文档首页/ MapReduce服务 MRS/ 最佳实践/ 数据迁移/ 使用CDM服务迁移Hadoop数据至MRS集群
更新时间:2024-08-02 GMT+08:00
分享

使用CDM服务迁移Hadoop数据至MRS集群

应用场景

本章节适用于将线下IDC机房或者公有云Hadoop集群中的数据(支持数据量在几十TB级别或以下的数据量级)迁移到华为云MRS服务。

本章节以通过华为云CDM服务 2.9.1.200版本进行数据迁移为例介绍。不同版本操作可能有差异,具体操作详情以实际版本对应的操作指导为准。

CDM服务支持迁移的数据源可参考支持的数据源,数据源为Apache HDFS时,建议使用的版本为2.8.X、3.1.X,请执行搬迁前务必确认是否支持搬迁。

方案架构

CDM围绕大数据迁移上云和智能数据湖解决方案,提供了简单易用的迁移能力和多种数据源到数据湖的集成能力,降低了客户数据源迁移和集成的复杂性,有效的提高您数据迁移和集成的效率。

CDM服务迁移Hadoop数据至MRS集群方案如图1所示。

图1 Hadoop数据迁移示意

方案优势

  • 简单易用:免编程,向导式任务开发界面,通过简单配置几分钟即可完成迁移任务开发。
  • 迁移效率高: 基于分布式计算框架进行数据任务执行和数据传输优化,并针对特定数据源写入做了专项优化,迁移效率高。
  • 实时监控:迁移过程中可以执行自动实时监控、告警和通知操作。

约束与限制

搬迁数据量较大时,对网络通信要求较高,执行搬迁任务时,可能会影响其他业务,建议在业务空闲期进行数据迁移任务。

步骤1:新建数据连接

  1. 登录CDM管理控制台。
  2. 创建CDM集群,该CDM集群的安全组、虚拟私有云、子网需要和迁移目的端集群保持一致,保证CDM集群和MRS集群之间网络互通。
  3. 在“集群管理”页面单击待操作集群对应“操作”列的“作业管理”。
  4. 在“连接管理”页签,单击“新建连接”。
  5. 参考CDM服务的新建连接页面,分别添加到迁移源端集群和迁移目的端集群的两个HDFS连接。

    连接类型根据实际集群来选择,如果是MRS集群,连接器类型可以选择“MRS HDFS”,如果是自建集群可以选择“Apache HDFS”。

    图2 HDFS连接

步骤2:新建迁移作业

  1. 在“表/文件迁移” 页签,单击“新建作业”。
  2. 选择源连接、目的连接:

    • 作业名称:用户自定义任务名称,名称由英文字母、下划线或者数字组成,长度必须在1到256个字符之间。
    • 源连接名称:选择迁移源端集群的HDFS连接,作业运行时将从此端复制导出数据。
    • 目的连接名称:选择迁移目的端集群的HDFS连接,作业运行时会将数据导入此端。

  3. 请参见配置HDFS源端参数配置源端连接的作业参数,需要迁移的文件夹可通过“目录过滤器”和“文件过滤器”参数设置符合规则的目录和文件进行迁移。

    例如迁移匹配“/user/test*”文件夹下文件,该场景下“文件格式”固定为“二进制格式”。
    图3 配置作业参数

  4. 请参见配置HDFS目的端参数配置目的端连接的作业参数。
  5. 单击“下一步”进入任务配置页面。

    • 如需定期将新增数据迁移至目的端集群,可在该页面进行配置,也可在任务执行后再参考3配置定时任务。
    • 如无新增数据需要后续定期迁移,则跳过该页面配置直接单击“保存”回到作业管理界面。
      图4 任务配置

  6. 选择“作业管理”的“表/文件迁移”页签,在待运行作业的“操作”列单击“运行”,即可开始HDFS文件数据迁移,并等待作业运行完成。

步骤3:检查迁移后的文件信息

  1. 登录迁移目的端集群主管理节点。
  2. 在集群客户端内执行hdfs dfs -ls -h /user/命令查看迁移目的端集群中已迁移的文件。
  3. (可选)如果源端集群中有新增数据需要定期将新增数据迁移至目的端集群,则配置定期任务增量迁移数据,直到所有业务迁移至目的端集群。

    1. 在CDM集群中选择“作业管理”的“表/文件迁移”页签。
    2. 在迁移作业的“操作”列选择“更多 > 配置定时任务”。
    3. 开启定时执行功能,根据具体业务需求设置重复周期,并设置有效期的结束时间为所有业务割接到新集群之后的时间。
      图5 配置定时任务

相关文档