基于Zookeeper的分步式队列系统集成案例
前言
软件系统集成一直是工业界的一个难题,像10年以上的遗留系统集成,公司收购后的多系统集成,全球性的分步式系统集成等。虽然基于SOA的软件架构,从理论上都可以解决这些集成的问题,但是具体实施过程,有些集成项目过于复杂而失败。
随着技术的创新和发展,对于分步式集群应用的集成,有了更好的开源软件的支持,像zookeeper就是一个不错的分步式协作软件平台。本文将通过一个案例介绍Zookeeper的强大。
1. 项目背景:分布式消息中间件
随着Hadoop的普及,越来越多的公司开始构建自己的Hadoop系统。有时候,公司内部的不同部门或不同的团队,都有自己的Hadoop集群。这种多集群的方式,既能让每个团队拥有个性化的Hadoop,又能避免大集群的高度其中化运维难度。当数据量不是特别巨大的时候,小型集群会有很多适用的场合。
当然,多个小型集群也有缺点,就是资源配置可能造成浪费。每个团队的Hadoop集群,都要配有服务器和运维人员。有些能力强的团队,构建的hadoop集群,可以达到真正的个性化要求;而有一些能力比较差的团队,搭建的Hadoop集群性能会比较糟糕。
还有一些时候,多个团队需要共同完成一个任务,比如,A团队通过Hadoop集群计算的结果,交给B团队继续工作,B完成了自己任务再交给C团队继续做。这就有点像业务系统的工作流一样,一环一环地传下去,直到最后一部分完成。
在业务系统中,我们经常会用SOA的架构来解决这种问题,每个团队在ESB服务器上部署自己的服务,然后通过消息中间件完成调度任务。对于分步式的多个Hadoop集群系统的协作,同样可以用这种架构来做,只要把消息中间件引擎换成支持分步式的消息中间件的引擎就行了。
Zookeeper就可以做为 分步式消息中间件,来完成上面的说的业务需求。ZooKeeper是Hadoop家族的一款高性能的分布式协作的产品,是一个为分布式应用所设计的分布的、开源的协调服务,它主要是用来解决分布式应用中经常遇到的一些数据管理问题,简化分布式应用协调及其管理的难度,提供高性能的分布式服务。Zookeeper的安装和使用,请参考文章 ZooKeeper伪分布式集群安装及使用。
ZooKeeper提供分布式协作服务,并不需要依赖于Hadoop的环境。
2. 需求分析:业务系统升级方案
下面我将从一个案例出发,来解释如何进行分步式协作平台的系统设计。
2.1 案例介绍
某大型软件公司,从事领域为供应链管理,主要业务包括了 采购管理、应付账款管理、应收账款管理、供应商反复管理、退货管理、销售管理、库存管理、电子商务、系统集成等。
每块业务的逻辑都很复杂,由单独部门进行软件开发和维护,部门之间的系统没有直接通信需求,每个部门完成自己的功能就行了,最后通过数据库来共享数据,实现各功能之间的数据交换。
随着业务的发展,客户对响应速度要求越来越高,通过数据库来共享数据的方式,已经达不到信息交换的要求,系统进行了第一次升级,通过企业服务总线(ESB)统一管理公司内部所有业务。通过WebServices发布服务,通过Message Queue实现业务功能的调度。
公司业务规模继续扩大,跨国收购了多家公司。业务系统从原来的一个机房的集中式部署,变成了全球性的多机房的分步式部署。这时,Message Queue已经不能满足多机房跨地域的业务系统的功能需求了,需要一种分步式的消息中间件解决方案,来代替原有消息中间件的服务。
系统进行了第二次升级,采用Zookeeper作为分步式中间件调度引擎。
通过上面的描述,我们可以看出,当一个公司从小到大,从国内业务发展到全球性业务的时候。
为了配合业务发展,IT系统也是越来越复杂的,从最早的主从数据库设计,到ESB企业系统总线的扩展,再到分步式ESB配合分步式消息系统,每一次的升级都需要软件技术的支撑。
2.2 功能需求
全球性采购业务和全球性销售业务,让公司在市场中处于竞争优势。但由于采购和销售分别是由不同部门进行的软件开发和维护,而且业务往来也在不同的国家和地区。所以在每月底结算时,工作量都特别大。
比如,计算利润表 (请不要纠结于公式的准确性)
当月利润 = 当月销售金额 - 当月采购金额 - 当月其他支出
这样一个非常简单的计算公式,但对于跨国公司和部门来说,一点也不简单的。
从系统角度来看,采购部门要统计采购数据(海量数据),销售部门统计销售数据((海量数据),其他部门统计的其他费用支出(汇总的少量数据),最后系统计算得到当月的利润。
这里要说明的是,采购系统是单独的系统,销售是另外单独的系统,及以其他几十个大大小小的系统,如何能让多个系统,配合起来做这道计算题呢??
