如何通过Hive UDTF迁移Hive数据_云原生大数据计算服务 MaxCompute(MaxCompute)-阿里云帮助中心

本文为您介绍通过Hive UDTF迁移Hive数据的方法。

准备事项

⽹络环境要求。
- Hive集群各节点能够访问MaxCompute。
- MMA所在服务器能够访问Hive MetaStore Server、Hive Server。

创建⽤于迁移数据的Hive UDTF。

在MMA的帮助⻚⾯下载对应版本的UDTF的jar包，如mma-udtf.jar。
执行以下命令上传mma-udtf.jar至HDFS。
```
hdfs dfs -put -f mma-udtf.jar hdfs:///tmp/
```

使⽤Beeline或Hive命令登录Hive、创建Hive UDTF。

DROP FUNCTION IF EXISTS default.odps_data_dump_multi;
CREATE FUNCTION default.odps_data_dump_multi as 'com.aliyun.odps.mma.io.McD
ataTransmissionUDTF' USING JAR 'hdfs:///tmp/mma-udtf.jar';

如果Hive配置了kerberos访问认证，需要将以下文件拷贝到MMA所在的服务器。
1. hive.keytab⽂件。
2. gss-jass.conf⽂件。
  说明
  gss-jass.conf中含有keytab⽂件的路径，要确保其与MMA所在服务器上的hive.keytab⽂件路径⼀致。
3. krb5.conf⽂件。
  说明
  krb5.conf中含有KDC地址，MMA所在服务器要能够访问该地址。

操作步骤

添加数据源。

单击页面左侧的数据源，进入数据源列表页面。
单击添加数据源，进入添加数据源页面。
数据源类型选择HIVE，并单击下一步。

根据如下参数说明配置数据源。

参数名称	描述
数据源名	数据源名称，可自定义，不能包含字符、数字、汉字之外的特殊字符。
hive metastore url	请根据实际情况填写。如：thrift://192.168.0.212:9083。
hive metastore client socket timeout	默认600。
hive jdbc url	Hive JDBC的连接信息。格式为`jdbc:hive2://localhost:10000/default`。
hive jdbc user name	Hive JDBC的用户名，必填。
hive jdbc password	Hive JDBC的密码，可选。
hive metastore是否开启了kerberos认证	若开启，则需要填写下⾯kerberos的相关配置。
kerberos principal	与krb5.conf⾥的kdc_realm值保持⼀致。
kerberos keytab文件位置	keytab⽂件在MMA所在服务器上的路径。
kerberos gss-jaas.conf文件位置	gss-jass.conf⽂件在MMA所在服务器上的路径。
kerberos krb5.conf文件位置	krb5.conf⽂件在MMA所在服务器上的路径。
单个任务处理的最多分区数量	默认50。即一次MMA任务迁移的分区数量，通过批量的分区迁移，可以减少提交Hive SQL的次数，节约Hive SQL提交时间。
单个任务处理的最大数量（单位G）	单位GB，默认5。即⼀次MMA任务迁移的所有分区的⼤⼩之和的上限。
hive job配置, 用于mr, spark, tez等引擎	默认为MR任务的部分配置。说明如果Hive使⽤的引擎不是MR，则需要通过指定“hive.execution.engine”值来指定Hive使⽤的引擎，并且⽤于不同引擎的任务参数需要自己调整。该配置用于解决YARN Container内存不⾜、指定Spark运⾏队列等问题。
数据库白名单	需要迁移的Hive数据库，多个值之间以英⽂逗号分隔。
数据库黑名单	不需要迁移的Hive数据库，多个值之间以英⽂逗号分隔。
meta api访问并发量	访问Hive MetaStore的并发量，⽤于提⾼获取Hive元数据的速度。
表黑名单, 格式为db.table	不需要迁移的Hive数据库表。单个表的格式为`dbname.tablename`, 多个表之间以英⽂逗号分隔。
表白名单，格式为db.table	需要迁移的Hive数据库表。单个表的格式为`dbname.tablename`，多个表之间以英⽂逗号分隔。

