【Hadoop-Distcp】通过Distcp的方式迁移Hive中的数据至存储对象

╰+攻爆jí腚メ 2023-10-08 20:09 49阅读 0赞

#### 【Hadoop-Distcp】通过Distcp的方式迁移Hive中的数据至存储对象 ####

*  1）了解 Distcp
 *   *  1.1.Distcp 的应用场景
     *  1.2.Distcp 的底层原理
 *  2）使用 Distcp
 *  4）S3 可视化 App 下载
 *  4）S3 可视化 App 使用
 *  5）跨集群迁移 HDFS 数据

## 1）了解 Distcp ##

### 1.1.Distcp 的应用场景 ###

Distcp是Hadoop自带的分布式复制程序，该程序可以从Hadoop文件系统间复制大量数据，也可以将大量的数据复制到Hadoop中。

一般情况下Distcp在企业中的应用场景：

*  Distcp 的典型应用场景是在两个HDFS集群之间传输数据（如果两个集群运行相同版本的 Hadoop，就非常适合使用 HDFS 方案）
 *  Distcp还可以将HDFS中的数据和存储对象中的数据进行相互迁移

### 1.2.Distcp 的底层原理 ###

Distcp是作为一个MapReduce作业来实现的，该复制作业是通过集群中并行运行的 map 来完成，此过程中没有 reduce。

map的数量如何确定：

*  常规情况下，每个 map 至少复制256MB数据（除非输入的总数据量较少，否则一个 map 就可以完成所有的复制）
    
    例如：
    
    将 1GB 大小的文件分给4个map任务。
 *  如果数据非常大则有必要限制 map 的数量进而限制带宽和集群的使用（默认情况下，每个集群节点最多分配20个map任务）
    
    例如：
    
    将 1000GB 的文件复制到一个由 100 个节点组成的集群，一共分配 2000 个 map 任务（每个节点 20 个 map 任务）所以每个map任务平均复制 512MB 数据。
 *  通过对 distcp 指定 -m 参数，可以减少分配的map任务数。
    
    例如：
    
    \-m 1000 将分配 1000 个 map 任务，每个平均复制 1GB 数据

## 2）使用 Distcp ##

**（1）获取Hive数据在HDFS中对应的location路径**

*  通过查看建表语句的方式
    
        show create table tableName;
 *  通过查看表详细信息的方式
    
        desc formatted tableName;

**（2）通过distcp对获取到的location中的数据进行数据迁移（以S3为例）**

参数说明：

*  \-D mapred.task.timeout：允许超时时间
 *  \-D mapreduce.job.name：任务名称
 *  \-Dfs.s3a.access.key：S3存储对象的accesskey
 *  \-Dfs.s3a.secret.key：S3存储对象的secretkey
 *  \-Dfs.s3a.endpoint：S3存储对象的endpoint
 *  \-Dfs.s3a.connection.ssl.enabled：是否关闭ssl连接
 *  \-Dfs.s3a.signing-algorithm：S3的操作算法，选择S3SignerType即可
 *  HDFS的location路径
 *  S3存储对象的路径

hadoop distcp \
    -D mapred.task.timeout=60000000 \
    -D mapreduce.job.name=%s \
    -Dfs.s3a.access.key=B4840CE7567123456789 \
    -Dfs.s3a.secret.key=123456789eYEh9+4h01ch123456789123456789 \
    -Dfs.s3a.endpoint=192.168.1.1 \
    -Dfs.s3a.connection.ssl.enabled=false \
    -Dfs.s3a.signing-algorithm=S3SignerType \
    hdfs://nameserver/warehouse/tablespace/external/hive/test.db/tableName \
    s3a://s3-bucket-test/tableName

**（3）登录S3可视化界面查看数据是否成功写入**

![在这里插入图片描述][3c36a95021384666802cbe1b17de7687.png]

## 4）S3 可视化 App 下载 ##

S3可视化App下载地址：`https://s3browser.com/`

![在这里插入图片描述][97d2e176e99e4a91a806101cfa7fdeff.png]

## 4）S3 可视化 App 使用 ##

![在这里插入图片描述][36c7c08b6b25403dabdf231b73314215.png]

![在这里插入图片描述][a0eebd478c6246cdbd2ae6a9e33f19a1.png]

## 5）跨集群迁移 HDFS 数据 ##

1、如果集群版本不同，不能用hdfs协议直接拷贝，需要用http协议。

即不能用：`distcp hdfs://src:50070/foo /user`

而要用：`distcp hftp://src:50070/foo /user`

最终的命令为：`hadoop distcp hftp://192.168.57.73:50070/hive3/20171008 /hive3/`

2、如果两个集群的版本相同，则可以使用hdfs协议，命令如下：

`hadoop distcp hdfs://namenodeip:9000/foo hdfs://namenodeip:9000/foo`

[3c36a95021384666802cbe1b17de7687.png]: https://img-blog.csdnimg.cn/3c36a95021384666802cbe1b17de7687.png
[97d2e176e99e4a91a806101cfa7fdeff.png]: https://img-blog.csdnimg.cn/97d2e176e99e4a91a806101cfa7fdeff.png
[36c7c08b6b25403dabdf231b73314215.png]: https://img-blog.csdnimg.cn/36c7c08b6b25403dabdf231b73314215.png
[a0eebd478c6246cdbd2ae6a9e33f19a1.png]: https://img-blog.csdnimg.cn/a0eebd478c6246cdbd2ae6a9e33f19a1.png