20 KiB

Raw Permalink Blame History

1 引言

1.1 编写目的

该文档主要用于介绍大数据流水线系统piflow的使用

1.2 建设范围

Piflow server 及piflow web的使用说明

1.3 术语

l Piflow：大数据流水线系统

l Flow：大数据流水线；

l Stop：大数据流水线数据处理组件；

l Path: 每个大数据流水线数据处理组件之间的连接线；

2 项目概述

大数据流水线系统Piflow主要是针对大数据的ETL工具，它具有如下特性：

简单易用
- 提供所见即所得页面配置流水线
- 监控流水线状态
- 查看流水线日志
- 检查点功能
可扩展性
- 支持用户自定义开发组件
性能优越
- 基于分布式计算引擎Spark开发
功能强大
- 提供100+数据处理组件
- 包括 spark、mllib、hadoop、hive、hbase、solr、redis、memcache、elasticSearch、jdbc、mongodb、http、ftp、xml、csv、json等.

3 使用说明

3.1 界面说明

3.1.1 注册

3.1.2 登录

3.2.3 流水线列表

可点击进入流水线配置页面按钮，对流水线进行配置。

可编辑流水线信息

可运行流水线

可删除流水线

可对流水线保存模板

3.2.4 创建流水线

用户点击创建按钮，创建流水线。需要输入流水线名称及描述信息，同时可设置流水线需要的资源。

3.4.5 配置流水线

用户可通过拖拽方式进行流水线的配置，方式类似visio，如下图所示。

画布左边栏显示组件组和组件，可按关键字搜索。用户选择好组件后可拖至画布中央。

画布右侧显示流水线基本信息，包括流水线名称及描述。

画布中央选择任一数据处理组件，右侧显示该数据处理组件的基本信息，包括名称，描述，作者等信息。选择AttributeInfo tab，显示该数据处理组件的属性信息，用户可根据实际需求进行配置。

3.4.6 运行流水线

用户配置好流水线后，可点击运行按钮运行流水线。

3.4.7 流水线监控

加载完成之后，进入流水线监控页面。监控页面会显示整条流水线的执行状况，包括运行状态、执行进度、执行时间等。点击具体数据处理组件，显示该数据处理组件的运行状况，包括运行状态、执行时间。

3.4.8 流水线日志

3.4.9 运行流水线列表

已运行流水线会显示在Process List中，包括开始时间、结束时间、进度、状态等。同时可对已运行流水线进行查看，在运行，停止，和删除操作。

3.4.9 运行流水线检查点

3.4.10 创建模板

流水线可保存成模板

3.4.11 模板列表

保存的模板会显示在模板列表中。

3.4.12 下载模板

可下载模板，模板会保存成xml文件存放到本地。

3.4.13 上传模板

3.4.14 加载模板

3.2 Restful API

接口采用REST设计风格，目前需求如下接口：

3.2.1 getAllGroups

基本信息
接口名称	getAllGroups
接口描述	获取所有数据处理组件Stop的组
接口URL	GET /stop/ groups
参数说明
名称	描述	类型	数据类型
无
返回值说明
描述	类型	实例
返回所有组	Json	{“groups”:”Common,Hive,Http,…”}

3.2.2 getAllStops

基本信息
接口名称	getAllStops
接口描述	获取所有数据处理组件
接口URL	GET /stop/list
参数说明
名称	描述	类型	数据类型
无
返回值说明
描述	类型	实例
返回所有Stop	Json	{“stops”:”cn.piflow.bundle.Common.Fork,…”}

3.2.3 getStopInfo

基本信息
接口名称	getStopInfo
接口描述	获取数据处理组件Stop的详细信息
接口URL	GET /stop/info?bundle=***
参数说明
名称	描述	类型	数据类型
bundle	Stop的类名	Query	String
返回值说明
描述	类型	实例
返回Stop详细信息	Json	{"name":"LoadFromFtp","bundle":"cn.piflow.bundle.ftp.LoadFromFtp",“groups”:"ftp,load","description":"load data from ftp server","properties":[{"property":{"name":"url_str","displayName":"URL","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"port","displayName":"PORT","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"username","displayName":"USER_NAME","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"password","displayName":"PASSWORD","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"ftpFile","displayName":"FTP_File","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}},{"property":{"name":"localPath","displayName":"Local_Path","description":null,"defaultValue":"","allowableValues":"","required":"true","sensitive":"false"}}]}

3.2.4 startFlow

基本信息
接口名称	startFlow
接口描述	运行流水线
接口URL	POST /flow/start
参数说明
描述	类型	实例
Flow的json配置字符串	String	{"flow":{"name":"test","uuid":"1234","stops":[{"uuid":"1111","name":"XmlParser","bundle":"cn.piflow.bundle.xml.XmlParser","properties":{"xmlpath":"hdfs://10.0.86.89:9000/xjzhu/dblp.mini.xml","rowTag":"phdthesis"}},{"uuid":"2222","name":"SelectField","bundle":"cn.piflow.bundle.common.SelectField","properties":{"schema":"title,author,pages"}},{"uuid":"3333","name":"PutHiveStreaming","bundle":"cn.piflow.bundle.hive.PutHiveStreaming","properties":{"database":"sparktest","table":"dblp_phdthesis"}},{"uuid":"4444","name":"CsvParser","bundle":"cn.piflow.bundle.csv.CsvParser","properties":{"csvPath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis.csv","header":"false","delimiter":",","schema":"title,author,pages"}},{"uuid":"555","name":"Merge","bundle":"cn.piflow.bundle.common.Merge","properties":{}},{"uuid":"666","name":"Fork","bundle":"cn.piflow.bundle.common.Fork","properties":{"outports":["out1","out2","out3"]}},{"uuid":"777","name":"JsonSave","bundle":"cn.piflow.bundle.json.JsonSave","properties":{"jsonSavePath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis.json"}},{"uuid":"888","name":"CsvSave","bundle":"cn.piflow.bundle.csv.CsvSave","properties":{"csvSavePath":"hdfs://10.0.86.89:9000/xjzhu/phdthesis_result.csv","header":"true","delimiter":","}}],"paths":[{"from":"XmlParser","outport":"","inport":"","to":"SelectField"},{"from":"SelectField","outport":"","inport":"data1","to":"Merge"},{"from":"CsvParser","outport":"","inport":"data2","to":"Merge"},{"from":"Merge","outport":"","inport":"","to":"Fork"},{"from":"Fork","outport":"out1","inport":"","to":"PutHiveStreaming"},{"from":"Fork","outport":"out2","inport":"","to":"JsonSave"},{"from":"Fork","outport":"out3","inport":"","to":"CsvSave"}]}
返回值说明
描述	类型	实例
返回flow的appId	String	{“flow”:{“id”:””,”pid”:””}}