单击页面底部的提交。
说明
如果所填的配置无误，且MMA所在服务器能够访问Metastore URL和JDBC URL，则MMA会通过Metastore URL拉取Hive的元数据，即库、表、分区信息。否则将会报错，此时需要检查各配置项是否正确，重新填写并提交配置。
待拉取元数据的进度条显示为100%后，页面会跳转到数据源列表页面。

创建数据迁移任务。

MMA可以创建单库、多表、多分区三个级别的迁移任务。

说明

单库，迁移单个Database。
多表，迁移一个或多个Table。
多分区，迁移1个或多个Partition。

迁移多个表。

单击页面左侧的数据源，在数据源列表页面单击想要迁移的数据源名。
在所选的数据源详情页面，单击要迁移的库名。
勾选要迁移的表，单击新建迁移任务。

根据实际情况在新建迁移任务弹框中配置各参数，参数说明如下。

参数名称	描述
名称	自定义。建议填写有意义的任务名称，便于整理迁移记录。
任务类型	请根据实际情况选择。 mc同region。 mc跨region。 mc校验。即对比源项目和目的项目所有相同表的数据。
mc项目	目的MaxCompute项目。
table列表	要迁移的Table列表，多个Table之间以英⽂逗号分隔。
开启校验	默认打开。
增量更新	默认打开。开启后分区表已经迁移过的分区不会被重新迁移。
只迁schema	只迁移表结构、分区值。根据实际情况选择是否打开。
分区过滤	详情请参见分区过滤表达式说明。
表名映射	⼀个Table迁移到⽬的项目后的名称。

单击确定。
说明
如果迁移任务的配置无误，则新的迁移任务可以在迁移任务 > 任务列表中查看，相应的子任务可以在迁移任务 > 子任务列表中查看。

迁移多个分区。

单击页面左侧的数据源，在数据源列表页面单击想要迁移的数据源名。
在所选的数据源详情页面，单击要迁移的库名。
切换partition列表页签，勾选要迁移的分区。

单击新建迁移任务，根据实际情况在新建迁移任务弹框中配置各参数，参数说明如下。

参数名称	描述
名称	自定义。建议填写有意义的任务名称，便于整理迁移记录。
任务类型	请根据实际情况选择。 mc同region。 mc跨region。 mc校验。即对比源项目和目的项目所有相同表的数据。
mc项目	目的MaxCompute项目。
开启校验	默认打开。
只迁schema	只迁移表结构、分区值。根据实际情况选择是否打开。
partition列表	保持默认值即可。
表名映射	⼀个Table迁移到⽬的项目后的名称。

单击确定。
说明
如果迁移任务的配置无误，则新的迁移任务可以在迁移任务 > 任务列表中查看，相应的子任务可以在迁移任务 > 子任务列表中查看。

迁移单个库。

单击页面左侧的数据源，在数据源列表页面单击想要迁移的数据源名。
单击要迁移的库所在行的迁移。

根据实际情况在新建迁移任务弹框中配置各参数，参数说明如下。

参数名称	描述
名称	自定义。建议填写有意义的任务名称，便于整理迁移记录。
任务类型	请根据实际情况选择。 mc同region。 mc跨region。 mc校验。即对比源项目和目的项目所有相同表的数据。
mc项目	目的MaxCompute项目。
table白名单	要迁移的Table列表，多个Table之间以英文逗号分隔。
开启校验	默认打开。
增量更新	默认打开。开启后分区表已经迁移过的分区不会被重新迁移。
只迁schema	只迁移表结构、分区值。
分区过滤	详情请参见分区过滤表达式说明。
表名映射	⼀个Table迁移到⽬的项目后的名称。

单击确定。
说明
如果迁移任务的配置无误，则新的迁移任务可以在迁移任务 > 任务列表中查看，相应的子任务可以在迁移任务 > 子任务列表中查看。