上传存量数据

使用华为云专线，搭建用户本地数据中心与华为云VPC之间的专属连接通道。
创建OBS桶，并记录OBS的访问域名、端口和AK/SK。
创建CDM集群。

DataArts Studio实例中已经包含一个CDM集群（试用版除外），如果该集群已经满足需求，您无需再购买数据集成增量包，可以跳过这部分内容。

如果您需要再创建新的CDM集群，请参考购买批量数据迁移增量包，完成购买数据集成增量包的操作。
- 实例类型：选择“cdm.xlarge”，该实例类型适用大部分迁移场景。
- 虚拟私有云：CDM集群的VPC，选择用户本地数据中心与云专线连通的VPC。
- 子网、安全组：这里没有要求，分别任选一个即可。
集群创建完成后，选择集群后面的“作业管理 > 连接管理 > 新建连接”，进入选择连接类型的界面，如图1所示。
图1 选择连接器类型
连接H公司本地的Apache Hadoop HDFS文件系统时，连接类型选择“Apache HDFS”，然后单击“下一步”。
图2 创建HDFS连接
- 名称：用户自定义连接名称，例如“hdfs_link”。
- URI：配置为H公司HDFS文件系统的Namenode URI地址。
- 认证类型：安全模式Hadoop选择KERBEROS鉴权，通过获取客户端的principal和keytab文件进行认证。
- Principal、Keytab文件：用于认证的账号Principal和keytab文件，可以联系Hadoop管理员获取。
单击“保存”，CDM会自动测试连接是否可用。
- 如果可用则提示保存成功，系统自动跳转到连接管理界面。
- 如果测试不可用，需要重新检查连接参数是否配置正确，或者H公司防火墙是否允许CDM集群的EIP访问数据源。
单击“新建连接”来创建OBS连接，连接类型选择“对象存储服务（OBS）”后单击“下一步”，配置OBS连接参数，如图3所示。
图3 创建OBS连接
- 名称：用户自定义连接名称，例如“obslink”。
- OBS终端节点：配置为OBS的域名或IP地址，例如“obs.myhuaweicloud.com”。
- 端口：OBS服务器的端口，例如“443”。
- OBS桶类型：根据实际情况下拉选择即可。
- 访问标识（AK）、密钥（SK）：访问OBS数据库的AK、SK。可在管理控制台单击用户名，选择“我的凭证 > 访问密钥”后获取。
单击“保存”，系统回到连接管理界面。
选择“表/文件迁移 > 新建作业”，创建迁移H公司贸易数据到OBS的作业，如图4所示。
图4 创建作业
- 作业名称：用户自定义作业名称。
- 源端作业配置：
  - 源连接名称：选择5创建的HDFS连接“hdfs_link”。
  - 源目录或文件：配置为H公司贸易数据在本地的存储路径，可以是一个目录，也可以是单独一个文件。这里配置为目录，CDM会迁移整个目录下的文件到OBS。
  - 文件格式：选择“二进制格式”。这里的文件格式是指CDM传输数据时所用的格式，不会改变原始文件自身的格式。迁移文件到文件时，推荐使用“二进制格式”，传输的效率和性能都最优。
- 目的端作业配置：
  - 目的连接名称：选择7创建的OBS连接“obslink”。
  - 桶名、写入目录：在OBS中储存贸易数据的路径，CDM会将文件写入到该路径下。
  - 文件格式：与源端一样，选择“二进制格式”，原始文件自身的格式不会改变。
  - 重复文件处理方式：这里选择“跳过重复文件”。只有当源端和目的端存在文件名、文件大小都相同的文件时，CDM才会判定该文件为重复文件，这时CDM将跳过该文件，不迁移到OBS。
单击“下一步”配置任务参数，迁移存量数据时，参数配置保持默认即可。
单击“保存并运行”，进入作业管理界面，查看作业执行进度和结果。
作业执行成功之后，单击作业后面的“历史记录”查看作业的写入行数、读取行数、写入字节、写入文件数和执行日志。