迁移服务（MMA）

迁移流程

使用限制

不支持迁移Hive数据至已开启Schema功能的MaxCompute项目。关于Schema介绍详情，请参见Schema操作。

步骤一：安装UDTF

使用MaxCompute迁移功能时，需要在Hive服务器上安装UDTF（Unified Data Transfer Service）并自定义Hive UDTF函数，利用Hive UDTF函数来获取、转换、上传数据到MaxCompute，以实现复杂数据的迁移。关于Hive UDTF详情，请参见UDTF。

1. 根据Hive版本下载UDTF jar包。

   • mma-udtf-hive1.jar

   • mma-udtf-hive2.jar

   • mma-udtf-hive3.jar

2. 执行以下命令，上传UDTF jar至HDFS。本文以mma-udtf-hive2.jar为例。

   hdfs dfs -put -f mma-udtf-hive2.jar hdfs:///tmp/

3. 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.McDataTransmissionUDTF' USING JAR 'hdfs:///tmp/mma-udtf-hive2.jar';

4. 加载自定义函数Hive UDTF。

   需要在Beeline命令行界面，执行以下命令。

   reload function;

   说明

   如果有多个Hive Server2实例，要依次使用Beeline命令行界面，执行以上命令。

步骤二：安装并启动MMA服务

MMA网络架构图

MMA作为连接Hive网络环境和MaxCompute之间的中转节点，其网络架构图如下所示。

环境准备

计划安装MMA服务的服务器，需满足以下要求：

• 安装JDK 8版本的Java。

• 能够访问Hive MetaStore和Hive Server2，以及MaxCompute的服务接入点。

操作步骤

1. 根据Hive版本下载对应版本的MMA jar包。本文以mms-agent-hive2.jar为例。

   • mms-agent-hive1.jar

   • mms-agent-hive2.jar

   • mms-agent-hive3.jar

2. 在jar包相同目录下，新增并配置config.ini文件。config.ini文件示例内容如下。

   [mms]
   region = cn-hangzhou	
   endpoint = maxcompute.cn-hangzhou.aliyuncs.com
   access_id = LTAI5tM2iHkTd4W69nof****
   access_key = S0uZvwDYDa56WZ1tjVmA67z1YS****
   mc_endpoint = http://service.cn-hangzhou.maxcompute.aliyun.com/api
   mc_data_endpoint = http://service.cn-hangzhou.maxcompute.aliyun.com/api
   mc_tunnel_endpoint = http://dt.cn-hangzhou.maxcompute.aliyun.com
   
   [agent]
   name = mmaagent_doc
   is_in_vpc = false

   参数说明

   参数名称	是否必填	说明
   region	是	Hive安装的地域ID。各地域ID详情，请参见服务接入点。
   endpoint	是	MMA服务连接地址。各地域连接地址详情，请参见服务接入点。
   access_id	是	阿里云账号或RAM用户的AccessKey ID。 您可以进入AccessKey管理页面获取AccessKey ID。
   access_key	是	AccessKey ID对应的AccessKey Secret。 您可以进入AccessKey管理页面获取AccessKey Secret。
   mc_endpoint	是	访问MaxCompute服务的连接地址。各地域及网络对应的Endpoint值，请参见Endpoint。
   mc_data_endpoint	否	Hive访问MaxCompute服务的连接地址。各地域及网络对应的Endpoint值，请参见Endpoint。 说明 仅MMA与Hive不在同一网络环境时，需配置此参数。
   mc_tunnel_endpoint	否	Tunnel服务的外网访问链接。如果您未配置Tunnel Endpoint，Tunnel会自动路由到MaxCompute服务所在网络对应的Tunnel Endpoint。如果您配置了Tunnel Endpoint，则以配置为准，不进行自动路由。 各地域及网络对应的Tunnel Endpoint值，请参见Endpoint。
   source_id	否	数据源ID。若配置此参数，当前MMA服务将与数据源绑定。 说明 在数据源管理页签，单击目标数据源操作列中的编辑，然后查看URL，获取source_id其格式为/mms/source/{source_id}/config。
   name	是	MMA服务名称，租户级别下MMA名称不能重复。本文以mmaagent_doc为例。
   is_in_vpc	否	MMA服务是否运行在阿里云VPC内，默认为false。

