：
（1）通过 Hadoop 先将原始数据同步到 HDFS 上；
（2）借助 MapReduce 计算框架对原始数据进行计算，生成的数据以分区表的形式存储
到多张 Hive 表中；
（3）需要对 Hive 中多个表的数据进行 JOIN 处理，得到一个明细数据 Hive 大表；
（4）将明细数据进行复杂的统计分析，得到结果报表信息；
（5）需要将统计分析得到的结果数据同步到业务系统中，供业务调用使用。
剩余20页未读，继续阅读
评论0