많은 구성원들이 사용하는 대규모 하둡 클러스터의 데이터를 관장하고 또 이곳에서 구동되는 수많은 작업들을 개발/관리하는 업무를 수행하다 보니 데이터의 흐름과 사용패턴 등을 확인가능한 툴을 만들고 싶어서 짬이 날때마다 POC를 진행해 보았습니다. 손쉬운 관리를 위해 만드는 툴이기 때문에 개발컨셉은 다음과 같은 제약사항에 중점을 두었습니다. - 클러스터가 대규모 이기 때문에 audit, history, system 로그 등을 한 곳으로 집중시키기 않는다. - 작업 정보를 추출하기 위한 가이드라인이나 템플릿을 제공하여 분석가들의 생산성을 저하시키지 않는다. - 관리이슈를 줄이기 위해 가능한 한 별도의 오픈소스나 외부도구를 이용하지 않.......

많은 구성원들이 사용하는 대규모 하둡 클러스터의 데이터를 관장하고 또 이곳에서 구동되는 수많은 작업들을 개발/관리하는 업무를 수행하다 보니 데이터의 흐름과 사용패턴 등을 확인가능한 툴을 만들고 싶어서 짬이 날때마다 POC를 진행해 보았습니다. 손쉬운 관리를 위해 만드는 툴이기 때문에 개발컨셉은 다음과 같은 제약사항에 중점을 두었습니다. - 클러스터가 대규모 이기 때문에 audit, history, system 로그 등을 한 곳으로 집중시키기 않는다. - 작업 정보를 추출하기 위한 가이드라인이나 템플릿을 제공하여 분석가들의 생산성을 저하시키지 않는다. - 관리이슈를 줄이기 위해 가능한 한 별도의 오픈소스나 외부도구를 이용하지 않.......

많은 구성원들이 사용하는 대규모 하둡 클러스터의 데이터를 관장하고 또 이곳에서 구동되는 수많은 작업들을 개발/관리하는 업무를 수행하다 보니 데이터의 흐름과 사용패턴 등을 확인가능한 툴을 만들고 싶어서 짬이 날때마다 POC를 진행해 보았습니다. 손쉬운 관리를 위해 만드는 툴이기 때문에 개발컨셉은 다음과 같은 제약사항에 중점을 두었습니다. - 클러스터가 대규모 이기 때문에 audit, history, system 로그 등을 한 곳으로 집중시키기 않는다. - 작업 정보를 추출하기 위한 가이드라인이나 템플릿을 제공하여 분석가들의 생산성을 저하시키지 않는다. - 관리이슈를 줄이기 위해 가능한 한 별도의 오픈소스나 외부도구를 이용하지 않.......

많은 구성원들이 사용하는 대규모 하둡 클러스터의 데이터를 관장하고 또 이곳에서 구동되는 수많은 작업들을 개발/관리하는 업무를 수행하다 보니 데이터의 흐름과 사용패턴 등을 확인가능한 툴을 만들고 싶어서 짬이 날때마다 POC를 진행해 보았습니다. 손쉬운 관리를 위해 만드는 툴이기 때문에 개발컨셉은 다음과 같은 제약사항에 중점을 두었습니다. - 클러스터가 대규모 이기 때문에 audit, history, system 로그 등을 한 곳으로 집중시키기 않는다. - 작업 정보를 추출하기 위한 가이드라인이나 템플릿을 제공하여 분석가들의 생산성을 저하시키지 않는다. - 관리이슈를 줄이기 위해 가능한 한 별도의 오픈소스나 외부도구를 이용하지 않.......

MR의 최대 단점이 응답성이라고 생각하는데 oozie는 MR을 이용하여 작업을 호출하기 때문에 작업을 순차적으로 배열한다면 간단한 작업도 굉장한 수행시간을 소요하게 됩니다. 이럴경우 fork를 이용하여 병렬로 작업을 수행 할 수 있습니다. 1234<fork name='fork_CATES'> <path start='check_CATE1' /> <path start='check_CATE2' /></fork>cs check_CATE1, check_CATE2라는 action-node가 동시에 수행되게 됩니다. 이때 주의하실 점은 먼저 명시했다고 먼저수행되고 먼저끝나는 것이 아닙니다. (java의 thread를 생각하시면 편할 듯 합니다.) 이렇게 수행된 작업은 완료되면 join-node로 보내 다른 action이 종료될 때.......