3. 架构设计:搭建Zookeeper的分步式协作平台
接下来,我们基于zookeeper来构建一个分步式队列的应用,来解决上面的功能需求。下面内容,排除了ESB的部分,只保留zookeeper进行实现。
采购数据,为海量数据,基于Hadoop存储和分析。
销售数据,为海量数据,基于Hadoop存储和分析。
其他费用支出,为少量数据,基于文件或数据库存储和分析。
我们设计一个同步队列,这个队列有3个条件节点,分别对应采购(purchase),销售(sell),其他费用(other)3个部分。当3个节点都被创建后,程序会自动触发计算利润,并创建利润(profit)节点。上面3个节点的创建,无顺序要求。每个节点只能被创建一次。
系统环境
1.2个独立的Hadoop集群
2.2个独立的Java应用
3.3个Zookeeper集群节点
图标解释:
1.Hadoop App1,Hadoop App2 是2个独立的Hadoop集群应用
2.Java App3,Java App4 是2个独立的Java应用
3.zk1,zk2,zk3是ZooKeeper集群的3个连接点
4./queue,是znode的队列目录,假设队列长度为3
5./queue/purchase,是znode队列中,1号排对者,由Hadoop App1提交,用于统计采购金额。
6./queue/sell,是znode队列中,2号排对者,由Hadoop App2提交,用于统计销售金额。
7./queue/other,是znode队列中,3号排对者,由Java App3提交,用于统计其他费用支出金额。
8./queue/profit,当znode队列中满了,触发创建利润节点。
9.当/qeueu/profit被创建后,app4被启动,所有zk的连接通知同步程序(红色线),队列已完成,所有程序结束。
补充说明:
1.创建/queue/purchase,/queue/sell,/queue/other目录时,没有前后顺序,程序提交后,/queue目录下会生成对应该子目录App1可以通过zk2提交,App2也可通过zk3提交。原则上,找最近路由最近的znode节点提交。
2.每个应用不能重复提出,直到3个任务都提交,计算利润的任务才会被执行。
3./queue/profit被创建后,zk的应用会监听到这个事件,通知应用,队列已完成!
4.这里的同步队列的架构更详细的设计思路,请参考文章 ZooKeeper实现分布式队列Queue
4. 程序开发:基于Zookeeper的程序设计
最终的功能需求:计算2013年01月的利润。
4.1 实验环境
在真正企业开发时,我们的实验环境应该与需求是一致的,但我的硬件条件有限,因些做了一个简化的环境设置。
1.把zookeeper的完全分步式部署的3台服务器集群节点的,改为一台服务器上3个集群节点。
2.把2个独立Hadoop集群,改为一个集群的2个独立的MapReduce任务。
开发环境:
Win7 64bit JDK 1.6 Maven3 Juno Service Release 2 IP:192.168.1.10 |
Zookeeper服务器环境:
Linux Ubuntu 12.04 LTS 64bit Java 1.6.0_29 Zookeeper: 3.4.5 IP: 192.168.1.201 3个集群节点 |
Hadoop服务器环境:
Linux Ubuntu 12.04 LTS 64bit Java 1.6.0_29 Hadoop: 1.0.3 IP: 192.168.1.210 |
4.2 实验数据
3组实验数据:
采购数据,purchase.csv 销售数据,sell.csv 其他费用数据,other.csv |
4.2.1 采购数据集
一共4列,分别对应 产品ID,产品数量,产品单价,采购日期。
1,26,1168,2013-01-08 2,49,779,2013-02-12 3,80,850,2013-02-05 4,69,1585,2013-01-26 5,88,1052,2013-01-13 6,84,2363,2013-01-19 7,64,1410,2013-01-12 8,53,910,2013-01-11 9,21,1661,2013-01-19 10,53,2426,2013-02-18 11,64,2022,2013-01-07 12,36,2941,2013-01-28 13,99,3819,2013-01-19 14,64,2563,2013-02-16 15,91,752,2013-02-05 16,65,750,2013-02-04 17,19,2426,2013-02-23 18,19,724,2013-02-05 19,87,137,2013-01-25 20,86,2939,2013-01-14 21,92,159,2013-01-23 22,81,2331,2013-03-01 23,88,998,2013-01-20 24,38,102,2013-02-22 25,32,4813,2013-01-13 26,36,1671,2013-01-19 |
4.2.2 销售数据集
一共4列,分别对应 产品ID,销售数量,销售单价,销售日期。
1,14,1236,2013-01-14 2,19,808,2013-03-06 3,26,886,2013-02-23 4,23,1793,2013-02-09 5,27,1206,2013-01-21 6,27,2648,2013-01-30 7,22,1502,2013-01-19 8,20,1050,2013-01-18 9,13,1778,2013-01-30 10,20,2718,2013-03-14 11,22,2175,2013-01-12 12,16,3284,2013-02-12 13,30,4152,2013-01-30 14,22,2770,2013-03-11 15,28,778,2013-02-23 16,22,874,2013-02-22 17,12,2718,2013-03-22 18,12,747,2013-02-23 19,27,172,2013-02-07 20,27,3282,2013-01-22 21,28,224,2013-02-05 22,26,2613,2013-03-30 23,27,1147,2013-01-31 24,16,141,2013-03-20 25,15,5343,2013-01-21 26,16,1887,2013-01-30 27,12,2535,2013-01-12 28,16,469,2013-01-07 29,29,2395,2013-03-30 30,17,1549,2013-01-30 31,25,4173,2013-03-17 |
4.2.3 其他费用数据集
一共2列,分别对应 发生日期,发生金额
2013-01-02,552 2013-01-03,1092 2013-01-04,1794 2013-01-05,435 2013-01-06,960 2013-01-07,1066 2013-01-08,1354 2013-01-09,880 2013-01-10,1992 2013-01-11,931 2013-01-12,1209 2013-01-13,1491 2013-01-14,804 2013-01-15,480 2013-01-16,1891 2013-01-17,156 2013-01-18,1439 2013-01-19,1018 2013-01-20,1506 2013-01-21,1216 2013-01-22,2045 2013-01-23,400 2013-01-24,1795 2013-01-25,1977 2013-01-26,1002 2013-01-27,226 2013-01-28,1239 2013-01-29,702 2013-01-30,1396 |
