导入导出数据

背景信息

MRS集群处理的数据源来源于OBS或HDFS，HDFS是Hadoop分布式文件系统（Hadoop Distributed File System），OBS即对象存储服务，是一个基于对象的海量存储服务，为客户提供海量、安全、高可靠、低成本的数据存储能力。MRS可以直接处理OBS中的数据，客户可以基于管理控制台Web界面和OBS客户端对数据进行浏览、管理和使用，同时可以通过REST API接口方式单独或集成到业务程序进行管理和访问数据。

用户创建作业前需要将本地数据上传至OBS系统，MRS使用OBS中的数据进行计算分析。MRS也支持将OBS中的数据导入至HDFS中，使用HDFS中的数据进行计算分析。数据完成处理和分析后，您可以将数据存储在HDFS中，也可以将集群中的数据导出至OBS系统。需要注意，HDFS和OBS也支持存储压缩格式的数据，目前支持存储bz2、gz压缩格式的数据。

导入数据

MRS目前只支持将OBS上的数据导入至HDFS中。上传文件速率会随着文件大小的增大而变慢，适合数据量小的场景下使用。

支持导入文件和目录，操作方法如下：

1. 登录MRS管理控制台。
2. 选择“集群列表 > 现有集群”，选中一集群并单击集群名进入集群信息页面。
3. 单击“文件管理”，进入“文件管理”页面。
4. 选择“HDFS文件列表”。
5. 进入数据存储目录，如“bd_app1”。

   “bd_app1”目录仅为示例，可以是界面上的任何目录，也可以通过“新建”创建新的文件夹。

   新建文件夹时需要满足以下要求：

   • 文件夹名称小于等于255字符。
   • 不允许为空。
   • 不能包含 : /:*?"<>|\;&,'`!{}[]$%+特殊字符。
   • 不能以“.”开头或结尾。
   • 开头和末尾的空格会被忽略。
6. 单击“导入数据”，正确配置HDFS和OBS路径。配置OBS或者HDFS路径时，单击“浏览”并选择文件目录，然后单击“是”。
   • OBS路径
     • 必须以“obs://”开头。
     • 不支持导入KMS加密的文件或程序。
     • 不支持导入空的文件夹。
     • 目录和文件名称可以包字母、数字、中划线和下划线，但不能包含;|&>,<'$*?\特殊字符。
     • 目录和文件名称不能以空格开头或结尾，中间可以包含空格。
     • OBS全路径长度小于等于255字符。
   • HDFS路径
     • 默认以“/user”开头。
     • 目录和文件名称可以包含字母、数字、中划线和下划线，但不能包含;|&>,<'$*?\:特殊字符。
     • 目录和文件名称不能以空格开头或结尾，中间可以包含空格。
     • HDFS全路径长度小于等于255字符。
7. 单击“确定”。

   文件上传进度可在“文件操作记录”中查看。MRS将数据导入操作当做Distcp作业处理，也可在“作业管理”中查看Distcp作业是否执行成功。

导出数据

数据完成处理和分析后，您可以将数据存储在HDFS中，也可以将集群中的数据导出至OBS系统。

支持导出文件和目录，操作方法如下：

1. 登录MRS管理控制台。
2. 选择“集群列表 > 现有集群”，选中一集群并单击集群名进入集群基本信息页面。
3. 单击“文件管理”，进入“文件管理”页面。
4. 选择“HDFS文件列表”。
5. 进入数据存储目录，如“bd_app1”。
6. 单击“导出数据”，配置OBS和HDFS路径。配置OBS或者HDFS路径时，单击“浏览”并选择文件目录，然后单击“是”。
   • OBS路径
     • 必须以“obs://”开头。
     • 目录和文件名称可以包含字母、数字、中划线和下划线，但不能包含;|&>,<'$*?\特殊字符。
     • 目录和文件名称不能以空格开头或结尾，中间可以包含空格。
     • OBS全路径长度小于等于255字符。
   • HDFS路径
     • 默认以“/user”开头。
     • 目录和文件名称可以包含字母、数字、中划线和下划线，但不能包含;|&>,<'$*?\:特殊字符。
     • 目录和文件名称不能以空格开头或结尾，中间可以包含空格。
     • HDFS全路径长度小于等于255字符。
   

   当导出文件夹到OBS系统时，在OBS路径下，将增加一个标签文件，文件命名为“folder name_$folder$”。请确保导出的文件夹为非空文件夹，如果导出的文件夹为空文件夹，OBS无法显示该文件夹，仅生成一个命名为“folder name_$folder$”的文件。

7. 单击“确定”。

   文件上传进度可在“文件操作记录”中查看。MRS将数据导出操作当做Distcp作业处理，也可在“作业管理”中查看Distcp作业是否执行成功。

查看文件操作记录

通过MRS管理控制台导入和导出数据时，可在“文件管理 > 文件操作记录”查看数据导入、导出进度。

文件操作记录参数说明如表1所示。