3. 执行以下命令，启动MMA服务。

   java -jar mms-agent-hive2.jar -c config.ini

   返回如下图所示，即启动成功。

   

步骤三：数据迁移

前提条件

• 阿里云账号或RAM用户已开通MaxCompute服务。

• 默认只有阿里云账号可以创建、配置和删除项目以及变更项目状态，如果您需要以RAM用户管理MaxCompute项目，请确认已获取RAM用户账号并已授予AliyunMaxComputeFullAccess系统策略或自定义RAM策略权限。

  更多创建或获取RAM用户信息操作，请参见准备RAM用户。

创建Hive数据源

1. 登录MaxCompute控制台，在左上角选择地域。

2. 在左侧导航栏，选择数据传输 > 迁移服务。

3. 在数据源管理页签，单击新增数据源，配置数据源参数。

   • 基本信息

     参数名称	是否必填	说明
     数据源名称	是	数据源的名称。
     数据源类型	是	待迁移的数据源类型，当前仅支持Hive。
     Agent名称	是	选择已配置的MMA服务名称，本文创建的名称为mmaagent_doc。
     Metastore地址	是	Hive MetaStore服务的访问地址。
     Jdbc连接串	是	Hive JDBC的连接信息。格式为jdbc:hive2://localhost:10000/default。
     Jdbc用户名	是	Hive JDBC的用户名称。
     Jdbc密码	否	Hive JDBC的密码。
     用于执行Maxcompute Sql的Project	是	选择迁移至MaxCompute的项目。

   • 如果Hive开启了Kerberos协议认证，需要填写以下参数。

     参数名称	说明
     Kerberos认证	打开Kerberos协议认证开关。 说明 默认是Kerberos协议认证开关是关闭的。
     Kerberos Principal	Kerberos身份认证标识。
     Keytab文件	上传Kerberos的服务端配置文件。
     Krb5.conf文件	上传Kerberos的客户端配置文件。

   • 其他信息，您可以根据需要选择配置以下参数。

     参数名称	说明
     单个任务处理的最多分区数量	需要迁移的分区数量的最大值。
     单个任务处理的最大数量（单位GB）	需要迁移的分区数据大小的最大值。
     Hive Job配置	Hive引擎相关的任务参数，默认为MR引擎的部分配置。 说明 该配置用于解决YARN容器内存不足、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。
     Metastore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	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	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。
     数据搬迁任务最大并发量	数据迁移并发数。

4. 配置完成后，单击新增。

5. 在数据源管理页签，单击数据源列表操作列中的更新元数据。

   更新元数据将获取当前Hive数据源中的数据库信息。如果数据量较大，可能需要几分钟才能完成更新。

创建迁移计划

1. 选择目标数据源，查看数据源下待迁移的数据库列表。

   您可以按照实际迁移需求，选择整库迁移或部分迁移。

   • 整库迁移

     单击待迁移数据库列表操作列中的整库迁移。

   • 部分迁移

     1. 单击待迁移数据库列表操作列中的部分迁移。

     2. 在表列表页签或分区列表页签，勾选需要迁移的表或分区。

     3. 单击新建迁移计划。

2. 在新建迁移计划页面，配置以下参数。

   参数名称	是否必填	说明
   计划名称	是	迁移计划的名称。
   数据源	是	Hive数据源名称。
   源库	是	源数据库名称。
   目标MaxCompute项目	是	目标MaxCompute项目名称。
   table黑白名单	否	配置需要迁移或不需要迁移的表，多个表之间使用英文逗号进行分隔。 说明 如果未配置则默认将迁移源库中的所有表。
   表白（黑）名单	否
   开启校验	否	校验源表与目标表的记录数。若开启校验，当校验结果不一致，会提示校验不通过。
   增量迁移	否	增量迁移数据，默认开启。 说明 在开启增量迁移后，已经成功迁移的分区或表数据将被跳过，不会再次进行迁移。
   只迁移表结构	否	默认情况下，开启后仅迁移表结构，而不迁移数据。
   分区过滤	否	配置分区过滤条件，详情请参见分区过滤表达式说明。
   表名映射	否	设置迁移到目标MaxCompute项目后的表名称。

3. 配置完成后，单击提交。

   您可以在迁移计划管理页签，查看已提交的迁移计划的状态和迁移进度。

更多操作