4.3 程序设计
我们要编写5个文件:
1.计算采购金额,Purchase.java
2.计算销售金额,Sell.java
3.计算其他费用金额,Other.java
4.计算利润,Profit.java
5.Zookeeper的调度,ZookeeperJob.java
4.3.1 计算采购金额
采购金额,是基于Hadoop的MapReduce统计计算。
public class Purchase { public static final String HDFS = "hdfs://192.168.1.210:9000"; public static final Pattern DELIMITER = Pattern.compile("[\t,]"); public static class PurchaseMapper extends Mapper { private String month = "2013-01"; private Text k = new Text(month); private IntWritable v = new IntWritable(); private int money = 0; public void map(LongWritable key, Text values, Context context) throws IOException, InterruptedException { System.out.println(values.toString()); String[] tokens = DELIMITER.split(values.toString()); if (tokens[3].startsWith(month)) {// 1月的数据 money = Integer.parseInt(tokens[1]) * Integer.parseInt(tokens[2]);//单价*数量 v.set(money); context.write(k, v); } } } public static class PurchaseReducer extends Reducer { private IntWritable v = new IntWritable(); private int money = 0; @Override public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException { for (IntWritable line : values) { // System.out.println(key.toString() + "\t" + line); money += line.get(); } v.set(money); context.write(null, v); System.out.println("Output:" + key + "," + money); } } public static void run(Map path) throws IOException, InterruptedException, ClassNotFoundException { JobConf conf = config(); String local_data = path.get("purchase"); String input = path.get("input"); String output = path.get("output"); // 初始化purchase HdfsDAO hdfs = new HdfsDAO(HDFS, conf); hdfs.rmr(input); hdfs.mkdirs(input); hdfs.copyFile(local_data, input); Job job = new Job(conf); job.setJarByClass(Purchase.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); job.setMapperClass(PurchaseMapper.class); job.setReducerClass(PurchaseReducer.class); job.setInputFormatClass(TextInputFormat.class); job.setOutputFormatClass(TextOutputFormat.class); FileInputFormat.setInputPaths(job, new Path(input)); FileOutputFormat.setOutputPath(job, new Path(output)); job.waitForCompletion(true); } public static JobConf config() {// Hadoop集群的远程配置信息 JobConf conf = new JobConf(Purchase.class); conf.setJobName("purchase"); conf.addResource("classpath:/hadoop/core-site.xml"); conf.addResource("classpath:/hadoop/hdfs-site.xml"); conf.addResource("classpath:/hadoop/mapred-site.xml"); return conf; } public static Map path(){ Map path = new HashMap(); path.put("purchase", "logfile/biz/purchase.csv");// 本地的数据文件 path.put("input", HDFS + "/user/hdfs/biz/purchase");// HDFS的目录 path.put("output", HDFS + "/user/hdfs/biz/purchase/output"); // 输出目录 return path; } public static void main(String[] args) throws Exception { run(path()); } } |
4.3.2 计算销售金额
销售金额,是基于Hadoop的MapReduce统计计算。
