tencent cloud

文档反馈

HDFS 通过对象存储数据迁移实践

最后更新时间:2024-10-31 11:28:36
    如果您需要将自有 HDFS 的原始数据迁移至腾讯云 EMR,可以通过两种方式进行数据迁移,第一种是通过腾讯云对象存储(COS)进行数据中转迁移,第二种是通过 Hadoop 自带文件迁移工具 DistCp 进行数据迁移。本文主要介绍通过腾讯云对象存储(COS)进行数据中转迁移。

    原始数据非 HDFS 数据

    如果您的原始数据不是 HDFS 数据而是其他形式的文件数据,可以通过 COS 的 web 控制台或者 COS 提供的 API 来把数据传入到 COS,然后在 EMR 集群中进行分析,COS 传输数据请查看资料。

    原始数据在 HDFS 的数据迁移

    1. 获取 COS 迁移工具。 获取迁移工具,更多迁移工具请参考 工具概览
    2. 工具配置。 配置文件统一放在工具目录里的 conf 目录,将需要同步的 HDFS 集群的 core-site.xml 拷贝到 conf 中,其中包含了 NameNode 的配置信息,编辑配置文件 cos_info.conf,包括 appid、bucket、region 以及密钥信息。
    注意
    建议用户使用子账号密钥,遵循 最小权限原则说明,防止泄漏目标存储桶或对象之外的资源。
    如果您一定要使用永久密钥,建议遵循 最小权限原则说明 对永久密钥的权限范围进行限制。
    命令参数说明:
    -ak <ak> the cos secret id //用户的 SecretId,建议使用子账号密钥,授权遵循最小权限指引,降低使用风险。子账号密钥获取可参考:https://www.tencentcloud.com/document/product/598/37140?from_cn_redirect=1
    -appid,--appid <appid> the cos appid
    -bucket,--bucket <bucket_name> the cos bucket name
    -cos_info_file,--cos_info_file <arg> the cos user info config default is ./conf/cos_info.conf
    -cos_path,--cos_path <cos_path> the absolute cos folder path
    -h,--help print help message
    -hdfs_conf_file,--hdfs_conf_file <arg> the hdfs info config default is ./conf/core-site.xml
    -hdfs_path,--hdfs_path <hdfs_path> the hdfs path
    -region,--region <region> the cos region. legal value cn-south, cn-east, cn-north, sg
    -sk <sk> the cos secret key //用户的 SecretKey,建议使用子账号密钥,授权遵循最小权限指引,降低使用风险。子账号密钥获取可参考:https://www.tencentcloud.com/document/product/598/37140?from_cn_redirect=1
    -skip_if_len_match,--skip_if_len_match skip upload if hadoop file length match cos
    3. 执行迁移:
    # 所有操作都要在工具目录下。如果同时设置了配置文件和命令行参数,以命令行参数为准
    ./hdfs_to_cos_cmd -h
    # 从 HDFS 拷贝到 COS(如果 COS 上已存在文件,则会覆盖)
    ./hdfs_to_cos_cmd --hdfs_path=/tmp/hive --cos_path=/hdfs/20170224/
    # 从 HDFS 拷贝到 COS,同时要拷贝的文件和 COS 的长度一致,则忽略上传(适用于拷贝一次后,重新拷贝)
    # 这里只做长度的判断,因为如果将 Hadoop 上的文件摘要算出,开销较大
    ./hdfs_to_cos_cmd --hdfs_path=/tmp/hive --cos_path=/hdfs/20170224/ -skip_if_len_match
    # 完全通过命令行设置参数
    ./hdfs_to_cos_cmd -appid 1********* -ak
    ****************************************** -sk
    ******************************** -bucket test -cos_path /hdfs
    -hdfs_path /data/data -region cn-south -hdfs_conf_file
    /home/hadoop/hadoop-2.8.1/etc/hadoop/core-site.xml
    4. 验证运行命令后,输出如下日志::
    [Folder Operation Result : [ 53(sum)/ 53(ok) / 0(fail)]]
    [File Operation Result: [22(sum)/ 22(ok) / 0(fail) / 0(skip)]]
    [Used Time: 3 s]
    sum 表示总共需要迁移的文件数。
    ok 表示成功迁移的文件数。
    fail 表示迁移失败的文件数。
    skip 表示在添加 skip_if_len_match 参数后,由于上传文件和同名文件具有相同长度的文件,则跳过的数量。
    您也可以登录 COS 控制台查看数据是否已经正确迁移过来。对象存储使用指引请参见 快速入门

    常见问题

    请确保填写的配置信息,包括 appID、密钥信息、bucket 和 region 信息正确,以及机器的时间和北京时间一致(如相差1分钟左右是正常的),如果相差较大,请设置机器时间。
    请保证对于 DateNode,拷贝程序所在的机器也可以连接。因 NameNode 有外网 IP 可以连接,但获取的 block 所在的 DateNode 机器是内网 IP,无法连接上,因此建议同步程序放在 Hadoop 的某个节点上执行,保证对 NameNode 和 DateNode 皆可访问。
    权限问题,用当前账户使用 Hadoop 命令下载文件,看是否正常,再使用同步工具同步 Hadoop 上的数据。  
    对于 COS 上已存在的文件,默认进行重传覆盖,除非用户明确的指定 -skip_if_len_match,当文件长度一致时则跳过上传。
    cos path 都认为是目录,最终从 HDFS 上拷贝的文件都会存放在该目录下。
    联系我们

    联系我们,为您的业务提供专属服务。

    技术支持

    如果你想寻求进一步的帮助,通过工单与我们进行联络。我们提供7x24的工单服务。

    7x24 电话支持