MR의 최대 단점이 응답성이라고 생각하는데 oozie는 MR을 이용하여 작업을 호출하기 때문에 작업을 순차적으로 배열한다면 간단한 작업도 굉장한 수행시간을 소요하게 됩니다. 이럴경우 fork를 이용하여 병렬로 작업을 수행 할 수 있습니다. 1234<fork name='fork_CATES'> <path start='check_CATE1' /> <path start='check_CATE2' /></fork>cs check_CATE1, check_CATE2라는 action-node가 동시에 수행되게 됩니다. 이때 주의하실 점은 먼저 명시했다고 먼저수행되고 먼저끝나는 것이 아닙니다. (java의 thread를 생각하시면 편할 듯 합니다.) 이렇게 수행된 작업은 완료되면 join-node로 보내 다른 action이 종료될 때.......

MR의 최대 단점이 응답성이라고 생각하는데 oozie는 MR을 이용하여 작업을 호출하기 때문에 작업을 순차적으로 배열한다면 간단한 작업도 굉장한 수행시간을 소요하게 됩니다. 이럴경우 fork를 이용하여 병렬로 작업을 수행 할 수 있습니다. 1234<fork name='fork_CATES'> <path start='check_CATE1' /> <path start='check_CATE2' /></fork>cs check_CATE1, check_CATE2라는 action-node가 동시에 수행되게 됩니다. 이때 주의하실 점은 먼저 명시했다고 먼저수행되고 먼저끝나는 것이 아닙니다. (java의 thread를 생각하시면 편할 듯 합니다.) 이렇게 수행된 작업은 완료되면 join-node로 보내 다른 action이 종료될 때.......

MR의 최대 단점이 응답성이라고 생각하는데 oozie는 MR을 이용하여 작업을 호출하기 때문에 작업을 순차적으로 배열한다면 간단한 작업도 굉장한 수행시간을 소요하게 됩니다. 이럴경우 fork를 이용하여 병렬로 작업을 수행 할 수 있습니다. 1234<fork name='fork_CATES'> <path start='check_CATE1' /> <path start='check_CATE2' /></fork>cs check_CATE1, check_CATE2라는 action-node가 동시에 수행되게 됩니다. 이때 주의하실 점은 먼저 명시했다고 먼저수행되고 먼저끝나는 것이 아닙니다. (java의 thread를 생각하시면 편할 듯 합니다.) 이렇게 수행된 작업은 완료되면 join-node로 보내 다른 action이 종료될 때.......

실제 데이터를 핸들링 하는 작업을 보면 쉘스크립트 action, MR action, Hive action 등으로 확연하게 구분 지을 수 없는 애매한 과정들이 있습니다. 예를들어 "다른 클러스터의 데이터를 distcp해서 가져오고 rsync로 다른곳의 데이터를 가져온 후 그 파일을 mapper에서 사용할 cache로 등록하여 MR을 구동하고 생성된 결과물을 /user/hadoop/result 로 옮겨라!" 같은 작업은 oozie에서 개발한다면 fs action -> shell action -> mr action -> fs or shell action 등으로 세분화 해야하죠... 귀찮게... 또 이렇게 나누어 놓으면 보기에도 좋고 정상적인 운영에는 편하지만 에러가 빈번하여 부분적 복구를 자주해야 하는 작업은 환장할.......

실제 데이터를 핸들링 하는 작업을 보면 쉘스크립트 action, MR action, Hive action 등으로 확연하게 구분 지을 수 없는 애매한 과정들이 있습니다. 예를들어 "다른 클러스터의 데이터를 distcp해서 가져오고 rsync로 다른곳의 데이터를 가져온 후 그 파일을 mapper에서 사용할 cache로 등록하여 MR을 구동하고 생성된 결과물을 /user/hadoop/result 로 옮겨라!" 같은 작업은 oozie에서 개발한다면 fs action -> shell action -> mr action -> fs or shell action 등으로 세분화 해야하죠... 귀찮게... 또 이렇게 나누어 놓으면 보기에도 좋고 정상적인 운영에는 편하지만 에러가 빈번하여 부분적 복구를 자주해야 하는 작업은 환장할.......