public class Sell { public static final String HDFS = "hdfs://192.168.1.210:9000"; public static final Pattern DELIMITER = Pattern.compile("[\t,]"); public static class SellMapper extends Mapper { private String month = "2013-01"; private Text k = new Text(month); private IntWritable v = new IntWritable(); private int money = 0; public void map(LongWritable key, Text values, Context context) throws IOException, InterruptedException { System.out.println(values.toString()); String[] tokens = DELIMITER.split(values.toString()); if (tokens[3].startsWith(month)) {// 1月的数据 money = Integer.parseInt(tokens[1]) * Integer.parseInt(tokens[2]);//单价*数量 v.set(money); context.write(k, v); } } } public static class SellReducer extends Reducer { private IntWritable v = new IntWritable(); private int money = 0; @Override public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException { for (IntWritable line : values) { // System.out.println(key.toString() + "\t" + line); money += line.get(); } v.set(money); context.write(null, v); System.out.println("Output:" + key + "," + money); } } public static void run(Map path) throws IOException, InterruptedException, ClassNotFoundException { JobConf conf = config(); String local_data = path.get("sell"); String input = path.get("input"); String output = path.get("output"); // 初始化sell HdfsDAO hdfs = new HdfsDAO(HDFS, conf); hdfs.rmr(input); hdfs.mkdirs(input); hdfs.copyFile(local_data, input); Job job = new Job(conf); job.setJarByClass(Sell.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); job.setMapperClass(SellMapper.class); job.setReducerClass(SellReducer.class); job.setInputFormatClass(TextInputFormat.class); job.setOutputFormatClass(TextOutputFormat.class); FileInputFormat.setInputPaths(job, new Path(input)); FileOutputFormat.setOutputPath(job, new Path(output)); job.waitForCompletion(true); } public static JobConf config() {// Hadoop集群的远程配置信息 JobConf conf = new JobConf(Purchase.class); conf.setJobName("purchase"); conf.addResource("classpath:/hadoop/core-site.xml"); conf.addResource("classpath:/hadoop/hdfs-site.xml"); conf.addResource("classpath:/hadoop/mapred-site.xml"); return conf; } public static Map path(){ Map path = new HashMap(); path.put("sell", "logfile/biz/sell.csv");// 本地的数据文件 path.put("input", HDFS + "/user/hdfs/biz/sell");// HDFS的目录 path.put("output", HDFS + "/user/hdfs/biz/sell/output"); // 输出目录 return path; } public static void main(String[] args) throws Exception { run(path()); } } |
4.3.3 计算其他费用金额
其他费用金额,是基于本地文件的统计计算。
public class Other { public static String file = "logfile/biz/other.csv"; public static final Pattern DELIMITER = Pattern.compile("[\t,]"); private static String month = "2013-01"; public static void main(String[] args) throws IOException { calcOther(file); } public static int calcOther(String file) throws IOException { int money = 0; BufferedReader br = new BufferedReader(new FileReader(new File(file))); String s = null; while ((s = br.readLine()) != null) { // System.out.println(s); String[] tokens = DELIMITER.split(s); if (tokens[0].startsWith(month)) {// 1月的数据 money += Integer.parseInt(tokens[1]); } } br.close(); System.out.println("Output:" + month + "," + money); return money; } } |
4.3.4 计算利润
利润,通过zookeeper分步式自动调度计算利润。
