# 典型场景示例：迁移Hive数据至DLI 本文为您介绍如何通过CDM数据同步功能，迁移MRS Hive数据至DLI。其他MRS Hadoop组件数据，均可以通过CDM与DLI进行双向同步。 #### 前提条件 - 已创建DLI的SQL队列。创建DLI队列的操作可以参考[创建DLI队列](https://support.huaweicloud.com/usermanual-dli/dli_01_0363.html)。 ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/caution_3.0-zh-cn.png) 创建DLI队列时**队列类型** 需要选择为"**SQL队列**"。 - 已创建包含Hive组件的MRS安全集群。创建MRS集群的操作详细可以参考[创建MRS集群](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0513.html)。 - 本示例创建的MRS集群和各组件版本如下： - MRS集群版本：MRS 3.1.0 - Hive版本：3.1.0 - Hadoop版本：3.1.1 - 本示例创建MRS集群时开启了Kerberos认证。 - 已创建CDM迁移集群。创建CDM集群的操作可以参考[创建CDM集群](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0018.html)。 ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/note_3.0-zh-cn.png) - 如果目标数据源为云下的数据库，则需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP、CDM云上安全组出方向放通云下数据源所在的主机、数据源所在的主机可以访问公网且防火墙规则已开放连接端口。 - 数据源为云上的MRS、DWS等服务时，网络互通需满足如下条件： i. CDM集群与云上服务处于不同区域的情况下，需要通过公网或者专线打通网络。通过公网互通时，需确保CDM集群已绑定EIP，数据源所在的主机可以访问公网且防火墙规则已开放连接端口。 ii. CDM集群与云上服务同区域情况下，同虚拟私有云、同子网、同安全组的不同实例默认网络互通；如果同虚拟私有云但是子网或安全组不同，还需配置路由规则及安全组规则。 配置路由规则请参见[如何配置路由规则](https://support.huaweicloud.com/bestpractice-vpc/bestpractice_0009.html#bestpractice_0009__zh-cn_topic_0252060877_li16617547103419)章节，配置安全组规则请参见[如何配置安全组规则](https://support.huaweicloud.com/usermanual-ecs/zh-cn_topic_0140323152.html)章节。 iii. 此外，您还必须确保该云服务的实例与CDM集群所属的企业项目必须相同，如果不同，需要修改工作空间的企业项目。 本示例CDM集群的虚拟私有云、子网以及安全组和MRS集群保持一致。 #### 步骤一：数据准备 - MRS集群上创建Hive表和插入表数据。 1. 参考[访问MRS Manager](https://support.huaweicloud.com/cmpntguide-mrs/mrs_01_2124.html)登录MRS Manager。 2. 在MRS Manager上，选择"系统 \> 权限 \> 角色"，单击" 添加角色 "，在添加角色页面分别配置参数。 - 角色名称：输入自定义的"角色名称"，例如当前输入为：hivetestrole。 - 配置资源权限：选择"*当前MRS集群的名称* \> hive"，勾选"Hive管理员权限"。 图1Manager创建Hive的角色 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035924968.png "点击放大") 更多MRS创建角色的操作说明可以参考：[创建Hive管理员角色](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0343.html)。 3. 在MRS Manager上，选择"系统 \> 权限 \> 用户"，单击"添加用户"，在添加用户页面分别配置如下参数。 1. 用户名：自定义的用户名。当前示例输入为：hivetestusr。 2. 用户类型：当前选择为"人机"。 3. 密码和确认密码：输入当前用户名对应的密码。 4. 用户组和主组：选择supergroup 5. 角色：同时选择[2]中创建的角色和Manager_viewer角色。 图2MRS Manager上创建Hive用户 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002072004497.png "点击放大") 4. 参考[安装MRS客户端](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0090.html)下载并安装Hive客户端。例如，当前Hive客户端安装在MRS主机节点的"/opt/hiveclient"目录上。 5. 以root用户进入客户端安装目录下。 例如：**cd /opt/** **hiveclient** 6. 执行以下命令配置环境变量。 **source bigdata_env** 7. 因为当前集群启用了Kerberos认证，则需要执行以下命令进行安全认证。