# MySQL数据迁移到MRS Hive分区表 MapReduce服务（MapReduce Service，简称MRS）提供企业级大数据集群云服务，里面包含HDFS、Hive、Spark等组件，适用于企业海量数据分析。 其中Hive提供类SQL查询语言，帮助用户对大规模的数据进行提取、转换和加载，即通常所称的ETL（Extraction，Transformation，and Loading）操作。对庞大的数据集查询需要耗费大量的时间去处理，在许多场景下，可以通过建立Hive分区方法减少每一次扫描的总数据量，这种做法可以显著地改善性能。 Hive的分区使用HDFS的子目录功能实现，每一个子目录包含了分区对应的列名和每一列的值。当分区很多时，会有很多HDFS子目录，如果不依赖工具，将外部数据加载到Hive表各分区不是一件容易的事情。云数据迁移服务（CDM）可以轻松将外部数据源（关系数据库、对象存储服务、文件系统服务等）加载到Hive分区表。 下面使用CDM将MySQL数据导入到MRS Hive分区表为例进行介绍。 #### 操作场景 假设MySQL上有一张表trip_data，保存了自行车骑行记录，里面有起始时间、结束时间，起始站点、结束站点、骑手ID等信息，trip_data表字段定义如[图1]所示。 图1MySQL表字段 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001674279342.png) 使用CDM将MySQL中的表trip_data导入到MRS Hive分区表，流程如下： 1. [在MRS Hive上创建Hive分区表] 2. [创建CDM集群并绑定EIP] 3. [创建MySQL连接] 4. [创建Hive连接] 5. [创建迁移作业] #### 前提条件 - 已经购买MRS。 - 已获取连接MySQL数据库的IP地址、端口、数据库名称、用户名、密码，且该用户拥有MySQL数据库的读写权限。 - 已在CDM集群的"作业管理 \> 连接管理 \> 驱动管理"页面，上传了MySQL数据库驱动。 #### 在MRS Hive上创建Hive分区表 在MRS的Hive上使用下面SQL语句创建一张Hive分区表，表名与MySQL上的表trip_data一致，且Hive表比MySQL表多建三个字段y、ym、ymd，作为Hive的分区字段。SQL语句如下： ``` create table trip_data(TripID int,Duration int,StartDate timestamp,StartStation varchar(64),StartTerminal int,EndDate timestamp,EndStation varchar(64),EndTerminal int,Bike int,SubscriberType varchar(32),ZipCodev varchar(10))partitioned by (y int,ym int,ymd int); ``` ![](https://support.huaweicloud.com/usermanual-dataartsstudio/public_sys-resources/note_3.0-zh-cn.png) Hive表trip_data有三个分区字段：骑行起始时间的年、骑行起始时间的年月、骑行起始时间的年月日，例如一条骑行记录的起始时间为2018/5/11 9:40，那么这条记录会保存在分区trip_data/2018/201805/20180511下面。对trip_data进行按时间维度统计汇总时，只需要对局部数据扫描，大大提升性能。 #### 创建CDM集群并绑定EIP 1. 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MySQL。 图2集群列表 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000002239778293.png "点击放大") ![](https://support.huaweicloud.com/usermanual-dataartsstudio/public_sys-resources/note_3.0-zh-cn.png) 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MySQL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3]所示。 图3选择连接器类型 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001448285829.png "点击放大") 2. 选择"云数据库 MySQL"后单击"下一步"，配置云数据库 MySQL连接的参数。 图4创建MySQL连接 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001722610073.png "点击放大") 单击"显示高级属性"可查看更多可选参数，具体请参见[配置云数据库MySQL/MySQL数据库连接](https://support.huaweicloud.com/usermanual-cdm/cdm_01_1211.html)。这里保持默认，必填参数如[表1]所示。 表1MySQL连接参数 | 参数名 | 说明 | 取值样例 | |:---|:---|:---| | 名称 | 输入便于记忆和区分的连接名称。 | mysqllink | | 数据库服务器 | MySQL数据库的IP地址或域名。 | - | | 端口 | MySQL数据库的端口。 | 3306 | | 数据库名称 | MySQL数据库的名称。 | sqoop | | 用户名 | 拥有MySQL数据库的读、写和删除权限的用户。 | admin | | 密码 | 用户的密码。 | - | | 使用本地API | 使用数据库本地API加速（系统会尝试启用MySQL数据库的local_infile系统变量）。 | 是 | | 使用Agent | 是否选择通过Agent从源端提取数据。 | 否 | | local_infile字符集 | MySQL通过local_infile导入数据时，可配置编码格式。 | utf8 | | 驱动版本 | CDM连接关系数据库前，需要先上传所需关系数据库的JDK8版本.jar格式驱动。MySQL的驱动请从选择5.1.48版本下载，从中获取mysql-connector-java-5.1.48.jar，然后进行上传。 | - | 3. 单击"保存"回到连接管理界面。 