public class Profit { public static void main(String[] args) throws Exception { profit(); } public static void profit() throws Exception { int sell = getSell(); int purchase = getPurchase(); int other = getOther(); int profit = sell - purchase - other; System.out.printf("profit = sell - purchase - other = %d - %d - %d = %d\n", sell, purchase, other, profit); } public static int getPurchase() throws Exception { HdfsDAO hdfs = new HdfsDAO(Purchase.HDFS, Purchase.config()); return Integer.parseInt(hdfs.cat(Purchase.path().get("output") + "/part-r-00000").trim()); } public static int getSell() throws Exception { HdfsDAO hdfs = new HdfsDAO(Sell.HDFS, Sell.config()); return Integer.parseInt(hdfs.cat(Sell.path().get("output") + "/part-r-00000").trim()); } public static int getOther() throws IOException { return Other.calcOther(Other.file); } } |
4.3.5 Zookeeper调度
调度,通过构建分步式队列系统,自动化程序代替人工操作。
public class ZooKeeperJob { final public static String QUEUE = "/queue"; final public static String PROFIT = "/queue/profit"; final public static String PURCHASE = "/queue/purchase"; final public static String SELL = "/queue/sell"; final public static String OTHER = "/queue/other"; public static void main(String[] args) throws Exception { if (args.length == 0) { System.out.println("Please start a task:"); } else { doAction(Integer.parseInt(args[0])); } } public static void doAction(int client) throws Exception { String host1 = "192.168.1.201:2181"; String host2 = "192.168.1.201:2182"; String host3 = "192.168.1.201:2183"; ZooKeeper zk = null; switch (client) { case 1: zk = connection(host1); initQueue(zk); doPurchase(zk); break; case 2: zk = connection(host2); initQueue(zk); doSell(zk); break; case 3: zk = connection(host3); initQueue(zk); doOther(zk); break; } } // 创建一个与服务器的连接 public static ZooKeeper connection(String host) throws IOException { ZooKeeper zk = new ZooKeeper(host, 60000, new Watcher() { // 监控所有被触发的事件 public void process(WatchedEvent event) { if (event.getType() == Event.EventType.NodeCreated && event.getPath().equals(PROFIT)) { System.out.println("Queue has Completed!!!"); } } }); return zk; } public static void initQueue(ZooKeeper zk) throws KeeperException, InterruptedException { System.out.println("WATCH => " + PROFIT); zk.exists(PROFIT, true); if (zk.exists(QUEUE, false) == null) { System.out.println("create " + QUEUE); zk.create(QUEUE, QUEUE.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT); } else { System.out.println(QUEUE + " is exist!"); } } public static void doPurchase(ZooKeeper zk) throws Exception { if (zk.exists(PURCHASE, false) == null) { Purchase.run(Purchase.path()); System.out.println("create " + PURCHASE); zk.create(PURCHASE, PURCHASE.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT); } else { System.out.println(PURCHASE + " is exist!"); } isCompleted(zk); } public static void doSell(ZooKeeper zk) throws Exception { if (zk.exists(SELL, false) == null) { Sell.run(Sell.path()); System.out.println("create " + SELL); zk.create(SELL, SELL.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT); } else { System.out.println(SELL + " is exist!"); } isCompleted(zk); } public static void doOther(ZooKeeper zk) throws Exception { if (zk.exists(OTHER, false) == null) { Other.calcOther(Other.file); System.out.println("create " + OTHER); zk.create(OTHER, OTHER.