• 第二十六章 HDFS—集群迁移


    一、 Apache和Apache集群间数据拷贝

    #1.scp实现两个远程主机之间的文件复制
    	scp -r hello.txt root@hadoop103:/user/delopy/hello.txt		// 推 push
    	scp -r root@hadoop103:/user/delopy/hello.txt  hello.txt		// 拉 pull
    	scp -r root@hadoop103:/user/delopy/hello.txt root@hadoop104:/user/delopy   //是通过本地主机中转实现两个远程主机的文件复制;如果在两个远程主机之间ssh没有配置的情况下可以使用该方式。
    
    #2.采用distcp命令实现两个Hadoop集群之间的递归数据复制
    [delopy@hadoop102 hadoop]$  bin/hadoop distcp hdfs://hadoop102:8020/user/delopy/hello.txt hdfs://hadoop105:8020/user/delopy/hello.txt
    

    二、Apache和CDH集群间数据拷贝

    #1.准备两套集群,我这使用apache集群和CDH集群。
    

    #2.启动集群
    

    #3.启动完毕后,将apache集群中,hive库里dwd,dws,ads三个库的数据迁移到CDH集群
    

    #4.在apache集群里hosts加上CDH Namenode对应域名并分发给各机器
    
    [root@hadoop101 ~]# vim /etc/hosts
    

    [root@hadoop101 ~]# scp /etc/hosts hadoop102:/etc/                                                                                       
    [root@hadoop101 ~]# scp /etc/hosts hadoop103:/etc/
    
    #5.因为集群都是HA模式,所以需要在apache集群上配置CDH集群,让distcp能识别出CDH的nameservice
    
    [root@hadoop101 hadoop]# vim /opt/module/hadoop/etc/hadoop/hdfs-site.xml 
    <!--配置nameservice-->
    <property>
      <name>dfs.nameservices</name>
      <value>mycluster,nameservice1</value>
    </property>
    
    <!--指定本地服务-->
    <property>
      <name>dfs.internal.nameservices</name>
      <value>mycluster,nameservice1</value>
    </property>
    <!--配置多NamenNode-->
    <property>
      <name>dfs.ha.namenodes.mycluster</name>
      <value>nn1,nn2,nn3</value>
    </property>
    <property>
      <name>dfs.namenode.rpc-address.mycluster.nn1</name>
      <value>hadoop101:8020</value>
    </property>
    <property>
    <property>
      <name>dfs.namenode.rpc-address.mycluster.nn2</name>
      <value>hadoop102:8020</value>
    </property>
    <property>
      <name>dfs.namenode.rpc-address.mycluster.nn3</name>
      <value>hadoop103:8020</value>
    </property>
    <!--配置nameservice1的namenode服务-->
    <property>
        <name>dfs.ha.namenodes.nameservice1</name>
        <value>namenode30,namenode37</value>
      </property>
     <property>
        <name>dfs.namenode.rpc-address.nameservice1.namenode30</name>
        <value>hadoop104:8020</value>
      </property>
    <property>
        <name>dfs.namenode.rpc-address.nameservice1.namenode37</name>
        <value>hadoop106:8020</value>
      </property>
    <property>
        <name>dfs.namenode.http-address.nameservice1.namenode30</name>
        <value>hadoop104:9870</value>
      </property>
      <property>
        <name>dfs.namenode.http-address.nameservice1.namenode37</name>
        <value>hadoop106:9870</value>
      </property>
      <property>
        <name>dfs.client.failover.proxy.provider.nameservice1</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
      </property>
    <!--为NamneNode设置HTTP服务监听-->
    <property>
      <name>dfs.namenode.http-address.mycluster.nn1</name>
      <value>hadoop101:9870</value>
    </property>
    <property>
      <name>dfs.namenode.http-address.mycluster.nn2</name>
      <value>hadoop102:9870</value>
    </property>
    <property>
      <name>dfs.namenode.http-address.mycluster.nn3</name>
      <value>hadoop103:9870</value>
    </property>
    <!--配置HDFS客户端联系Active NameNode节点的Java类-->
    <property>
      <name>dfs.client.failover.proxy.provider.mycluster</name>
      <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    </property>
    
    #6.修改CDH hosts
    

    #7.进行分发,这里的hadoop104,hadoop105,hadoop106分别对应apache的hadoop101,hadoop102,hadoop103
    [root@hadoop101 ~]# scp /etc/hosts hadoop102:/etc/
    [root@hadoop101 ~]# scp /etc/hosts hadoop103:/etc/
    
