distcp大数据传输（可传参库，多表，多分区）

梦里梦外; 2024-03-22 21:13 99阅读 0赞

### distcp大数据传输（可传参库，多表，多分区） ###

#!/bin/bash
    
    #date=$(date +%Y-%m-%d)
    
    # 检查参数数量
    if [ $# -eq 2 ]; then
        # 2个参数，进行库表复制传输
        db_name="$1"
        tbs_name="$2"
        # 创建源数据库镜像(权限问题)
    	#hadoop fs -fs hdfs://10.48.0.101 -createSnapshot /ucd-prod-vdp-usdp/user/hive/warehouse/${db_name}.db temp-${date}
    	# 分割第二个参数
        IFS=',' read -ra tb_array <<< "$tbs_name"
        # 执行复制传输操作
        echo "遍历执行表"
    	for pt_name in "${tb_array[@]}"; do
    	    echo "$tb_name"
    	    echo "执行表复制操作"
        # 具体的复制传输命令
    	hadoop distcp  -update -m 30 -pb -strategy dynamic hdfs://10.48.0.101/ucd-prod-vdp-usdp/user/hive/warehouse/${
        db_name}.db/${
        tb_name}/ /ucd-test-vdp-usdp/user/hive/warehouse/${
        db_name}.db/${
        tb_name}/
    	done
    	# 删除源数据镜像
    	#hdfs dfs -deleteSnapshot /ucd-prod-vdp-usdp/user/hive/warehouse/${db_name}.db temp-${date}
    
    elif [ $# -eq 3 ]; then
        # 3个参数，进行库表分区复制
        db_name="$1"
        tb_name="$2"
        pts_name="$3"
        # 创建源数据库镜像
    	#hadoop fs -fs hdfs://10.48.0.101 -createSnapshot /ucd-prod-vdp-usdp/user/hive/warehouse/${db_name}.db temp-${date}
        # 分割第三个参数
        IFS=',' read -ra pts_array <<< "$pts_name"
        # 遍历打印分区
        echo "遍历打印分区:"
        for pt_name in "${pts_array[@]}"; do
            echo "$pt_name"
    	    echo "执行分区复制操作"
    		hadoop distcp -update -m 10 -pb -strategy dynamic hdfs://10.48.0.101/ucd-prod-vdp-usdp/user/hive/warehouse/${
        db_name}.db/${
        tb_name}/dt=${
        pt_name} /ucd-test-vdp-usdp/user/hive/warehouse/${
        db_name}.db/${
        tb_name}/dt=${
        {
        pt_name}
        done
    	# 删除源数据镜像
    	#hdfs dfs -deleteSnapshot /ucd-prod-vdp-usdp/user/hive/warehouse/${db_name}.db temp-${date}
    
    else
        # 参数数量不正确，显示用法信息
        echo "用法: $0 <库> <表> [分区1,分区2,...]"
        exit 1
    fi
    
    
    # 检查源表是否有分区
    #分区数量=$(beeline  -u 'jdbc:hive2://ucd-prod-vdp-usdp-101.ucdipa.viatris.cc:10009/;principal=hadoop/_HOST@UCDIPA.VIATRIS.CC;' -e "SHOW PARTITIONS ${db_name}.${tb_name}" | wc -l)
    #if [ ${分区数量} -eq 0 ]; then
        # 源表没有分区，修复非分区表元数据
        echo "修复非分区表元数据"
    	beeline  -u 'jdbc:hive2://ucd-test-vdp-usdp-101.ucdipa.viatris.cc:10009/;principal=hadoop/_HOST@UCDIPA.VIATRIS.CC;' -e "analyze table ${db_name}.${tb_name} compute statistics"
        #hive -S -e "analyze table ${db_name}.${tb_name} compute statistics"
    #else
        # 源表有分区，修复分区表元数据
    	echo "修复分区表元数据"
    	beeline  -u 'jdbc:hive2://ucd-test-vdp-usdp-101.ucdipa.viatris.cc:10009/;principal=hadoop/_HOST@UCDIPA.VIATRIS.CC;' -e "msck REPAIR TABLE ${db_name}.${tb_name}"
        #hive -S -e "msck REPAIR TABLE ${db_name}.${tb_name}"
    #fi