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT); } else { System.out.println(OTHER + " is exist!"); } isCompleted(zk); } public static void isCompleted(ZooKeeper zk) throws Exception { int size = 3; List children = zk.getChildren(QUEUE, true); int length = children.size(); System.out.println("Queue Complete:" + length + "/" + size); if (length >= size) { System.out.println("create " + PROFIT); Profit.profit(); zk.create(PROFIT, PROFIT.getBytes(), Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL); for (String child : children) {// 清空节点 zk.delete(QUEUE + "/" + child, -1); } } } } |
5. 运行程序
最后,我们运行整个的程序,包括3个部分。
zookeeper服务器
hadoop服务器
分步式队列应用
5.1 启动zookeeper服务
启动zookeeper服务器集群:
~ cd toolkit/zookeeper345 # 启动zk集群3个节点 ~ bin/zkServer.sh start conf/zk1.cfg ~ bin/zkServer.sh start conf/zk2.cfg ~ bin/zkServer.sh start conf/zk3.cfg ~ jps 4234 QuorumPeerMain 5002 Jps 4275 QuorumPeerMain 4207 QuorumPeerMain |
查看zookeeper集群中,各节点的状态
# 查看zk1节点状态 ~ bin/zkServer.sh status conf/zk1.cfg JMX enabled by default Using config: conf/zk1.cfg Mode: follower # 查看zk2节点状态,zk2为leader ~ bin/zkServer.sh status conf/zk2.cfg JMX enabled by default Using config: conf/zk2.cfg Mode: leader # 查看zk3节点状态 ~ bin/zkServer.sh status conf/zk3.cfg JMX enabled by default Using config: conf/zk3.cfg Mode: follower |
启动zookeeper客户端:
~ bin/zkCli.sh -server 192.168.1.201:2181 # 查看zk [zk: 192.168.1.201:2181(CONNECTED) 0] ls / [queue, queue-fifo, zookeeper] # /queue路径无子目录 [zk: 192.168.1.201:2181(CONNECTED) 1] ls /queue [] |
5.2 启动Hadoop服务
~ hadoop/hadoop-1.0.3 ~ bin/start-all.sh ~ jps 25979 JobTracker 26257 TaskTracker 25576 DataNode 25300 NameNode 12116 Jps 25875 SecondaryNameNode |
5.3 启动分步式队列ZookeeperJob
5.3.1 启动统计采购数据程序,设置启动参数1
只显示用户日志,忽略系统日志。
WATCH => /queue/profit /queue is exist! Delete: hdfs://192.168.1.210:9000/user/hdfs/biz/purchase Create: hdfs://192.168.1.210:9000/user/hdfs/biz/purchase copy from: logfile/biz/purchase.csv to hdfs://192.168.1.210:9000/user/hdfs/biz/purchase Output:2013-01,9609887 create /queue/purchase Queue Complete:1/3 |
在zk中查看queue目录
[zk: 192.168.1.201:2181(CONNECTED) 3] ls /queue [purchase] |
5.3.2 启动统计销售数据程序,设置启动参数2
只显示用户日志,忽略系统日志。
WATCH => /queue/profit /queue is exist! Delete: hdfs://192.168.1.210:9000/user/hdfs/biz/sell Create: hdfs://192.168.1.210:9000/user/hdfs/biz/sell copy from: logfile/biz/sell.csv to hdfs://192.168.1.210:9000/user/hdfs/biz/sell Output:2013-01,2950315 create /queue/sell Queue Complete:2/3 |
在zk中查看queue目录
[zk: 192.168.1.201:2181(CONNECTED) 5] ls /queue [purchase, sell] |
5.3.3 启动统计其他费用数据程序,设置启动参数3
只显示用户日志,忽略系统日志。
WATCH => /queue/profit /queue is exist! Output:2013-01,34193 create /queue/other Queue Complete:3/3 create /queue/profit cat: hdfs://192.168.1.210:9000/user/hdfs/biz/sell/output/part-r-00000 2950315 cat: hdfs://192.168.1.210:9000/user/hdfs/biz/purchase/output/part-r-00000 9609887 Output:2013-01,34193 profit = sell - purchase - other = 2950315 - 9609887 - 34193 = -6693765 Queue has Completed!!! |
在zk中查看queue目录
[zk: 192.168.1.201:2181(CONNECTED) 6] ls /queue [profit] |
在最后一步,统计其他费用数据程序运行后,从日志中看到3个条件节点都已满足要求。然后,通过同步的分步式队列自动启动了计算利润的程序,并在日志中打印了2013年1月的利润为-6693765。