迁移Hive数据至DLI

前提条件

• 已创建DLI的SQL队列。创建DLI队列的操作可以参考创建DLI队列。
  

  创建DLI队列时队列类型需要选择为“SQL队列”。

• 已创建包含Hive组件的MRS安全集群。创建MRS集群的操作详细可以参考创建MRS集群。
  • 本示例创建的MRS集群和各组件版本如下：
    • MRS集群版本：MRS 3.1.0
    • Hive版本：3.1.0
    • Hadoop版本：3.1.1
  • 本示例创建MRS集群时开启了Kerberos认证。
• 已创建CDM迁移集群。创建CDM集群的操作可以参考创建CDM集群。
  

  • 如果目标数据源为云下的数据库，则需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP、CDM云上安全组出方向放通云下数据源所在的主机、数据源所在的主机可以访问公网且防火墙规则已开放连接端口。
  • 数据源为云上的MRS、DWS等服务时，网络互通需满足如下条件：

    i. CDM集群与云上服务处于不同区域的情况下，需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP，数据源所在的主机可以访问公网且防火墙规则已开放连接端口。

    ii. CDM集群与云上服务同区域情况下，同虚拟私有云、同子网、同安全组的不同实例默认网络互通；如果同虚拟私有云但是子网或安全组不同，还需配置路由规则及安全组规则。

    配置路由规则请参见如何配置路由规则章节，配置安全组规则请参见如何配置安全组规则章节。

    iii. 此外，您还必须确保该云服务的实例与CDM集群所属的企业项目必须相同，如果不同，需要修改工作空间的企业项目。

  本示例CDM集群的虚拟私有云、子网以及安全组和MRS集群保持一致。

步骤一：数据准备

• MRS集群上创建Hive表和插入表数据。
  1. 参考访问MRS Manager登录MRS Manager。
  2. 在MRS Manager上，选择“系统 > 权限 > 角色”，单击“ 添加角色 ”，在添加角色页面分别配置参数。
     • 角色名称：输入自定义的“角色名称”，例如当前输入为：hivetestrole。
     • 配置资源权限：选择“当前MRS集群的名称 > hive”，勾选“Hive管理员权限”。
       图1 Manager创建Hive的角色
       

       更多MRS创建角色的操作说明可以参考：创建Hive管理员角色。

  3. 在MRS Manager上，选择“系统 > 权限 > 用户”，单击“添加用户”，在添加用户页面分别配置如下参数。
     1. 用户名：自定义的用户名。当前示例输入为：hivetestusr。
     2. 用户类型：当前选择为“人机”。
     3. 密码和确认密码：输入当前用户名对应的密码。
     4. 用户组和主组：选择supergroup
     5. 角色：同时选择2中创建的角色和Manager_viewer角色。
        图2 MRS Manager上创建Hive用户
        
  4. 参考安装MRS客户端下载并安装Hive客户端。例如，当前Hive客户端安装在MRS主机节点的“/opt/hiveclient”目录上。
  5. 以root用户进入客户端安装目录下。

     例如：cd /opt/hiveclient

  6. 执行以下命令配置环境变量。

     source bigdata_env

  7. 因为当前集群启用了Kerberos认证，则需要执行以下命令进行安全认证。认证用户为3中创建的用户。

     kinit 3中创建的用户名

     例如，kinit hivetestusr

  8. 执行以下命令连接Hive。

     beeline

  9. 创建表和插入表数据。

     创建表：

     create table user_info(id string,name string,gender string,age int,addr string);

     插入表数据：

     insert into table user_info(id,name,gender,age,addr) values("12005000201","A","男",19,"A城市");
     insert into table user_info(id,name,gender,age,addr) values("12005000202","B","男",20,"B城市");
     insert into table user_info(id,name,gender,age,addr) values("12005000202","B","男",20,"B城市");

     

     上述示例是通过创建表和插入表数据构造迁移示例数据。如果是迁移已有的Hive数据库和表数据，则可以通过以下命令获取Hive的数据库和表信息。

     • 在Hive客户端执行如下命令获取数据库信息

       show databases

     • 切换到需要迁移的Hive数据库

       use Hive数据库名

     • 显示当前数据库下所有的表信息

       show tables

     • 查询Hive表的建表语句

       show create table Hive表名

       查询出来的建表语句需要做一些处理，建表语句要符合DLI的建表语法，再到具体的DLI上执行。

• 在DLI上创建数据库和表。
  1. 登录DLI管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列。

     在编辑器中输入以下语句创建数据库，例如当前创建迁移后的DLI数据库testdb。详细的DLI创建数据库的语法可以参考创建DLI数据库。

     create database testdb;

  2. 在数据库下创建表。
     

     如果是通过在MRS Hive中的“show create table hive表名”获取的建表语句，则需要修改该建表语句以符合DLI的建表语法。具体DLI的建表语法可以参考创建DLI表。

     create table user_info(id string,name string,gender string,age int,addr string);

步骤二：数据迁移

1. 配置CDM数据源连接。
   1. 配置源端MRS Hive的数据源连接。
      1. 登录CDM控制台，选择“集群管理”，选择已创建的CDM集群，在操作列选择“作业管理”。
      2. 在作业管理界面，选择“连接管理”，单击“新建连接”，连接器类型选择“MRS Hive”，单击“下一步”。
         图3 创建MRS Hive数据源连接
         
