目錄

 

• 一般用法
• hive數(shù)據(jù)遷移
• Export/Import方式
• 同步元數(shù)據(jù)
• 總結(jié)

數(shù)據(jù)遷移使用場景

 

• 冷熱集群數(shù)據(jù)分類存儲,詳見上述描述.
• 集群數(shù)據(jù)整體搬遷.當公司的業(yè)務迅速的發(fā)展,導致當前的服務器數(shù)量資源出現(xiàn)臨時緊張的時候,為了更高效的利用資源,會將原A機房數(shù)據(jù)整體遷移到B機房的,原因可能是B機房機器多,而且B機房本身開銷較A機房成本低些等.
• 數(shù)據(jù)的準實時同步.數(shù)據(jù)的準實時同步與上一點的不同在于第二點可以一次性操作解決,而準實時同步需要定期同步,而且要做到周期內(nèi)數(shù)據(jù)基本完全一致.數(shù)據(jù)準實時同步的目的在于數(shù)據(jù)的雙備份可用,比如某天A集群突然宣告不允許再使用了,此時可以將線上使用集群直接切向B的同步集群,因為B集群實時同步A集群數(shù)據(jù),擁有完全一致的真實數(shù)據(jù)和元數(shù)據(jù)信息,所以對于業(yè)務方使用而言是不會受到任何影響的.

hadoop 集群間拷貝數(shù)據(jù)：

 

需要將數(shù)據(jù)源集群的/etc/hosts中的hadoop節(jié)點拷貝到目標集群所有節(jié)點的/etc/hosts中，保證新集群所有節(jié)點可以ping同老集群所有節(jié)點;

1. hadoop distcp hdfs://qcloud-hadoop02:9000/hive/warehouse/hm2.db/helper/dt=2018-10-17 /data 

說明：我們這里是apache hadoop 到cdh數(shù)據(jù)遷移，這個命令仍然是可以用的。

一般用法

 

1、遷移之前需要把兩個集群的所有節(jié)點都互通/etc/hosts文件(重要，包括各個數(shù)據(jù)節(jié)點)

2、配置當前集群主節(jié)點到老集群各個節(jié)點的ssh免密登陸(可選)

3、由于老集群是HDP2.7.1，新集群是cdh5.8.5,版本不同，不能用hdfs協(xié)議直接拷貝，需要用http協(xié)議 即不能用：distcp hdfs://src:50070/foo /user而要用：distcp hftp://src:50070/foo /user最終的命令為：

1. hadoop distcp hftp://192.168.57.73:50070/hive3/20171008 /hive3/ 

4、如果兩個集群的版本相同，則可以使用hdfs協(xié)議，命令如下：

1. hadoop distcp hdfs://namenodeip:9000/foo hdfs://namenodeip:9000/foo 

5、由于遷移數(shù)據(jù)運行了mr任務，對集群資源有一定的消耗

DistCp優(yōu)勢特性

 

1 帶寬限流

DistCp是支持帶寬限流的,使用者可以通過命令參數(shù)bandwidth來為程序進行限流,原理類似于HDFS中數(shù)據(jù)Balance程序的限流.

2 增量數(shù)據(jù)同步

對于增量數(shù)據(jù)同步的需求,在DistCp中也得到了很好的實現(xiàn).通過update,append和diff2個參數(shù)能很好的解決.官方的參數(shù)使用說明:

• Update: Update target, copying only missing files or directories
• Append: Reuse existing data in target files and append new data to them if possible.
• Diff: Use snapshot diff report to identify the difference between source and target.

第一個參數(shù),解決了新增文件目錄的同步;第二參數(shù),解決已存在文件的增量更新同步;第三個參數(shù)解決刪除或重命名文件的同步.

這里需要額外解釋一下diff的使用需要設置2個不同時間的snapshot進行對比,產(chǎn)生相應的DiffInfo.在獲取快照文件的變化時,只會選擇出DELETE和RENAME這2種類型的變化信息.

