更新时间:2023-07-14 GMT+08:00

MRS HDFS数据迁移到OBS

操作场景

CDM支持文件到文件类数据的迁移,本章节以MRS HDFS-->OBS为例,介绍如何通过CDM将文件类数据迁移到文件中。流程如下:

  1. 创建CDM集群并绑定EIP
  2. 创建MRS HDFS连接
  3. 创建OBS连接
  4. 创建迁移作业

前提条件

  • 已获取OBS的访问域名、端口,以及AK、SK。
  • 已经购买了MRS。
  • 拥有EIP配额。

创建CDM集群并绑定EIP

  1. 如果是独立CDM服务,参考创建集群创建CDM集群;如果是作为DataArts Studio服务CDM组件使用,参考创建集群创建CDM集群。

    关键配置如下:

    • CDM集群的规格,按待迁移的数据量选择,一般选择cdm.medium即可,满足大部分迁移场景。
    • CDM集群所在VPC、子网、安全组,选择与MRS集群所在的网络一致。

  2. CDM集群创建完成后,选择集群操作列的“绑定弹性IP”,CDM通过EIP访问MRS HDFS。

    如果用户对本地数据源的访问通道做了SSL加密,则CDM无法通过弹性IP连接数据源。

创建MRS HDFS连接

  1. 在CDM集群管理界面,单击集群后的“作业管理”,选择连接管理 > 新建连接,进入连接器类型的选择界面,如图1所示。

    图1 选择连接器类型

  2. 连接器类型选择“MRS HDFS”后单击“下一步”,配置MRS HDFS链接参数。

    • 名称:用户自定义连接名称,例如“mrs_hdfs_link”。
    • Manage IP:MRS Manager的IP地址,可以单击输入框后的“选择”来选定已创建的MRS集群,CDM会自动填充下面的鉴权参数。
    • 用户名:选择KERBEROS鉴权时,需要配置MRS Manager的用户名和密码。

      从HDFS导出目录时,如果需要创建快照,这里配置的用户需要HDFS系统的管理员权限。

    • 密码:访问MRS Manager的用户密码。
    • 认证类型:访问MRS的认证类型。
    • 运行模式:选择HDFS连接的运行模式。

创建OBS连接

  1. 单击CDM集群后的“作业管理”,进入作业管理界面,再选择连接管理 > 新建连接,进入选择连接器类型的界面,如图2所示。

    图2 选择连接器类型

  2. 连接器类型选择“对象存储服务(OBS)”后,单击“下一步”配置OBS连接参数,如图4所示。

    • 名称:用户自定义连接名称,例如“obslink”
    • OBS服务器、端口:配置为OBS实际的地址信息。
    • 访问标识(AK)、密钥(SK):登录OBS的AK、SK。
      您可以通过如下方式获取访问密钥。
      1. 登录控制台,在用户名下拉列表中选择“我的凭证”。
      2. 进入“我的证”页面,选择访问密钥 > 新增访问密钥,如图3所示。
        图3 单击新增访问密钥
      3. 单击“确定”,根据浏览器提示,保存密钥文件。密钥文件会直接保存到浏览器默认的下载文件夹中。打开名称为“credentials.csv”的文件,即可查看访问密钥(Access Key Id和Secret Access Key)。
        • 每个用户仅允许新增两个访问密钥。
        • 为保证访问密钥的安全,访问密钥仅在初次生成时自动下载,后续不可再次通过管理控制台界面获取。请在生成后妥善保管。
    图4 创建OBS连接

  3. 单击“保存”回到连接管理界面。

创建迁移作业

  1. 选择表/文件迁移 > 新建作业,开始创建从MRS HDFS导出数据到OBS的任务。

    图5 创建MRS HDFS到OBS的迁移任务
    • 作业名称:用户自定义便于记忆、区分的任务名称。
    • 源端作业配置
      • 源连接名称:选择创建MRS HDFS连接中的“hdfs_llink”
      • 源目录或文件:待迁移数据的目录或单个文件路径。
      • 文件格式:传输数据时所用的文件格式,这里选择“二进制格式”。不解析文件内容直接传输,不要求文件格式必须为二进制。适用于文件到文件的原样复制。
      • 其他可选参数一般情况下保持默认即可。
    • 目的端作业配置
      • 目的连接名称:选择创建OBS连接中的“obs_link”
      • 桶名:待迁移数据的桶。
      • 写入目录:写入数据到OBS服务器的目录。
      • 文件格式:迁移文件类数据到文件时,文件格式选择“二进制格式”
      • 高级属性里的可选参数一般情况下保持默认即可。

  2. 单击“下一步”进入字段映射界面,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。
    • CDM的表达式已经预置常用字符串、日期、数值等类型的字段内容转换,详细请参见字段转换

  3. 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,可打开此配置。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。CDM支持多个文件的并发抽取,调大参数有利于提高迁移效率
    • 是否写入脏数据:否,文件到文件属于二进制迁移,不存在脏数据。
    • 作业运行完是否删除:这里保持默认值“不删除”。根据使用场景,也可配置为“删除”,防止迁移作业堆积。

  4. 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。
  5. 作业执行成功后,单击作业操作列的“历史记录”,可查看该作业的历史执行记录、读取和写入的统计数据。

    在历史记录界面单击“日志”,可查看作业的日志信息。