Hadoop 數據遷移用法詳解
作者： 柯同學
需要將數據源集群的/etc/hosts中的hadoop節點拷貝到目標集群所有節點的/etc/hosts中，保證新集群所有節點可以ping同老集群所有節點;
目錄
- 一般用法
- hive數據遷移
- Export/Import方式
- 同步元數據
- 總結
數據遷移使用場景
- 冷熱集群數據分類存儲,詳見上述描述.
- 集群數據整體搬遷.當公司的業務迅速的發展,導致當前的服務器數量資源出現臨時緊張的時候,為了更高效的利用資源,會將原A機房數據整體遷移到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.
- 數據的準實時同步.數據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,而且要做到周期內數據基本完全一致.數據準實時同步的目的在于數據的雙備份可用,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集群數據,擁有完全一致的真實數據和元數據信息,所以對于業務方使用而言是不會受到任何影響的.
hadoop 集群間拷貝數據：
需要將數據源集群的/etc/hosts中的hadoop節點拷貝到目標集群所有節點的/etc/hosts中，保證新集群所有節點可以ping同老集群所有節點;
- 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數據遷移，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點都互通/etc/hosts文件(重要，包括各個數據節點)
2、配置當前集群主節點到老集群各個節點的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協議直接拷貝，需要用http協議 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：
- 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協議，命令如下：
- hadoop distcp hdfs://namenodeip:9000/foo hdfs://namenodeip:9000/foo
5、由于遷移數據運行了mr任務，對集群資源有一定的消耗
DistCp優勢特性
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bandwidth來為程序進行限流,原理類似于HDFS中數據Balance程序的限流.
2 增量數據同步
對于增量數據同步的需求,在DistCp中也得到了很好的實現.通過update,append和diff2個參數能很好的解決.官方的參數使用說明:
- 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,解決了新增文件目錄的同步;第二參數,解決已存在文件的增量更新同步;第三個參數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版本同步數據
- hadoop distcp -skipcrccheck -update -m 20 hdfs://dchadoop002.dx:8020/user/dc/warehouse/test /user/dc/warehouse/test
不同hadoop版本同步數據
- hadoop distcp -skipcrccheck -update -m 20 hftp://ns1/user/test /user/dc/test
參數:
- -m 表示并發數
- -skipcrccheck 跳過hdfs校驗
- -update 更新文件
理源路徑的方式與默認值不同，有些細節需要注意。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：
- hdfs://nn1:8020/source/first/1
- hdfs://nn1:8020/source/first/2
- hdfs://nn1:8020/source/second/10
- hdfs://nn1:8020/source/second/20
當不使用-update或-overwrite選項時，DistCp默認會在/target下創建/first和/second目錄。因此將在/target之前先創建目錄。
從而：
- hadoop distcp hdfs://nn1:8020/source/first hdfs://nn1:8020/source/second hdfs://nn2:8020/target
上述命令將在/target中生成以下內容：
- hdfs://nn2:8020/target/first/1
- hdfs://nn2:8020/target/first/2
- hdfs://nn2:8020/target/second/10
- hdfs://nn2:8020/target/second/20
當指定-update或-overwrite時，源目錄的內容將復制到目標，而不是源目錄本身。
從而：
- distcp -update hdfs://nn1:8020/source/first hdfs://nn1:8020/source/second hdfs://nn2:8020/target
上述命令將在/ target中生成以下內容：
- hdfs://nn2:8020/target/1
- hdfs://nn2:8020/target/2
- hdfs://nn2:8020/target/10
- hdfs://nn2:8020/target/20
如果設置了這兩個選項，每個源目錄的內容都會和目標目錄的內容做比較。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。現在，請考慮以下復制操作：
- distcp hdfs://nn1:8020/source/first hdfs://nn1:8020/source/second hdfs://nn2:8020/target
其中源路徑/大小:
- hdfs://nn1:8020/source/first/1 32
- hdfs://nn1:8020/source/first/2 32
- hdfs://nn1:8020/source/second/10 64
- hdfs://nn1:8020/source/second/20 32
和目的路徑/大小:
- hdfs://nn2:8020/target/1 32
- hdfs://nn2:8020/target/10 32
- hdfs://nn2:8020/target/20 64
會產生:
- hdfs://nn2:8020/target/1 32
- hdfs://nn2:8020/target/2 32
- hdfs://nn2:8020/target/10 64
- hdfs://nn2:8020/target/20 32
文件“1”因為文件長度和內容匹配而被跳過。文件“2”被復制，因為它不存在/target中。因為目標文件內容與源文件內容不匹配，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
執行的分布式特性
高效的MR組件
hive數據遷移
1.hive數據export到hdfs
- export table hm2.helper to '/tmp/export/hm2/helper';
如下：
- hive> export table hm2.helper to '/tmp/export/hm2/helper';
- 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
- 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
- Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=13/msgtype=helper
- Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00001
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00003
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00004
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00005
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00006
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00007
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00008
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00009
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00010
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00011
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00012
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00013
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00014
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00015
- Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=13/msgtype=helper
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=13/msgtype=helper/part-m-00002
- Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00000
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00002
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00006
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00016
- Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=08/msgtype=helper
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=08/msgtype=helper/part-m-00006
- Copying data from hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=09/msgtype=helper
- Copying file: hdfs://nameser/hive/warehouse/hm2.db/helper/dt=2018-06-22/hour=09/msgtype=helper/part-m-00000
- OK
- Time taken: 1.52 seconds
2.集群間數據復制
需要保證原始集群目錄有讀權限，新的集群復制保存目錄有寫權限:
- 兩個集群都要賦權
- hdfs dfs -chmod -R 777 /tmp/export/*
- hdfs dfs -chmod -R 777 /tmp/export/*
數據復制
- hadoop distcp hdfs://qcloud-test-hadoop01:9000/tmp/export/hm2 /tmp/export
3.數據導入hive
在源hive show create table tbName顯示建表語句，用語句在目標hive建表，然后倒入數據：
- import table hm2.helper from '/tmp/export/hm2/helper';
成功：
- hive> import table hm2.helper from '/tmp/export/hm2/helper';
- Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=13/msgtype=helper
- Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00001
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00003
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00004
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00005
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00006
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00007
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00008
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00009
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00010
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00011
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00012
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00013
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00014
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-12/hour=14/msgtype=helper/part-m-00015
- Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=13/msgtype=helper
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=13/msgtype=helper/part-m-00002
- Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00000
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00002
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00006
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-13/hour=14/msgtype=helper/part-m-00016
- Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=08/msgtype=helper
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=08/msgtype=helper/part-m-00006
- Copying data from hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=09/msgtype=helper
- Copying file: hdfs://qcloud-cdh01.2144.com:8020/tmp/export/hm2/helper/dt=2018-06-22/hour=09/msgtype=helper/part-m-00000
- Loading data to table hm2.helper partition (dt=2018-06-12, hour=13, msgtype=helper)
- Loading data to table hm2.helper partition (dt=2018-06-12, hour=14, msgtype=helper)
- Loading data to table hm2.helper partition (dt=2018-06-13, hour=13, msgtype=helper)
- Loading data to table hm2.helper partition (dt=2018-06-13, hour=14, msgtype=helper)
- Loading data to table hm2.helper partition (dt=2018-06-22, hour=08, msgtype=helper)
- Loading data to table hm2.helper partition (dt=2018-06-22, hour=09, msgtype=helper)
- OK
- Time taken: 4.966 seconds
這樣就可以在新的hive中執行：
- select count(*) from hm2.helper;
只導出某一個分區
- 導出數據
- export table hm2.helper partition(dt='2017-12-16') to '/tmp/export/helper_2017-12-16' ;
- 數據復制
- hadoop distcp hdfs://dc1.xx.com:8020/tmp/export/ hdfs://dc2.xx.com:8020/tmp/export
- 數據導入
- import table hm2.helper partition(dt='2017-12-16') from '/tmp/export/helper_2017-12-16'
與load data [local] inpath path path2 剪切數據不同，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數據的批量遷移，本實驗測試了text，orc，parquet，分區表，并測試了不同版本的導入導出。理論上hive導入導出的數據遷移不受版本，數據格式以及表的限制，可以得出結論可以適應hive export/import進行任何hive數據的遷移==
參考鏈接：https://blog.csdn.net/u9999/article/details/78830818
hbase數據遷移
HBase數據遷移是很常見的操作，目前業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)集群每個節點可以識別目標集群每個節點
源集群hbase執行
- 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執行
- hbase org.apache.hadoop.hbase.mapreduce.Import 'hm2:test' hdfs://qcloud-hadoop02:9000/tmp/hbase_export/test
或者
目標集群每個節點可以識別源(測試)集群每個節點
源集群hbase執行
- hbase org.apache.hadoop.hbase.mapreduce.Export 'hm2:test' hdfs://qcloud-test-hadoop01:9000/tmp/hbase_export/test
目標集群hbase執行
- hbase org.apache.hadoop.hbase.mapreduce.Import 'hm2:test' hdfs://qcloud-test-hadoop01:9000/tmp/hbase_export/test
同步元數據
因為分區信息發生了改變，元信息沒有同步。
數據導入到指定的文件夾之后，修復分區和表的元信息，(沒有使用rbuy的各種腳本，0.9之后就D了，)
- hbase hbck -fixTableOrphans 'hm2:test'
- hbase hbck -fixMeta 'hm2:test'
- hbase hbck -fixAssignments 'hm2:test'
- hbase hbck -repair 'hm2:test'
總結
上文把HBase數據遷移過程中常用的一些方法作了一個大概介紹，總結起來就四點：
- DistCp: 文件層的數據同步，也是我們常用的
- CopyTable: 這個涉及對原表數據Scan，然后直接Put到目標表，效率較低
- Export/Import: 類似CopyTable, Scan出數據放到文件，再把文件傳輸到目標集群作Import
- 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，要結合自身表的特性，考慮數據規模、數據讀寫方式、實時數據&離線數據等方面，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
責任編輯：武曉燕
來源：
Java大數據與數據倉庫