      3. 配置源端MRS Hive的数据源连接，具体参数配置如下。

         表1 MRS Hive数据源配置

         参数	值
         名称	自定义MRS Hive数据源名称。例如当前配置为：source_hive
         Manager IP	单击输入框旁边的“选择”按钮，选择当前MRS Hive集群即可自动关联出来Manager IP。
         认证类型	如果当前MRS集群为普通集群则选择为SIMPLE，如果是MRS集群启用了Kerberos安全认证则选择为KERBEROS。 本示例选择为：KERBEROS。
         Hive版本	根据当前创建MRS集群时候的Hive版本确定。当前Hive版本为3.1.0，则选择为：HIVE_3_X。
         用户名	在3中创建的MRS Hive用户名。
         密码	对应的MRS Hive用户名的密码。

         其他参数保持默认即可。更多参数的详细说明可以参考CDM上配置Hive连接。

         图4 CDM配置MRS Hive数据源
         
      4. 单击“保存”完成MRS Hive数据源配置。
   2. 配置目的端DLI的数据源连接。
      1. 登录CDM控制台，选择“集群管理”，选择已创建的CDM集群，在操作列选择“作业管理”。
      2. 在作业管理界面，选择“连接管理”，单击“新建连接”，连接器类型选择“数据湖探索（DLI）”，单击“下一步”。
         图5 创建DLI数据源连接
         
      3. 配置目的端DLI数据源连接连接参数。具体参数配置可以参考在CDM上配置DLI连接。
         图6 配置DLI数据源连接参数
         

         配置完成后，单击“保存”完成DLI数据源配置。

2. 创建CDM迁移作业。
   1. 登录CDM控制台，选择“集群管理”，选择已创建的CDM集群，在操作列选择“作业管理”。
   2. 在“作业管理”界面，选择“表/文件迁移”，单击“新建作业”。
   3. 在新建作业界面，配置当前作业配置信息，具体参数参考如下：
      图7 新建CDM作业作业配置
      
      1. 作业名称：自定义数据迁移的作业名称。例如，当前定义为：hive_to_dli。
      2. 源端作业配置，具体参考如下：

         表2 源端作业配置

         参数名	参数值
         源连接名称	选择1.a中已创建的数据源名称。
         数据库名称	选择MRS Hive待迁移的数据库名称。例如当前待迁移的表数据数据库为“default”。
         表名	待建议Hive数据表名。当前示例为在DLI上创建数据库和表中的“user_info”表。
         读取方式	当前示例选择为：HDFS。具体参数含义如下： 包括HDFS和JDBC两种读取方式。默认为HDFS方式，如果没有使用WHERE条件做数据过滤及在字段映射页面添加新字段的需求，选择HDFS方式即可。 HDFS文件方式读取数据时，性能较好，但不支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。 JDBC方式读取数据时，支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。

         更多参数的详细配置可以参考：CDM配置Hive源端参数。

      3. 目的端作业配置，具体参考如下：

         表3 目的端作业配置

         参数名	参数值
         目的连接名称	选择1.b已创建的DLI数据源连接。
         资源队列	选择已创建的DLI SQL类型的队列。
         数据库名称	选择DLI下已创建的数据库。当前示例为在DLI上创建数据库和表中创建的数据库名，即为“testdb”。
         表名	选择DLI下已创建的表名。当前示例为在DLI上创建数据库和表中创建的表名，即为“user_info”。
         导入前清空数据	选择导入前是否清空目的表的数据。当前示例选择为“否”。 如果设置为是，任务启动前会清除目标表中数据。

         更多参数的详细配置可以参考：CDM配置DLI目的端参数。

3. 单击“下一步”，进入到字段映射界面，CDM会自动匹配源和目的字段。
   • 如果字段映射顺序不匹配，可通过拖拽字段调整。
   • 如果选择在目的端自动创建类型，这里还需要配置每个类型的字段类型、字段名称。
   • CDM支持迁移过程中转换字段内容
   图8 字段映射
   
4. 单击“下一步”配置任务参数，一般情况下全部保持默认即可。

   该步骤用户可以配置如下可选功能：

   • 作业失败重试：如果作业执行失败，可选择是否自动重试，这里保持默认值“不重试”。
   • 作业分组：选择作业所属的分组，默认分组为“DEFAULT”。在CDM“作业管理”界面，支持作业分组显示、按组批量启动作业、按分组导出作业等操作。
   • 是否定时执行：如果需要配置作业定时自动执行，请参见配置定时任务。这里保持默认值“否”。
   • 抽取并发数：设置同时执行的抽取任务数。这里保持默认值“1”。
   • 是否写入脏数据：如果需要将作业执行过程中处理失败的数据、或者被清洗过滤掉的数据写入OBS中，以便后面查看，可通过该参数配置，写入脏数据前需要先配置好OBS连接。这里保持默认值“否”即可，不记录脏数据。
5. 单击“保存并运行”，回到作业管理界面，在作业管理界面可查看作业执行进度和结果。
   图9 迁移作业进度和结果查询
   

步骤三：结果查询

CDM迁移作业运行完成后，再登录到DLI管理控制台，选择“SQL编辑器”，在SQL编辑器中“执行引擎”选择“spark”，“队列”选择已创建的SQL队列，数据库选择已1已创建的数据库，执行DLI表查询语句，查询Hive表数据是否已成功迁移到DLI的“user_info”表中。

select * from user_info;

图10 迁移后查询DLI的表数据