hdfs数据和hivemeta数据怎么迁移

本篇内容介绍了“hdfs数据和hive meta数据怎么迁移”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!

成都创新互联专注于荆门企业网站建设,成都响应式网站建设公司,商城建设。荆门网站建设公司,为荆门等地区提供建站服务。全流程按需制作网站,专业设计,全程项目跟踪,成都创新互联专业和态度为您提供的服务

前置

已按需求创建好EMR集群。

迁移hdfs数据

主要依靠distcp,核心是打通网络,确定hdfs参数和要迁移内容,测速,迁移。

网络

需要自建集群和EMR各个节点网络互通。同为VPC网络只需要同一个安全组,不同的安全组需要设置安全组互通。

如果自建集群是经典网络,EMR集群是vpc,网络访问需要设置CLASSICLINK.参见文档,详情可以咨询ECS客服。

设置后可以在新集群节点上ssh 老集群节点确定网络连通情况,distcp操作如果有xx 节点无法连接xx节点的异常,说明没有连通,需要继续设置。

hdfs权限配置确认

hdfs有权限设置,确定老集群是否有acl规则,是否要同步,检查dfs.permissions.enabled  和dfs.namenode.acls.enabled的配置新老集群是否一致,按照实际需要修改。

如果有acl规则要同步,distcp参数要加-p同步权限参数。如果distcp操作提示xx集群不支持acl,说明对应集群没配置。新集群没配置可以修改配置并重启NM。旧集群不支持,说明旧集群根本就没有acl方面的设置,也不需要同步。

同步参数

一般在新集群上运行同步,这样同步的作业可以在新集群上运行,对老集群影响较小。

distcp参数细节,一般命令格式如下:

hadoop distcp -Ddfs.replication=3 -pbugpcax -m 1000 -bandwidth 30 hdfs://oldclusterip:8020 /user/hive/warehouse /user/hive/

注意事项:

hdfs://oldclusterip:8020写老集群nameode ip,多个namenode写当前active的。

指定了副本数3,如想保留原有副本数-p后加r如-prbugpcax。如果不同步权限和acl,-p后去掉p和a。

-m指定map数,和集群规模,数据量有关。比如集群有2000核cpu,就可以指定2000个map。  -bandwidth指定单个map的同步速度,是靠控制副本复制速度实现的,是大概值。

  1. 迁移整体速度受集群间带宽,集群规模影响。同时文件越多,checksum需要的时间越长。如果迁移数据量大,可以先试着同步几个目录评估一下整体时间。如果只能在指定时间段内同步,可以将目录切为几个小目录,依次同步。

  2. 如果迁移过程中老集群还有写入,可以用-udpate再将变化同步过来。

  3. 一般完全同步,需要有个短暂的业务停写,以启用双写双算或直接将业务切换到新集群上。

hive meta数据同步

hive meta数据同步,本质是hive meta db,一般是MySQL  db的数据同步。和一般的mysql数据同步相比,要注意location改变,和hive版本对齐。

meta db设置

meta数据较多时,一般推荐用rds作为meta db。自建集群可能已有一个rds  db,由于location不同,一般需要新建一个数据库。***实践是跟EMR集群在一个可用区,一个vpc 安全组下新建一个rds 数据库。

登录新集群master节点(如果是ha集群两个master都需要),修改/usr/local/emr/emr-agent/run/meta_db_info.json,把里面的use_local_meta_db设置为false,meta数据库信息的链接地址、用户名和密码换成新建rds的信息。然后重启hive组件的metaserver。

初始化meta的表信息:

···  cd /usr/lib/hive-current/bin  ./schematool - initSchema -dbType mysql  ···

location

hive的表,分区等信息是有location信息的,带dfs  nameservices前缀,如hdfs://mycluster:8020/,而EMR集群的nameservices前缀是统一的emr-cluster,所以需要订正。订正的***方式是先导出数据mysqldump  --databases hivemeta --single-transaction -u root –p >  hive_databases.sql,用sed替换hdfs://oldcluster:8020/为hdfs://emr-cluster/  ,再导入新db中。

mysql hivemeta -p < hive_databases.sql

版本对齐

EMR的hive版本一般是当前社区***的稳定版,自建集群hive版本可能会更老,所以导入的旧版本数据可能不能直接使用。需要执行hive的升级脚本,地址。例如hive从1.2升级到2.3.0,需要依次执行upgrade-1.2.0-to-2.0.0.mysql.sql,upgrade-2.0.0-to-2.1.0.mysql.sql,upgrade-2.1.0-to-2.2.0.mysql.sql,upgrade-2.2.0-to-2.3.0.mysql.sql。脚本主要是建表,加字段,改内容,如有表已存在,字段已存在的异常可以忽略。

验证

meta数据全部订正后,就可以重启metaserver了。命令行hive,查询库和表,查询数据,验证正确性。

“hdfs数据和hive meta数据怎么迁移”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!


名称栏目:hdfs数据和hivemeta数据怎么迁移
URL网址:http://pwwzsj.com/article/jjohdh.html