认证用户为[3]中创建的用户。 **kinit** *[3]中创建的用户名* 例如，**kinit** **hivetestusr** 8. 执行以下命令连接Hive。 **beeline** 9. 创建表和插入表数据。 创建表： ``` create table user_info(id string,name string,gender string,age int,addr string); ``` 插入表数据： ``` insert into table user_info(id,name,gender,age,addr) values("12005000201","A","男",19,"A城市"); insert into table user_info(id,name,gender,age,addr) values("12005000202","B","男",20,"B城市"); insert into table user_info(id,name,gender,age,addr) values("12005000202","B","男",20,"B城市"); ``` ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/note_3.0-zh-cn.png) 上述示例是通过创建表和插入表数据构造迁移示例数据。如果是迁移已有的Hive数据库和表数据，则可以通过以下命令获取Hive的数据库和表信息。 - 在Hive客户端执行如下命令获取数据库信息 **show databases** - 切换到需要迁移的Hive数据库 **use** *Hive数据库名* - 显示当前数据库下所有的表信息 **show tables** - 查询Hive表的建表语句 **show create table** *Hive表名* 查询出来的建表语句需要做一些处理，建表语句要符合DLI的建表语法，再到具体的DLI上执行。 - 在DLI上创建数据库和表。 1. 登录DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列。 在编辑器中输入以下语句创建数据库，例如当前创建迁移后的DLI数据库testdb。详细的DLI创建数据库的语法可以参考[创建DLI数据库](https://support.huaweicloud.com/sqlref-spark-dli/dli_08_0071.html)。 ``` create database testdb; ``` 2. 在数据库下创建表。 ![](https://support.huaweicloud.com/usermanual-dli/public_sys-resources/note_3.0-zh-cn.png) 如果是通过在MRS Hive中的"show create table *hive表名* "获取的建表语句，则需要修改该建表语句以符合DLI的建表语法。具体DLI的建表语法可以参考[创建DLI表](https://support.huaweicloud.com/sqlref-spark-dli/dli_08_0098.html)。 ``` create table user_info(id string,name string,gender string,age int,addr string); ``` #### 步骤二：数据迁移 1. 配置CDM数据源连接。 1. 配置源端MRS Hive的数据源连接。 1. 登录CDM控制台，选择"集群管理"，选择已创建的CDM集群，在操作列选择"作业管理"。 2. 在作业管理界面，选择"连接管理"，单击"新建连接"，连接器类型选择"MRS Hive"，单击"下一步"。 图3创建MRS Hive数据源连接 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002071885905.png "点击放大") 3. 配置源端MRS Hive的数据源连接，具体参数配置如下。 表1MRS Hive数据源配置 | 参数 | 值 | |:---|:---| | 名称 | 自定义MRS Hive数据源名称。例如当前配置为：source_hive | | Manager IP | 单击输入框旁边的"选择"按钮，选择当前MRS Hive集群即可自动关联出来Manager IP。 | | 认证类型 | 如果当前MRS集群为普通集群则选择为SIMPLE，如果是MRS集群启用了Kerberos安全认证则选择为KERBEROS。 本示例选择为：KERBEROS。 | | Hive版本 | 根据当前创建MRS集群时候的Hive版本确定。当前Hive版本为3.1.0，则选择为：HIVE_3_X。 | | 用户名 | 在[3]中创建的MRS Hive用户名。 | | 密码 | 对应的MRS Hive用户名的密码。 | 其他参数保持默认即可。更多参数的详细说明可以参考[CDM上配置Hive连接](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0115.html)。 图4CDM配置MRS Hive数据源 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035766612.png "点击放大") 4. 单击"保存"完成MRS Hive数据源配置。 2. 配置目的端DLI的数据源连接。 1. 登录CDM控制台，选择"集群管理"，选择已创建的CDM集群，在操作列选择"作业管理"。 2. 在作业管理界面，选择"连接管理"，单击"新建连接"，连接器类型选择"数据湖探索（DLI）"，单击"下一步"。 