相同hadoop版本同步數(shù)據(jù)

1. hadoop distcp -skipcrccheck -update -m 20 hdfs://dchadoop002.dx:8020/user/dc/warehouse/test /user/dc/warehouse/test 

不同hadoop版本同步數(shù)據(jù)

1. hadoop distcp -skipcrccheck -update -m 20 hftp://ns1/user/test /user/dc/test 

參數(shù):

1. -m 表示并發(fā)數(shù) 
2.  
3. -skipcrccheck 跳過hdfs校驗 
4.  
5. -update 更新文件 

理源路徑的方式與默認值不同，有些細節(jié)需要注意。這里給出一些 -update和 -overwrite的例子。考慮從/source/first/ 和 /source/second/ 到 /target/的拷貝，源路徑包括：

1. hdfs://nn1:8020/source/first/1 
2. hdfs://nn1:8020/source/first/2 
3. hdfs://nn1:8020/source/second/10 
4. hdfs://nn1:8020/source/second/20 

當不使用-update或-overwrite選項時，DistCp默認會在/target下創(chuàng)建/first和/second目錄。因此將在/target之前先創(chuàng)建目錄。

從而：

1. hadoop distcp hdfs://nn1:8020/source/first hdfs://nn1:8020/source/second hdfs://nn2:8020/target 

上述命令將在/target中生成以下內(nèi)容：

1. hdfs://nn2:8020/target/first/1 
2. hdfs://nn2:8020/target/first/2 
3. hdfs://nn2:8020/target/second/10 
4. hdfs://nn2:8020/target/second/20 

當指定-update或-overwrite時，源目錄的內(nèi)容將復制到目標，而不是源目錄本身。

從而：

1. distcp -update hdfs://nn1:8020/source/first hdfs://nn1:8020/source/second hdfs://nn2:8020/target 

上述命令將在/ target中生成以下內(nèi)容：

1. hdfs://nn2:8020/target/1 
2. hdfs://nn2:8020/target/2 
3. hdfs://nn2:8020/target/10 
4. hdfs://nn2:8020/target/20 

如果設置了這兩個選項，每個源目錄的內(nèi)容都會和目標目錄的內(nèi)容做比較。如果兩個源文件夾都包含一個具有相同名稱的文件(例如“0”)，那么這兩個源文件將在目的地映射到同一個目錄：/target/0。DistCp碰到這類沖突的情況會終止操作并退出。現(xiàn)在，請考慮以下復制操作：

1. distcp hdfs://nn1:8020/source/first hdfs://nn1:8020/source/second hdfs://nn2:8020/target 

其中源路徑/大小:

1. hdfs://nn1:8020/source/first/1 32 
2.  
3. hdfs://nn1:8020/source/first/2 32 
4.  
5. hdfs://nn1:8020/source/second/10 64 
6.  
7. hdfs://nn1:8020/source/second/20 32 

和目的路徑/大小:

1. hdfs://nn2:8020/target/1 32 
2. hdfs://nn2:8020/target/10 32 
3. hdfs://nn2:8020/target/20 64 

會產(chǎn)生:

1. hdfs://nn2:8020/target/1 32 
2. hdfs://nn2:8020/target/2 32 
3. hdfs://nn2:8020/target/10 64 
4. hdfs://nn2:8020/target/20 32 

文件“1”因為文件長度和內(nèi)容匹配而被跳過。文件“2”被復制，因為它不存在/target中。因為目標文件內(nèi)容與源文件內(nèi)容不匹配，文件“10”和文件“20”被覆蓋。如果使用-update 選項，文件“1”也被覆蓋。

3 高效的性能

執(zhí)行的分布式特性

高效的MR組件

hive數(shù)據(jù)遷移

 

1.hive數(shù)據(jù)export到hdfs

1. export table hm2.helper to '/tmp/export/hm2/helper'; 