실제 데이터를 핸들링 하는 작업을 보면 쉘스크립트 action, MR action, Hive action 등으로 확연하게 구분 지을 수 없는 애매한 과정들이 있습니다. 예를들어 "다른 클러스터의 데이터를 distcp해서 가져오고 rsync로 다른곳의 데이터를 가져온 후 그 파일을 mapper에서 사용할 cache로 등록하여 MR을 구동하고 생성된 결과물을 /user/hadoop/result 로 옮겨라!" 같은 작업은 oozie에서 개발한다면 fs action -> shell action -> mr action -> fs or shell action 등으로 세분화 해야하죠... 귀찮게... 또 이렇게 나누어 놓으면 보기에도 좋고 정상적인 운영에는 편하지만 에러가 빈번하여 부분적 복구를 자주해야 하는 작업은 환장할.......

실제 데이터를 핸들링 하는 작업을 보면 쉘스크립트 action, MR action, Hive action 등으로 확연하게 구분 지을 수 없는 애매한 과정들이 있습니다. 예를들어 "다른 클러스터의 데이터를 distcp해서 가져오고 rsync로 다른곳의 데이터를 가져온 후 그 파일을 mapper에서 사용할 cache로 등록하여 MR을 구동하고 생성된 결과물을 /user/hadoop/result 로 옮겨라!" 같은 작업은 oozie에서 개발한다면 fs action -> shell action -> mr action -> fs or shell action 등으로 세분화 해야하죠... 귀찮게... 또 이렇게 나누어 놓으면 보기에도 좋고 정상적인 운영에는 편하지만 에러가 빈번하여 부분적 복구를 자주해야 하는 작업은 환장할.......

유닉스 시절에 테입 백업 용으로 사용된다는 Z압출 파일을 최근 이직한 회사에서 처음 접해봤습니다. 뭐 zcat으로 보여지길레 TextInputFormat이 알아서 읽어주겠지 하며 때려박고 작업을 구동했지만 ㅠ.ㅠ 몇 기가씩 되는 Z 압축 파일들을 단일장비에서 gz등으로 변환 하기엔 너무나 아까워서 (hadoop 노드들이 노는 꼴을 보기 싫어서) hadoop에서 직접 읽어드릴 수 있게 시도를 해보겠습니다. 우선 Z파일을 읽는 방법을 인터넷에서 뒤져 inputstream 클래스를 구현합니다. 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384.......

유닉스 시절에 테입 백업 용으로 사용된다는 Z압출 파일을 최근 이직한 회사에서 처음 접해봤습니다. 뭐 zcat으로 보여지길레 TextInputFormat이 알아서 읽어주겠지 하며 때려박고 작업을 구동했지만 ㅠ.ㅠ 몇 기가씩 되는 Z 압축 파일들을 단일장비에서 gz등으로 변환 하기엔 너무나 아까워서 (hadoop 노드들이 노는 꼴을 보기 싫어서) hadoop에서 직접 읽어드릴 수 있게 시도를 해보겠습니다. 우선 Z파일을 읽는 방법을 인터넷에서 뒤져 inputstream 클래스를 구현합니다. 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384.......

유닉스 시절에 테입 백업 용으로 사용된다는 Z압출 파일을 최근 이직한 회사에서 처음 접해봤습니다. 뭐 zcat으로 보여지길레 TextInputFormat이 알아서 읽어주겠지 하며 때려박고 작업을 구동했지만 ㅠ.ㅠ 몇 기가씩 되는 Z 압축 파일들을 단일장비에서 gz등으로 변환 하기엔 너무나 아까워서 (hadoop 노드들이 노는 꼴을 보기 싫어서) hadoop에서 직접 읽어드릴 수 있게 시도를 해보겠습니다. 우선 Z파일을 읽는 방법을 인터넷에서 뒤져 inputstream 클래스를 구현합니다. 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384.......

