<workflow-app name="test4" xmlns="uri:oozie:workflow:0.4">
    <start to="test4"/>
    <action name="test4">
        <map-reduce>
            <job-tracker>${jobTracker}</job-tracker>
            <name-node>${nameNode}</name-node>
            <prepare>
                  <delete path="${nameNode}${outputDir}"/>
            </prepare>
              <job-xml>/shareScripts/xxmapred-site.xml</job-xml>
            <configuration>
                <property>
                    <name>mapreduce.job.map.class</name>
                    <value>com.besttone.hbase.demo.WordCount$TokenizerMapper</value>
                </property>
                <property>
                    <name>mapreduce.job.reduce.class</name>
                    <value>com.besttone.hbase.demo.WordCount$IntSumReducer</value>
                </property>
                <property>
                    <name>mapreduce.job.combine.class</name>
                    <value>com.besttone.hbase.demo.WordCount$IntSumReducer</value>
                </property>
                <property>
                    <name>mapreduce.job.output.key.class</name>
                    <value>org.apache.hadoop.io.Text</value>
                </property>
                <property>
                    <name>mapreduce.job.output.value.class</name>
                    <value>org.apache.hadoop.io.IntWritable</value>
                </property>
                <property>
                    <name>mapreduce.input.fileinputformat.inputdir</name>
                    <value>${inputDir}</value>
                </property>
                <property>
                    <name>mapreduce.output.fileoutputformat.outputdir</name>
                    <value>${outputDir}</value>
                </property>
                <property>
                    <name>mapred.mapper.new-api</name>
                    <value>true</value>
                </property>
                <property>
                    <name>mapred.reducer.new-api</name>
                    <value>true</value>
                </property>
                <property>
                    <name>mapreduce.job.reduces</name>
                    <value>1</value>
                </property>
            </configuration>
        </map-reduce>
        <ok to="end"/>
        <error to="kill"/>
    </action>
    <kill name="kill">
        <message>Action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
    </kill>
    <end name="end"/>
</workflow-app>
 

配置檔案要注意的地方：

mapred.mapper.new-api和mapred.reducer.new-api這兩個屬性設定成true，表示使用新的api介面。老的API介面的配置屬性和新的配置屬性是不一樣的，mapreduce打頭的屬性都是新介面屬性，老介面屬性是mapred打頭的。

下面用圖形化的方式來描述如何建立一個workflow

1 新建一個workflow:

這裡我們新建了一個workflow叫test5,然後點選儲存。

2 檢視一下這個workflow的工作目錄在哪:

可以看到如圖所示的工作目錄，現在工作目錄下面是空的，等提交了workflow後，在工作目錄下面就會生成workflow.xml還有lib目錄，裡面存放相應的依賴包.

3 編輯這個workflow,拖一個mapreduce action到start和end之間：

轉到mapreduce action的編輯介面，

Jar名稱選擇你自己編寫的wordcount類打成的jar包，這個JAR包必須上傳到HDFS上，我這裡存放在HDFS的/sharelib目錄下面。

準備階段新增一個“新增刪除”動作，填寫刪除的目錄，因為mapreduce輸出目錄如果存在的話，提交JOB的時候會報錯無法提交，所以在提交JOB之前需要刪除輸出目錄，這裡輸出目錄的寫法是${outputDir},為EL表示式語言，即對輸出目錄進行了引數化，當你在提交workflow的時候，會彈出一個對話方塊讓你填寫這些引數。

job屬性配置：

作業XML設定：

JOB屬性配置會覆蓋作業XML檔案中的配置。作業XML一般都是配置一些通用的不長改變的屬性，存成一個檔案放到HDFS上去，經常變的就放到job屬性配置中一個一個的配置。

3 配置好後，提交workflow,填寫輸入目錄和輸出目錄兩個引數，就job就開始運行了。

說明：oozie提交mapreduce job和傳統的通過hadoop jar方式執行job不同，hadoop jar方式把該配置的屬性都寫在main方法裡面了，而oozie 提交mapreduce不能這樣做，所以必須把傳統的main方法裡設定的屬性，都作為job屬性設定一項一項的設定上。至於具體的屬性名，可以通過檢視原始碼來找到，比如job.setMapperClass(TokenizerMapper.class);可以點進這個方法裡面去看到底設定的是哪個屬性名，常用的屬性名都定義在MRJobConfig這個類中，比如public static final String MAP_CLASS_ATTR = "mapreduce.job.map.class";定義的是將要使用的map類。

workflow提交後，我們再次去檢視工作區，可以看到如下圖：

工作區下面多了workflow.xml和lib目錄，lib目錄裡存放的是我們剛才設定的jar檔案：

workflow.xml內容就是本文開頭描述的XML程式碼片段。