如下：

1. hive> export table hm2.helper to '/tmp/export/hm2/helper'; 
2. Copying data from file:/app/data/hive/tmp/scratchdir/ce4c15d9-6875-40ed-add4-deedd75a4a92/hive_2018-10-26_10-58-21_552_8465737459112285307-1/-local-10000/_metadata 
3. Copying file: file:/app/data/hive/tmp/scratchdir/ce4c15d9-6875-40ed-add4-deedd75a4a92/hive_2018-10-26_10-58-21_552_8465737459112285307-1/-local-10000/_metadata 
4. Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=13/msgtype=helper 
5. Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper 
6. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00001 
7. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00003 
8. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00004 
9. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00005 
10. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00006 
11. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00007 
12. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00008 
13. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00009 
14. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00010 
15. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00011 
16. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00012 
17. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00013 
18. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00014 
19. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00015 
20. Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=13/msgtype=helper 
21. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=13/msgtype=helper/part-m-00002 
22. Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper 
23. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00000 
24. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00002 
25. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00006 
26. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00016 
27. Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=08/msgtype=helper 
28. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=08/msgtype=helper/part-m-00006 
29. Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=09/msgtype=helper 
30. Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=09/msgtype=helper/part-m-00000 
31. OK 
32. Time taken: 1.52 seconds 

2.集群間數(shù)據(jù)復制

需要保證原始集群目錄有讀權(quán)限，新的集群復制保存目錄有寫權(quán)限:

1. 兩個集群都要賦權(quán) 
2. hdfs dfs -chmod -R 777 /tmp/export/* 
3. hdfs dfs -chmod -R 777 /tmp/export/* 

數(shù)據(jù)復制

1. hadoop distcp hdfs://qcloud-test-hadoop01:9000/tmp/export/hm2 /tmp/export 

3.數(shù)據(jù)導入hive

在源hive show create table tbName顯示建表語句，用語句在目標hive建表，然后倒入數(shù)據(jù)：

1. import table hm2.helper from '/tmp/export/hm2/helper'; 

成功：

1. hive> import table hm2.helper from '/tmp/export/hm2/helper'; 
2. Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=13/msgtype=helper 
3. Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper 
4. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00001 
5. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00003 
6. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00004 
7. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00005 
8. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00006 
9. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00007 
10. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00008 
11. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00009 
12. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00010 
13. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00011 
14. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00012 
15. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00013 
16. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00014 
17. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00015 
18. Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=13/msgtype=helper 
19. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=13/msgtype=helper/part-m-00002 
20. Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper 
21. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00000 
22. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00002 
23. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00006 
24. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00016 
25. Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=08/msgtype=helper 
26. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=08/msgtype=helper/part-m-00006 
27. Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=09/msgtype=helper 
28. Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=09/msgtype=helper/part-m-00000 
29. Loading data to table hm2.helper partition (dt=2018-06-12, hour=13, msgtype=helper) 
30. Loading data to table hm2.helper partition (dt=2018-06-12, hour=14, msgtype=helper) 
31. Loading data to table hm2.helper partition (dt=2018-06-13, hour=13, msgtype=helper) 
32. Loading data to table hm2.helper partition (dt=2018-06-13, hour=14, msgtype=helper) 
33. Loading data to table hm2.helper partition (dt=2018-06-22, hour=08, msgtype=helper) 
34. Loading data to table hm2.helper partition (dt=2018-06-22, hour=09, msgtype=helper) 
35. OK 
36. Time taken: 4.966 seconds 

這樣就可以在新的hive中執(zhí)行：

1. select count(*) from hm2.helper; 

只導出某一個分區(qū)

1. 導出數(shù)據(jù) 
2. export table hm2.helper partition(dt='2017-12-16') to '/tmp/export/helper_2017-12-16' ; 
3. 數(shù)據(jù)復制 
4. hadoop distcp hdfs://dc1.xx.com:8020/tmp/export/ hdfs://dc2.xx.com:8020/tmp/export 
5. 數(shù)據(jù)導入 
6. import table hm2.helper partition(dt='2017-12-16') from '/tmp/export/helper_2017-12-16' 