유닉스 시절에 테입 백업 용으로 사용된다는 Z압출 파일을 최근 이직한 회사에서 처음 접해봤습니다. 뭐 zcat으로 보여지길레 TextInputFormat이 알아서 읽어주겠지 하며 때려박고 작업을 구동했지만 ㅠ.ㅠ 몇 기가씩 되는 Z 압축 파일들을 단일장비에서 gz등으로 변환 하기엔 너무나 아까워서 (hadoop 노드들이 노는 꼴을 보기 싫어서) hadoop에서 직접 읽어드릴 수 있게 시도를 해보겠습니다. 우선 Z파일을 읽는 방법을 인터넷에서 뒤져 inputstream 클래스를 구현합니다. 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384.......

FTP에 많은 파일을 올려야 하는 상황이 생겨 급하게 만들어 봤습니다. 옵션 중 i는 prompt를 무시해라 n은 auto-login, v는 verbose 입니다. #!/bin/sh PWD=$(cd `dirname $0` ; pwd) WORK_DATE=$1 if [ -z "$WORK_DATE" ] ; then echo "WORK_DATE is null" echo "usage ./sendCDR.sh yyyymmdd" exit 1 fi SERVER="255.255.255.255" USER="username" PASS="password" LOCAL_PATH="/airguy/pds/$WORK_DATE" UPLOAD_PATH="PDS" #입력받은 일자의 sub-dir에서 dat파일을 parent로 이동시킵니다. find $LOCAL_PATH/dt=$WORK_DATE -name "*.dat" -exec mv {} $LOCAL_PATH \; ftp -in $SERVER << EOS user $USER $PASS bin cd $UPLOAD_PATH lcd $.......

FTP에 많은 파일을 올려야 하는 상황이 생겨 급하게 만들어 봤습니다. 옵션 중 i는 prompt를 무시해라 n은 auto-login, v는 verbose 입니다. #!/bin/sh PWD=$(cd `dirname $0` ; pwd) WORK_DATE=$1 if [ -z "$WORK_DATE" ] ; then echo "WORK_DATE is null" echo "usage ./sendCDR.sh yyyymmdd" exit 1 fi SERVER="255.255.255.255" USER="username" PASS="password" LOCAL_PATH="/airguy/pds/$WORK_DATE" UPLOAD_PATH="PDS" #입력받은 일자의 sub-dir에서 dat파일을 parent로 이동시킵니다. find $LOCAL_PATH/dt=$WORK_DATE -name "*.dat" -exec mv {} $LOCAL_PATH \; ftp -in $SERVER << EOS user $USER $PASS bin cd $UPLOAD_PATH lcd $.......

FTP에 많은 파일을 올려야 하는 상황이 생겨 급하게 만들어 봤습니다. 옵션 중 i는 prompt를 무시해라 n은 auto-login, v는 verbose 입니다. #!/bin/sh PWD=$(cd `dirname $0` ; pwd) WORK_DATE=$1 if [ -z "$WORK_DATE" ] ; then echo "WORK_DATE is null" echo "usage ./sendCDR.sh yyyymmdd" exit 1 fi SERVER="255.255.255.255" USER="username" PASS="password" LOCAL_PATH="/airguy/pds/$WORK_DATE" UPLOAD_PATH="PDS" #입력받은 일자의 sub-dir에서 dat파일을 parent로 이동시킵니다. find $LOCAL_PATH/dt=$WORK_DATE -name "*.dat" -exec mv {} $LOCAL_PATH \; ftp -in $SERVER << EOS user $USER $PASS bin cd $UPLOAD_PATH lcd $.......

FTP에 많은 파일을 올려야 하는 상황이 생겨 급하게 만들어 봤습니다. 옵션 중 i는 prompt를 무시해라 n은 auto-login, v는 verbose 입니다. #!/bin/sh PWD=$(cd `dirname $0` ; pwd) WORK_DATE=$1 if [ -z "$WORK_DATE" ] ; then echo "WORK_DATE is null" echo "usage ./sendCDR.sh yyyymmdd" exit 1 fi SERVER="255.255.255.255" USER="username" PASS="password" LOCAL_PATH="/airguy/pds/$WORK_DATE" UPLOAD_PATH="PDS" #입력받은 일자의 sub-dir에서 dat파일을 parent로 이동시킵니다. find $LOCAL_PATH/dt=$WORK_DATE -name "*.dat" -exec mv {} $LOCAL_PATH \; ftp -in $SERVER << EOS user $USER $PASS bin cd $UPLOAD_PATH lcd $.......