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/public_sys-resources/note_3.0-zh-cn.png) 如果保存时出错，一般是由于MySQL数据库的安全设置问题，需要设置允许CDM集群的EIP访问MySQL数据库。 #### 创建Hive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5]所示。 图5选择连接器类型 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001566677846.png "点击放大") 2. 连接器类型选择"MRS Hive"后单击"下一步"配置Hive连接参数，如[图6]所示。 图6创建MRS Hive连接 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001579494848.png "点击放大") 各参数说明如[表2]所示，需要您根据实际情况配置。 表2MRS Hive连接参数 | 参数名 | 说明 | 取值样例 | |:---|:---|:---| | 名称 | 连接的名称，根据连接的数据源类型，用户可自定义便于记忆、区分的连接名。 | hivelink | | Manager IP | 输入或选择Manager IP。 通过"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。 Hadoop类型为MRS：输入MRS Manager IP。 Hadoop类型为FusionInsight HD：输入FusionInsight HD Manager IP。 手动填写IP时请根据场景和顺序填写： - 填写单个IP时，IP应为MRS集群管理面的浮动IP。 - 填写2个IP时，应填写MRS集群业务面的主节点IP和备节点IP，多个IP之间使用";"分隔。 - 填写3个IP时，应填写MRS集群业务面的主节点IP、备节点IP和MRS集群管理面的浮动IP，多个IP之间使用";"分隔。 说明： 当前DataArts Studio不支持对接"Kerberos加密类型"为"aes256-sha2,aes128-sha2"的MRS集群。如需对接MRS集群，请注意"Kerberos加密类型"应为"aes256-sha1,aes128-sha1"。 | - 127.0.0.1 - 127.0.0.1;127.0.0.2;127.0.0.3 | | 连接方式 | 通过JDBC/API的方式去连接MRS集群提交SQL，如果是非MRS集群、非hive3x场景、hive作为源端场景，请使用JDBC模式。Standalone模式不支持API模式。默认场景下API模式仅适用实际执行插入数据SQL，其他SQL提交均通过JDBC模式。 | JDBC | | JobGateway IP | 连接方式为API时显示该参数。 JobGateway IP，可以通过MRS JobGateway模块获取对应的IP，IP之间通过逗号间隔。 | x.x.x.x,x.x.x.x | | 认证类型 | 访问MRS的认证类型： - SIMPLE：非安全模式选择Simple鉴权。 - KERBEROS：安全模式选择Kerberos鉴权。 | SIMPLE | | Kerberos认证类型 | 认证类型为KERBEROS时显示该参数。 开启Kerberos认证，可以选择是keyTab或者Basic方式进行连接认证。 - BASIC：表示使用用户名密码连接。 当选择Basic方式认证时： - 支持作为源端，源端读取方式支持JDBC、不支持HDFS、不支持多并发。 - 不支持作为目的端。 - HIVE版本支持HIVE_3_X。 - KEYTAB：表示使用keytab文件的方式进行认证。 | KEYTAB | | Hive版本 | Hive的版本。根据服务端Hive版本设置。 | HIVE_3_X | | 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。 如果要创建MRS安全集群的数据连接，不能使用admin用户。因为admin用户是默认的管理页面用户，这个用户无法作为安全集群的认证用户来使用。您可以创建一个新的MRS用户，然后在创建MRS数据连接时，"用户名"和"密码"填写为新建的MRS用户及其密码。 说明： - 如果CDM集群为2.9.0版本及之后版本，且MRS集群为3.1.0及之后版本，则所创建的用户至少需具备Manager_viewer的角色权限才能在CDM创建连接；如果需要对MRS组件的库、表、列进行操作，还需要参考MRS文档添加对应组件的库、表、列操作权限。 - 如果CDM集群为2.9.0之前的版本，或MRS集群为3.1.0之前的版本，则所创建的用户需要具备Manager_administrator或System_administrator权限，才能在CDM创建连接。 - 仅具备Manager_tenant或Manager_auditor权限，无法创建连接。 | cdm | | 密码 | 访问MRS Manager的用户密码。 | - | | 开启LDAP认证 | 通过代理连接的时候，此项可配置。 当MRS Hive对接外部LDAP开启了LDAP认证时，连接Hive时需要使用LDAP账号与密码进行认证，此时必须开启此参数，否则会连接失败。 | 否 | | LDAP用户名 | 当"开启LDAP认证"参数选择为"是"时，此参数是必选项。 填写为MRS Hive开启LDAP认证时配置的用户名。 | - | | LDAP密码 | 当"开启LDAP认证"参数选择为"是"时，此参数是必选项。 填写为MRS Hive开启LDAP认证时配置的密码。 | - | | OBS支持 | 需服务端支持OBS存储。在创建Hive表时，您可以指定将表存储在OBS中。 | 否 | | 访问标识(AK) | 当"OBS支持"参数选择为"是"时，此参数是必选项。请注意，此处AK/SK对应的账号应具备OBS Buckets Viewer系统权限，否则会无法访问OBS并报"403 AccessDenied"错误。 您需要先创建当前账号的访问密钥，并获得对应的AK和SK。 1. 登录控制台，在用户名下拉列表中选择"我的凭证"。 2. 进入"我的凭证"页面，选择"访问密钥 \> 新增访问密钥"，如[图7]所示。 图7新增访问密钥 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000002613707359.png "点击放大") 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）。 