本文档介绍如何将开源HDFS的数据平滑地迁移到文件存储HDFS版

背景信息

当前业界有很多公司是以Hadoop技术构建数据中心,而越来越多的公司和企业希望将业务顺畅地迁移到云上。文件存储HDFS版可以帮助您实现将开源HDFS的数据迁移到云上,并允许您在云上就像在Hadoop分布式文件系统中管理和访问数据。

准备工作

  1. 开通文件存储HDFS版服务并创建文件系统实例和挂载点。具体操作,请参见文件存储HDFS版快速入门
  2. 基于阿里云ECS搭建Hadoop集群(下称"迁移集群"),用于访问文件存储HDFS版实例和迁移数据,并满足以下条件:
    • 迁移集群与文件存储HDFS版实例在相同区域、相同可用区。
    • 迁移集群与文件存储HDFS版实例的挂载点使用相同阿里云VPC网络和交换机。
    • 迁移集群上安装的JDK版本不低于1.8。
    • 迁移集群上安装的Hadoop版本不低于2.7.2。
    说明 如果原集群满足上述条件且计算资源充足,可以直接将原集群当作迁移集群使用,而不必额外创建新集群。
  3. 在迁移集群中配置文件存储HDFS版实例。具体操作,请参见挂载文件系统
  4. 验证迁移集群和文件存储HDFS版实例之间的连通性。
    1. 执行以下命令,在文件存储HDFS版上创建目录(例如/dfs_links)。
      hadoop fs -mkdir /dfs_links
    2. 执行以下命令,验证连通性。
      hadoop fs -ls dfs://f-xxxxxxxxxxxxxxx.cn-xxxxxxx.dfs.aliyuncs.com:10290/dfs_links

      其中f-xxxxxxxxxxxxxxx.cn-xxxxxxx.dfs.aliyuncs.com文件存储HDFS版挂载点域名,请根据您的实际情况进行修改。

      如果命令正常执行无输出结果,则表示连通成功。如果连通失败,请排查连通性问题。具体操作,请参见创建文件系统实例后,为什么无法访问文件存储HDFS版?

  5. 准备迁移工具。

    您可以通过Hadoop社区标准的DistCp工具实现全量或增量的HDFS数据迁移。更多关于DistCp工具使用说明,请参见Hadoop DistCp工具官方说明文档

    说明 使用hadoop distcp命令将原集群数据迁移至文件存储HDFS版时,请注意文件存储HDFS版不支持以下参数,其它参数使用和Hadoop DistCp工具官方说明文档一致。文件存储HDFS版及命令行存在限制的更多信息,请参见使用限制
    参数 描述 状态
    -p[rbpax] r:replication,b:block-size,p:permission,a:ACL,x:XATTR 不可用

数据迁移

下面介绍直接迁移和数据中转两种迁移方式,推荐使用直接迁移。

方法一:直接迁移

直接从原集群迁移数据到文件存储HDFS版,需要先连通原集群和迁移集群的网络环境,再执行数据迁移任务。

  1. 连通原集群与迁移集群的网络环境。
    • 场景A:原集群在阿里云ECS实例上(包括EMR)。

      如果在准备工作中将原集群当作迁移集群来使用,请直接执行步骤2中的迁移命令。

    • 场景B:原集群在其他平台上。

      使用阿里云高速通道产品连通原集群和迁移集群的网络环境。具体操作,请参见方案介绍

  2. 在已配置文件存储HDFS版的集群上参考以下命令迁移数据。
    hadoop distcp hdfs://x.x.x.x:9000/user/hive/warehouse  dfs://f-xxxxxxxxxxxxxxx.cn-xxxxxxx.dfs.aliyuncs.com:10290/user/hive/warehouse

方法二:数据中转

如果原集群与迁移集群的网络无法连通,可以参考以下步骤迁移数据。
  1. 将原集群数据迁移到对象存储OSS。具体操作,请参见离线迁移
  2. 将对象存储OSS数据迁移到文件存储HDFS版。具体操作,请参见文件存储HDFS版和对象存储OSS双向数据迁移

常见问题

  • 整体迁移速度受Hadoop集群与文件存储HDFS版之间的带宽、集群规模影响。同时传输文件越多,checksum需要的时间越长。如果迁移数据量大,建议先尝试迁移几个目录评估整体时间。如果只能在指定时间段内迁移数据,可以将目录切为几个小目录,依次迁移。
  • 一般全量数据同步时,需要一个短暂的业务停写过程,用来启用双写双算。
  • 迁移过程出现异常提示:Cannot obtain block length for LocatedBlock。
    从原生的HDFS往对象存储OSS或文件存储HDFS版迁移数据时,可能会遇到这个问题。遇到该问题时,请执行hdfs fsck / –openforwrite命令,检查当前是否有文件处于写入状态尚未关闭。如果有处于写入状态的文件时,需判断文件是否有效。
    • 如果文件无效,则直接删除文件。
      hdfs rm <path-of-the-file> 
    • 如果文件有效,则不能直接删除,请考虑恢复问题文件租约。
      hdfs debug recoverLease -path <path-of-the-file> -retries <retry times>