3.2.5 stopFlow

基本信息
接口名称	stopFlow
接口描述	停止流水线
接口URL	POST /flow/stop
参数说明
描述	类型	实例
Flow的appID	String	{“appID”:”***”}
返回值说明
描述	类型	实例
返回执行状态	String	Ok/fail

3.2.6 getFlowInfo

基本信息
接口名称	getFlowInfo
接口描述	获取流水线Flow的信息
接口URL	GET /flow/info?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的Id	Query	String
返回值说明
描述	类型	实例
返回Flow详细信息	Json	{"flow":{"id":"application_1540442049798_0297","pid":"process_372bd7da-a53e-46b4-8c44-edc0463064f5_1","name":"xml,csv-merge-fork-hive,json,csv","state":"COMPLETED","startTime":"Tue Nov 27 14:37:03 CST 2018","endTime":"Tue Nov 27 14:37:28 CST 2018","stops":[{"stop":{"name":"JsonSave","state":"COMPLETED","startTime":"Tue Nov 27 14:37:24 CST 2018","endTime":"Tue Nov 27 14:37:28 CST 2018"}},{"stop":{"name":"CsvSave","state":"COMPLETED","startTime":"Tue Nov 27 14:37:20 CST 2018","endTime":"Tue Nov 27 14:37:24 CST 2018"}},{"stop":{"name":"PutHiveStreaming","state":"COMPLETED","startTime":"Tue Nov 27 14:37:13 CST 2018","endTime":"Tue Nov 27 14:37:20 CST 2018"}},{"stop":{"name":"Fork","state":"COMPLETED","startTime":"Tue Nov 27 14:37:13 CST 2018","endTime":"Tue Nov 27 14:37:13 CST 2018"}},{"stop":{"name":"Merge","state":"COMPLETED","startTime":"Tue Nov 27 14:37:11 CST 2018","endTime":"Tue Nov 27 14:37:11 CST 2018"}},{"stop":{"name":"SelectField","state":"COMPLETED","startTime":"Tue Nov 27 14:37:11 CST 2018","endTime":"Tue Nov 27 14:37:11 CST 2018"}},{"stop":{"name":"XmlParser","state":"COMPLETED","startTime":"Tue Nov 27 14:37:09 CST 2018","endTime":"Tue Nov 27 14:37:11 CST 2018"}},{"stop":{"name":"CsvParser","state":"COMPLETED","startTime":"Tue Nov 27 14:37:03 CST 2018","endTime":"Tue Nov 27 14:37:09 CST 2018"}}]}}

3.2.7 getFlowProgress

基本信息
接口名称	getFlowProgress
接口描述	获取流水线Flow的执行进度
接口URL	GET /flow/progress?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的Id	Query	String
返回值说明
描述	类型	实例
返回Flow的进度	Json	{"flow":{"appId":"application_1540442049798_0297","name":"xml,csv-merge-fork-hive,json,csv","state":"COMPLETED","progress":"100%"}}

3.2.8 getFlowLog

基本信息
接口名称	getFlowProgress
接口描述	获取流水线Flow的执行进度
接口URL	GET /flow/progress?appID=***
参数说明
名称	描述	类型	数据类型
appID	Flow的Id	Query	String
返回值说明
描述	类型	实例
返回Flow的log	Json	{"app":{"id":"application_1540442049798_0297","user":"root","name":"xml,csv-merge-fork-hive,json,csv","queue":"default","state":"FINISHED","finalStatus":"SUCCEEDED","progress":100.0,"trackingUI":"History","trackingUrl":"http://master:8088/proxy/application_1540442049798_0297/A","diagnostics":"","clusterId":1540442049798,"applicationType":"SPARK","applicationTags":"","startedTime":1543300611067,"finishedTime":1543300648590,"elapsedTime":37523,"amContainerLogs":"http://master:8042/node/containerlogs/container_1540442049798_0297_01_000001/root","amHostHttpAddress":"master:8042","allocatedMB":-1,"allocatedVCores":-1,"runningContainers":-1,"memorySeconds":217375,"vcoreSeconds":105,"preemptedResourceMB":0,"preemptedResourceVCores":0,"numNonAMContainerPreempted":0,"numAMContainerPreempted":0}}

3.2.9 getFlowCheckPoints

基本信息
接口名称	getFlowCheckPoints
接口描述	获取流水线Flow的checkPoints
接口URL	GET /flow/checkpoints?processID=***
参数说明
名称	描述	类型	数据类型
processID	Flow的processID	Query	String
返回值说明
描述	类型	实例
返回Flow的checkpoints	Json	{"checkpoints":"Merge,Fork"}

20 KiB Raw Permalink Blame History Unescape Escape