云HBase提供BDS服务能够支持各种HBase版本之间相互迁移和实时同步,并且并且支持同步RDS、Loghub的实时数据到HBase。如果您需要从BDS暂不支持的异构数据源导入数据,如从MaxCompute(原ODPS)导入数据到云HBase,则需要使用到DataX这个产品。DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台,实现包括 MySQL、Oracle、SqlServer、Postgre、HDFS、Hive、ADS、HBase、TableStore(OTS)、MaxCompute(ODPS)、DRDS 等各种异构数据源之间高效的数据同步功能。

使用DataX进行数据同步

使用DataX有两种方案:
  • 使用阿里云DataWorks的数据集成服务配置DataX任务
  • 使用开源DataX配置同步任务

使用Dataworks运行Datax配置步骤

  1. 创建工作空间,详情请参见创建工作空间
  2. 创建资源组。
    资源组类型 配置文档 特点 注意事项
    独享资源组 独享资源组模式 独享资源组的机器由DataWorks自动买出,运维完全托管于系统,您无需担心机器服务和可用性等问题 独享资源不支持跨地域使用。例如,华东2(上海)地域的独享资源,只能给华东2(上海)地域的工作空间使用(无法绑定其他区域的VPC),并且独享资源组不能夸Vswtich访问HBase集群
    自定义资源组 新增自定义数据集成资源组 仅DataWorks企业版及以上版本支持自定义资源组。自定义资源组的ECS机器由用户自己买出,用户可以将ECS买在HBase的VPC内,从而用内网访问HBase,否则只能用外网访问 自定义资源组的机器完全可控、可登录访问,但是需要自行安装/运维/升级DataX版本(配置文档中有安装方法)
    默认资源组 默认资源组机器无法从内网访问HBase所在VPC,只能通过公网访问HBase 公网访问HBase会在DataWorks产生额外费用,详见DataWorks按量计费一览表
  3. 创建资源组。
    推荐使用独享资源组自定义资源组的方式访问HBase。
  4. 配置网络。
    • 独享资源组网络配置
      1. 将独享资源组与HBase所在VPC绑定,详情请参见独享资源组模式
      2. VPC控制台中找到独立资源组所绑定的VPC和Vswtich所在的网段。如下图中的192.168.0/24。由于无法知道独立资源组内机器的具体IP,所以必须将整个网段加入HBase的白名单,才可以正常访问HBase。
      3. 添加步骤2中获得的IP段到HBase访问白名单中,添加方法请参见设置白名单
    • 自定义资源组网络配置

      自定义资源组的机器都是用户自己购买,因此能看到每台ECS的具体IP,将这些IP全部配置到HBase访问白名单中即可,添加方法请参见设置白名单

    • 默认资源组网络配置

      默认资源组机器的IP段详见添加白名单,将区域对应的IP添加到HBase访问白名单中即可,添加方法见设置白名单

  5. 创建同步任务并绑定资源组
    1. 创建同步任务,具体方法参见通过向导模式配置任务
    2. 修改插件配置,读写HBase分别使用HBase Writer , HBase Reader插件。

      相关的配置可以参考具体插件的帮助。但是hbase增强版"hbaseconfig"部分不再使用Zookeeper.quorum这个参数连接,而是使用增强版特有的endpoint形式,配置示例如下:

      "hbaseConfig": {
        "hbase.client.connection.impl" : "com.alibaba.hbase.client.AliHBaseUEConnection",
        "hbase.client.endpoint" : "host:30020",
        "hbase.client.username" : "root",
        "hbase.client.password" : "root"
      }
                  
      说明
      • hbase.client.connection.impl - 固定配置不需要修改。
      • hbase.client.endpoint - 用户控制台上提供的Java API访问地址,用户可以参考连接集群获得。
      • hbase.client.username和password - HBase增强版中用户自己创建的用户名和密码(默认均为root),用户必须保证提供 的用户有读写HBase增强版中表的权限(默认提供的root用户已经具有读写所有表的权限)。关于用户和ACL,请参见连接集群章节。
    3. 配置任务资源组为上一步创建的资源组。

使用开源datax配置步骤

  1. 下载DataX安装包。

    点击此处直接下载集成了访问HBase增强版所需jar包的DataX安装包。下载完成后解压DataX的tar包。

    如果是已有的DataX版本,或者从GitHub地址下载最新版本的安装包,则需要加入所需的jar包,加入方法如下:

    Java SDK安装中的下载压缩包章节下载1.x版本的alihbase-connector-1.x jar文件,注意只需要alihbase-connector-1.x jar这一个jar文件即可(1.x代表版本号,具体数字为最新的版本号),无需整个压缩包。把下载好的jar包放入datax/plugin/writer/hbase11xwriter/libs目录中。如果需要用DataX读取HBase增强版的数据,则需将此jar包也放入datax/plugin/reader/hbase11xreader/libs目录中。

  2. 编辑配置文件。

    在DataX中,读取HBase增强版的插件为hbase11xreader,此插件的具体配置可参见hbase11xreader的帮助文档。写入HBase增强版的插件为hbase11xwriter,此插件的具体配置可参见hbase11xwriter的帮助文档。读写HBase增强版的配置与官方的配置除了hbaseconfig部分,其他部分完全一致。hbaseconfig部分不再使用Zookeeper.quorum这个参数连接,而是使用增强版特有的endpoint形式,配置示例如下:

    ...
    "hbaseConfig": {
                                "hbase.client.connection.impl" : "com.alibaba.hbase.client.AliHBaseUEConnection",
                                "hbase.client.endpoint" : "host:30020",
                                "hbase.client.username" : "root",
                                "hbase.client.password" : "root"
                            }
    ...
                

    其中hbase.client.connection.impl为固定配置,用户将其设置为“com.alibaba.hbase.client.AliHBaseUEConnection”即可启用增强版的Connection。hbase.client.endpoint即用户控制台上提供的Java API访问地址,用户可以参考连接集群获得。hbase.client.username和password为HBase增强版中用户自己创建的用户名和密码(默认均为root),用户必须保证提供 的用户有读写HBase增强版中表的权限(默认提供的root用户已经具有读写所有表的权限)。关于用户和ACL,用户可以参考连接集群章节。

  3. 启动DataX开始迁移数据,DataX的具体使用方式请参见官方文档

注意事项

迁移开始前,请仔细阅读连接集群章节,根据DataX所部署的ECS需要添加白名单,才能正确访问HBase增强版。同时,如果ECS与HBase增强版不在一个VPC内,则需要使用公网地址访问。