MaxCompute迁移至MRS Hive数据校验

本文主要介绍将阿里云 MaxCompute数据迁移至华为云MRS Hive后，使用迁移中心 MgC进行数据一致性校验的步骤和方法。

需要先在源端内网环境中安装用于配合数据校验的工具Edge并注册用户，方法请参见安装Linux版本的Edge工具。

登录迁移中心管理控制台。在总览页面，单击“创建迁移项目”。
在弹出的窗口中，自定义项目名称，仔细查看并了解项目类型的适用场景后，选择项目类型，单击“确认”。

在左侧导航栏的“配置管理 > 项目管理”页签可以查看和管理已创建的项目。
创建项目完成后，参考连接迁移中心，将Edge工具与云端MgC控制台建立连接。
连接成功后，需要在Edge上分别添加源端“大数据-MaxCompute”凭证、目的端“大数据-Hive Metastore”凭证和目的端“MRS执行机”凭证，认证方式分别选择“AK/SK”、“用户名/密钥”、“用户名/密码”。凭证的添加方法请参考添加资源凭证。
- MaxCompute侧的AK/SK获取方法请参考查看RAM用户的AccessKey信息。
- Hive Metastore凭证文件的获取方法请参考大数据-Hive Metastore凭证文件获取方法。
在MgC控制台左侧导航栏选择“调研 > 大数据血缘”，进入大数据血缘页面。在页面左上角的当前项目下拉列表中选择步骤2.创建的项目。
在元数据采集区域，单击“创建连接”，右侧弹出创建连接窗口。
连接类型选择“MaxCompute”，单击“下一步”。

根据MaxCompute连接参数配置说明，配置连接参数后，单击“测试连接”按钮，测试通过代表连接成功。

表1 MaxCompute连接参数配置说明
参数	配置说明
所属源	选择源端。
连接名称	默认创建名称为“MaxCompute-4位随机数（字母和数字）”，也可以自定义名称。
迁移工具	选择步骤3.与MgC建立连接的Edge工具。
阿里云凭证	选择步骤4.在Edge侧添加的MaxCompute凭证。
项目名称	输入需要采集的MaxCompute项目名称。项目名称可在MaxCompute侧控制台获取。
Endpoint	输入MaxCompute服务所在地域的Endpoint信息。各地域Endpoint信息请参考Endpoint对照表。

根据元数据同步任务参数配置说明，配置元数据同步任务参数后，单击“确认”按钮，创建元数据同步任务。

表2 元数据同步任务参数配置说明
参数	配置说明
任务名称	默认创建名称为“元数据同步任务-4位随机数（字母和数字）”，也可以自定义名称。
元数据连接	选择步骤8.创建的元数据连接。
数据库	填写需要进行元数据同步的数据库名称，如果有多个数据库，库名之间用逗号隔开。须知：元数据连接为MaxCompute类型时，该参数为必填参数，不能为空。
并发线程数	设置采集线程并发数。默认为3，1≤取值范围≤10。增加线程并发数，可以提高同步效率，但会占用更多源端连接和迁移工具（Edge)所安装主机的计算资源。

在元数据采集区域，单击“采集任务”，进入元数据采集页面。
在任务管理页签，可以查看已创建的元数据同步任务列表以及参数配置信息。单击操作列的“运行任务”，即可触发一次任务执行。每执行一次任务，会生成一条任务实例。
单击操作列的“查看实例”，进入任务实例管理页签。可以查看该任务的运行记录，以及每条任务实例的状态和采集结果。当元数据同步任务的实例状态为“已完成”且采集结果有数值时，在库表清单页签可以查看采集到的元数据列表。
在左侧导航栏选择“实施>大数据校验”，进入大数据校验页面。首次使用大数据校验功能时，需要先选择并启用迁移工具。单击“选择并启用迁移工具”按钮，弹出选择迁移工具窗口。在下拉列表中，选择步骤3.与迁移中心连接成功的Edge。

在进行大数据校验时，请确保迁移工具Edge一直处于在线并启用状态。
在功能入口区域，单击“表管理”，进入表管理页面的表组页签。

单击“新增表组”，弹出新增表组窗口。根据新增表组参数说明，配置参数后，单击“确认”按钮，创建表组。

表3 新增表组参数说明
参数	说明
表组名	用户自定义
元数据连接	选择步骤8.创建的元数据连接。注意：表组中的所有表必须来源于同一个元数据来源。
校验标准	选择可以接受的数据差异最大值（即错误容忍度）。MgC提供了多种类型的对数标准可供选择，关于对数标准的详细说明，可以单击新增表组弹窗中的“查看更多”进行查看。
说明（可选）	您可以输入用于区分表组的说明。

在表管理页面，选择库表清单页签，勾选要加入同一表组的数据表，单击列表上方的“表组管理 > 批量加入组”，在弹出的修改表组窗口中，选择要加入的表组，单击“确认”。

如果需要新增数据表，可以通过导入数据表的方式添加，方法请参考导入数据表并加入表组。
在大数据校验页面的功能入口区域，单击“连接管理”，进入连接管理页面。
单击页面右上角的“新增连接”，右侧弹出新增连接窗口。连接类型选择“MRS执行机”，单击“下一步”，进入详细配置页面。

根据表4，配置连接参数后，单击“测试连接”按钮，测试通过代表连接成功。

表4 MRS执行机参数配置说明
参数	配置说明
所属源	选择目的端。
连接名称	默认创建名称为“执行机类型-4位随机数（字母和数字）”，也可以自定义名称。
执行机凭证	选择步骤4.在Edge侧添加的目的端MRS执行机凭证。
执行机IP	填写连接执行机的IP地址。
执行机连接端口	填写连接执行机的端口，默认为22端口。
安装目录	填写MRS客户端的安装目录路径。即安装客户端时，“./install.sh” 所填写的地址。
SQL文件地址	填写用于存放执行作业时生成的SQL文件的文件夹地址。您需要拥有该文件夹的读写权限。须知：迁移完成后，您需要手动清理该路径下生成的文件夹，以释放存储空间。

在MgC控制台，创建Hive统计任务并执行，方法请参考创建统计任务并执行校验。需要注意任务配置中的表组，选择步骤步骤16.创建的表组；执行机连接选择步骤20.创建的MRS执行机连接。
- 任务类型请选择大数据组件中的“Hive”。
- 统计方式按实际需求选择，各统计方式说明请参见校验方式说明。
当任务执行完成后（实例状态为“已完成”），在校验结果页面可以查看并导出任务的执行结果，方法请参考查看并导出校验结果。