    #8.同样修改CDH集群配置,在所有hdfs-site.xml文件里修改配置
    

    <property>
    	<name>dfs.nameservices</name>
    	<value>mycluster,nameservice1</value>
    </property>
    
    <property>
    	<name>dfs.internal.nameservices</name>
    	<value>nameservice1</value>
    </property>
    
    <property>
    	<name>dfs.ha.namenodes.mycluster</name>
    	<value>nn1,nn2,nn3</value>
    </property>
    
    <property>
    	<name>dfs.namenode.rpc-address.mycluster.nn1</name>
    	<value>hadoop104:8020</value>
    </property>
    
    <property>
    	<name>dfs.namenode.rpc-address.mycluster.nn2</name>
    	<value>hadoop105:8020</value>
    </property>
    
    <property>
    	<name>dfs.namenode.rpc-address.mycluster.nn3</name>
    	<value>hadoop106:8020</value>
    </property>
    
    <property>
    	<name>dfs.namenode.http-address.mycluster.nn1</name>
    	<value>hadoop104:9870</value>
    </property>
    
    <property>
    	<name>dfs.namenode.http-address.mycluster.nn2</name>
    	<value>hadoop105:9870</value>
    </property>
    
    <property>
    	<name>dfs.namenode.http-address.mycluster.nn3</name>
    	<value>hadoop106:9870</value>
    </property>
    
    <property>
    	<name>dfs.client.failover.proxy.provider.mycluster</name>
    	<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    </property>
    
    #9.最后注意:重点由于我的Apahce集群和CDH集群3台集群都是hadoop101,hadoop102,hadoop103所以要关闭域名访问,使用IP访问CDH把钩去了
    

    #10.apache设置为false
    

    #11.再使用hadoop distcp命令进行迁移,-Dmapred.job.queue.name指定队列,默认是default队列。上面配置集群都配了的话,那么在CDH和apache集群下都可以执行这个命令
    [root@hadoop101 hadoop]# hadoop distcp -Dmapred.job.queue.name=hive  webhdfs://mycluster:9070/user/hive/warehouse/dwd.db/  hdfs://nameservice1/user/hive/warehouse
    

    #12.会启动一个MR任务,正在迁移
    

    #13.查看cdh 9870 http地址
    

    #14.数据已经成功迁移。数据迁移成功之后,接下来迁移hive表结构,编写shell脚本
    [root@hadoop101 module]# vim exportHive.sh 
    #!/bin/bash
    hive -e "use dwd;show tables">tables.txt
    cat tables.txt |while read eachline
    do
    hive -e "use dwd;show create table $eachline">>tablesDDL.txt
    echo ";" >> tablesDDL.txt
    done
    
    #15.执行脚本后将tablesDDL.txt文件分发到CDH集群下
    [root@hadoop101 module]# scp tablesDDL.txt  hadoop104:/opt/module/
    
    #16.然后CDH下导入此表结构,先进到CDH的hive里创建dwd库
    [root@hadoop101 module]# hive
    hive> create database dwd;
    
    #17.创建数据库后,边界tablesDDL.txt在最上方加上use dwd;
    

    #18.并且将createtab_stmt都替换成空格
    [root@hadoop101 module]# sed -i s"#createtab_stmt# #g" tablesDDL.txt
    
    #19.最后执行hive -f命令将表结构导入
    [root@hadoop101 module]# hive -f tablesDDL.txt 
    

    #20.最后将表的分区重新刷新下,只有刷新分区才能把数据读出来,编写脚本
    [root@hadoop101 module]# vim msckPartition.sh
    #!/bin/bash
    hive -e "use dwd;show tables">tables.txt
    cat tables.txt |while read eachline
    do
    hive -e "use dwd;MSCK REPAIR TABLE $eachline"
    done
    [root@hadoop101 module]# chmod +777 msckPartition.sh 
    [root@hadoop101 module]# ./msckPartition.sh 
    
    #21.刷完分区后,查询表数据
    

  • 相关阅读:
    Windows 服务的安装(1)
    C#编写window服务,一步一步(1)
    .net 读写记事本文件
    C#中POST数据和接收的几种方式(抛砖引玉)
    Newtonsoft.Json 通过 JObject 读取 json对像 超简单
    Winform读写App.config文件以及重启程序
    WebMatrix之WebMatrix.Data
    C#中方法的参数的四种类型
    zh-Hans vs.net 通过 管理nuget程序包下载简体中文语言包 zh-cn
    .net C# 图片转Base64 Base64转图片
  • 原文地址:https://www.cnblogs.com/jhno1/p/15251752.html
Copyright © 2020-2023  润新知