DeltaLake（无元数据）迁移至MRS DeltaLake数据校验

准备工作

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

操作步骤

1. 登录迁移中心管理控制台。
2. 单击左侧导航栏的“配置管理”，进入配置管理页面。
3. 选择“项目管理”页签，单击“创建项目”，右侧弹出创建新项目窗口。
   图1 创建项目
   

4. 项目类型选择“复杂迁移（大数据迁移）”，输入自定义项目名称，单击“创建”。
   图2 创建大数据迁移项目
   

5. 创建项目完成后，参考连接迁移中心，将MgC Agent与云端MgC控制台建立连接。
6. 连接成功后，需要在MgC Agent上分别添加源端“Delta Lake执行机”凭证和目的端“MRS Delta Lake执行机”凭证，类型选择“大数据-执行机”，认证方式选择“用户名/密码”。凭证的添加方法请参考添加资源凭证。

   

7. 在MgC控制台左侧导航栏选择“实施 > 大数据校验”，进入大数据校验页面。在左侧导航栏的项目下拉列表中选择步骤4.创建的项目。
8. 首次使用大数据校验功能时，需要先启用MgC Agent。单击“选择并启用迁移中心Agent”按钮，在弹窗的下拉列表中，选择与迁移中心连接成功的MgC Agent。
   注意：

   在进行大数据校验时，请确保MgC Agent一直处于在线并启用状态。

9. 在功能入口区域，单击“迁移准备”，进入迁移准备页面。
10. 选择“连接管理”，单击“创建连接”，右侧弹出新增连接窗口。
    图3 创建连接
    

11. 连接类型选择“Delta Lake（无元数据）”，单击“下一步”。

    

12. 根据表1，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 Delta Lake（无元数据）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“Delta-Lake-无元数据-4位随机数（字母和数字）”，也可以自定义名称。
    迁移中心Agent	选择步骤5.与MgC建立连接的MgC Agent。
    执行机凭证	选择步骤6.在MgC Agent侧添加的源端Delta Lake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。
    Spark客户端目录	填写Spark客户端的bin目录的绝对路径
    环境变量地址	请添加环境变量文件的绝对路径，示例：/opt/bigdata/client/bigdata_env， 如果该参数不为空，则环境变量文件在命令执行前将被自动“source”
    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。
    采集资源使用信息	可选参数。开启后，通过该连接创建的统计任务将收集大数据服务的资源使用信息，这些信息将用于MgC上的报告生成，以便于进行性能优化。 须知： 使用该功能，需要MgC Agent添加的华为云账号AK/SK拥有MRS服务和DLI服务的只读权限（ReadOnly）。 如果所选凭证与登录迁移中心 MgC的账号凭证相同，请勾选“所选凭证与登录迁移中心凭证相同”，系统将根据所选的区域，自动查询账号在该区域下的项目。 区域：选择需要校验的数据所在区域/项目。 项目：选择需要校验的数据所在项目。 集群ID：输入需要校验的数据所在集群ID。 如果所选凭证与登录迁移中心 MgC的账号凭证不同，请手动输入如下参数信息： 区域ID：输入需要校验的数据所在区域ID。例如，区域为“华南-广州”，则输入“cn-south-1” 项目ID：输入与区域对应的项目ID。 集群ID：输入需要校验的数据所在集群ID。 说明： 区域ID和项目ID可以在“我的凭证 > API凭证”查看。 集群ID的获取方法请参考获取MRS集群ID。

13. 测试连接通过后，单击“确认”按钮，创建云服务连接完成。
14. 选择元数据管理，单击“库表清单”，进入库表清单页签。

    

15. 单击“导入数据表”按钮，弹出导入数据表窗口。

    

16. 单击“xlsx模板下载”，将导入模板下载到本地。打开模板填写对应信息后保存。
17. 单击导入数据表窗口中的“添加文件”按钮，选择填写后的模板文件进行上传，然后单击“确认”按钮，完成数据表导入。导入完成后，在库表清单页签可以查看导入的数据列表。

    

18. 在大数据校验页面的功能入口区域，单击“表管理”，进入表管理页面的表组页签。
19. 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2 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12.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。

20. 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”。

    

    须知：

    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。

21. 分别创建源端执行机连接和目的端执行机连接，方法请参考创建执行机连接。执行机凭证分别选择步骤6.在MgC Agent侧添加的源端和目的端执行机凭证。
22. 在MgC控制台，分别创建源端和目的端Delta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19.创建的表组。
    • 任务类型请选择大数据组件中的“Delta”。

      

    • 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。

23. 当源端与目的端的统计任务都执行完成后（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。