说明： - 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。 | - | | 密钥(SK) | 当"OBS支持"参数选择为"是"时，此参数是必选项。请注意，此处AK/SK对应的账号应具备OBS Buckets Viewer系统权限，否则会无法访问OBS并报"403 AccessDenied"错误。 您需要先创建当前账号的访问密钥，并获得对应的AK和SK。 1. 登录控制台，在用户名下拉列表中选择"我的凭证"。 2. 进入"我的凭证"页面，选择"访问密钥 \> 新增访问密钥"，如[图7]所示。 图7新增访问密钥 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000002613707359.png "点击放大") 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）。 说明： - 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。 | - | | 项目ID | 项目ID。 | - | | 运行模式 | "HIVE_3_X"版本支持该参数。支持以下模式： - EMBEDDED：连接实例与CDM运行在一起，该模式性能较好。 - STANDALONE：连接实例运行在独立进程。如果CDM需要对接多个Hadoop数据源（MRS、Hadoop或CloudTable），并且既有KERBEROS认证模式又有SIMPLE认证模式，只能使用STANDALONE模式。 说明： STANDALONE模式主要是用来解决版本冲突问题的运行模式。当同一种数据连接的源端或者目的端连接器的版本不一致时，存在jar包冲突的情况，这时需要将源端或目的端放在STANDALONE进程里，防止冲突导致迁移失败。 | EMBEDDED | | 检查Hive JDBC连通性 | 是否需要测试Hive JDBC连通。 | 否 | | 是否使用集群配置 | 您可以通过使用集群配置，简化Hadoop连接参数配置。 | 否 | | 集群配置名 | 仅当"是否使用集群配置"为"是"时，此参数有效。此参数用于选择用户已经创建好的集群配置。 集群配置的创建方法请参见[管理集群配置](https://support.huaweicloud.com/usermanual-dataartsstudio/dataartsstudio_01_1096.html)。 | hive_01 | 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"，开始创建数据迁移任务，如[图8]所示。 图8创建MySQL到Hive的迁移任务 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001722398593.png "点击放大") ![](https://support.huaweicloud.com/usermanual-dataartsstudio/public_sys-resources/note_3.0-zh-cn.png) "导入前清空数据"选"是"，这样每次导入前，会将之前已经导入到Hive表的数据清空。 2. 作业参数配置完成后，单击"下一步"，进入字段映射界面，如[图9]所示。 映射MySQL表和Hive表字段，Hive表比MySQL表多三个字段y、ym、ymd，即是Hive的分区字段。由于没有源表字段直接对应，需要配置表达式从源表的StartDate字段抽取。 图9Hive字段映射 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001722318505.png "点击放大") 3. 单击![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001674439062.png)进入转换器列表界面，再选择"新建转换器 \> 表达式转换"，如[图10]所示。 y、ym、ymd字段的表达式分别配置如下： **DateUtils.format(DateUtils.parseDate(row\[2\],"yyyy-MM-dd HH:mm:ss.SSS"),"yyyy")** **DateUtils.format(DateUtils.parseDate(row\[2\],"yyyy-MM-dd HH:mm:ss.SSS"),"yyyyMM")** **DateUtils.format(DateUtils.parseDate(row\[2\],"yyyy-MM-dd HH:mm:ss.SSS"),"yyyyMMdd")** 图10配置表达式 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001674279358.png "点击放大") ![](https://support.huaweicloud.com/usermanual-dataartsstudio/public_sys-resources/note_3.0-zh-cn.png) 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](https://support.huaweicloud.com/bestpractice-dataartsstudio/dataartsstudio_05_0012.html)。 4. 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开启。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，适当地抽取并发数可以提升迁移效率，配置原则请参见[性能调优](https://support.huaweicloud.com/pwp-cdm/cdm_03_0002.html)。这里保持默认值"1"。 - 是否写入脏数据：如果需要将作业执行过程中处理失败的数据、或者被清洗过滤掉的数据写入OBS中，以便后面查看，可通过该参数配置，写入脏数据前需要在CDM先配置好OBS连接。这里保持默认值"否"即可，不记录脏数据。 图11任务配置 ![](https://support.huaweicloud.com/usermanual-dataartsstudio/zh-cn_image_0000001497087058.png "点击放大") 5. 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。 6. 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。