與load data [local] inpath path path2 剪切數(shù)據(jù)不同，import命令其實是從目標/tmp/export/hm2/helper復制到/user/hive/warehouse/hm2.db/helper，這時候可以把/tmp/export/hm2/helper目錄刪掉了。

==可以使用hive export/import 進行hive數(shù)據(jù)的批量遷移，本實驗測試了text，orc，parquet，分區(qū)表，并測試了不同版本的導入導出。理論上hive導入導出的數(shù)據(jù)遷移不受版本，數(shù)據(jù)格式以及表的限制，可以得出結(jié)論可以適應hive export/import進行任何hive數(shù)據(jù)的遷移==

參考鏈接：https://blog.csdn.net/u9999/article/details/78830818

hbase數(shù)據(jù)遷移

 

HBase數(shù)據(jù)遷移是很常見的操作，目前業(yè)界主要的遷移方式主要分為以下幾類：

從上面圖中可看出，目前的方案主要有四類，Hadoop層有一類，HBase層有三類。實際中用了hbase層的Export / Import方法，這里介紹一下。

Export/Import方式

 

源(測試)集群每個節(jié)點可以識別目標集群每個節(jié)點

源集群hbase執(zhí)行

1. hbase org.apache.hadoop.hbase.mapreduce.Export 'hm2:test' hdfs://qcloud-hadoop02:9000/tmp/hbase_export/test 

注意：這里路徑需要帶hdfs://nameser/path ，否則就export 到本地了，下同。

目標集群hbase執(zhí)行

1. hbase org.apache.hadoop.hbase.mapreduce.Import 'hm2:test' hdfs://qcloud-hadoop02:9000/tmp/hbase_export/test 

或者

目標集群每個節(jié)點可以識別源(測試)集群每個節(jié)點

源集群hbase執(zhí)行

1. hbase org.apache.hadoop.hbase.mapreduce.Export 'hm2:test' hdfs://qcloud-test-hadoop01:9000/tmp/hbase_export/test 

目標集群hbase執(zhí)行

1. hbase org.apache.hadoop.hbase.mapreduce.Import 'hm2:test' hdfs://qcloud-test-hadoop01:9000/tmp/hbase_export/test 

同步元數(shù)據(jù)

 

因為分區(qū)信息發(fā)生了改變，元信息沒有同步。

數(shù)據(jù)導入到指定的文件夾之后，修復分區(qū)和表的元信息，(沒有使用rbuy的各種腳本，0.9之后就D了，)

1. hbase hbck -fixTableOrphans 'hm2:test' 
2. hbase hbck -fixMeta 'hm2:test' 
3. hbase hbck -fixAssignments 'hm2:test' 
4. hbase hbck -repair 'hm2:test' 

總結(jié)

 

上文把HBase數(shù)據(jù)遷移過程中常用的一些方法作了一個大概介紹，總結(jié)起來就四點：

• DistCp: 文件層的數(shù)據(jù)同步，也是我們常用的
• CopyTable: 這個涉及對原表數(shù)據(jù)Scan，然后直接Put到目標表，效率較低
• Export/Import: 類似CopyTable, Scan出數(shù)據(jù)放到文件，再把文件傳輸?shù)侥繕思鹤鱅mport
• Snapshot: 比較常用 ， 應用靈活，采用快照技術，效率比較高

具體應用時，要結(jié)合自身表的特性，考慮數(shù)據(jù)規(guī)模、數(shù)據(jù)讀寫方式、實時數(shù)據(jù)&離線數(shù)據(jù)等方面，再選擇使用哪種。

資料

https://www.cnblogs.com/felixzh/p/5920153.html

http://hadoop.apache.org/docs/r1.0.4/cn/quickstart.html

原文鏈接：https://mp.weixin.qq.com/s/L8k0lO_ZbQy7G_46eshnCw