图5创建DLI数据源连接 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035924972.png "点击放大") 3. 配置目的端DLI数据源连接连接参数。具体参数配置可以参考[在CDM上配置DLI连接](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0050.html)。 图6配置DLI数据源连接参数 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002072004501.png "点击放大") 配置完成后，单击"保存"完成DLI数据源配置。 2. 创建CDM迁移作业。 1. 登录CDM控制台，选择"集群管理"，选择已创建的CDM集群，在操作列选择"作业管理"。 2. 在"作业管理"界面，选择"表/文件迁移"，单击"新建作业"。 3. 在新建作业界面，配置当前作业配置信息，具体参数参考如下： 图7新建CDM作业作业配置 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002071885909.png "点击放大") 1. 作业名称：自定义数据迁移的作业名称。例如，当前定义为：hive_to_dli。 2. 源端作业配置，具体参考如下： 表2源端作业配置 | 参数名 | 参数值 | |:---|:---| | 源连接名称 | 选择[1.a]中已创建的数据源名称。 | | 数据库名称 | 选择MRS Hive待迁移的数据库名称。例如当前待迁移的表数据数据库为"default"。 | | 表名 | 待建议Hive数据表名。当前示例为在DLI上创建数据库和表中的"user_info"表。 | | 读取方式 | 当前示例选择为：HDFS。具体参数含义如下： 包括HDFS和JDBC两种读取方式。默认为HDFS方式，如果没有使用WHERE条件做数据过滤及在字段映射页面添加新字段的需求，选择HDFS方式即可。 HDFS文件方式读取数据时，性能较好，但不支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。 JDBC方式读取数据时，支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。 | 更多参数的详细配置可以参考：[CDM配置Hive源端参数](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0038.html)。 3. 目的端作业配置，具体参考如下： 表3目的端作业配置 | 参数名 | 参数值 | |:---|:---| | 目的连接名称 | 选择[1.b]已创建的DLI数据源连接。 | | 资源队列 | 选择已创建的DLI SQL类型的队列。 | | 数据库名称 | 选择DLI下已创建的数据库。当前示例为[在DLI上创建数据库和表]中创建的数据库名，即为"testdb"。 | | 表名 | 选择DLI下已创建的表名。当前示例为[在DLI上创建数据库和表]中创建的表名，即为"user_info"。 | | 导入前清空数据 | 选择导入前是否清空目的表的数据。当前示例选择为"否"。 如果设置为是，任务启动前会清除目标表中数据。 | 更多参数的详细配置可以参考：[CDM配置DLI目的端参数](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0078.html)。 3. 单击"下一步"，进入到字段映射界面，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。 - 如果选择在目的端自动创建类型，这里还需要配置每个类型的字段类型、字段名称。 - CDM支持迁移过程中转换字段内容 图8字段映射 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035766624.png "点击放大") 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，请参见[配置定时任务](https://support.huaweicloud.com/usermanual-cdm/cdm_01_0067.html)。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。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，写入脏数据前需要先配置好OBS连接。这里保持默认值"否"即可，不记录脏数据。 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。 图9迁移作业进度和结果查询 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002035924976.png "点击放大") #### 步骤三：结果查询 CDM迁移作业运行完成后，再登录到DLI管理控制台，选择"SQL编辑器"，在SQL编辑器中"执行引擎"选择"spark"，"队列"选择已创建的SQL队列，数据库选择已[1]已创建的数据库，执行DLI表查询语句，查询Hive表数据是否已成功迁移到DLI的"user_info"表中。 ``` select * from user_info; ``` 图10迁移后查询DLI的表数据 ![](https://support.huaweicloud.com/usermanual-dli/zh-cn_image_0000002072004509.png "点击放大")