HdfsDataExchangerhdfs 集群间数据交换
背景
当前比较流行的hdfs间数据迁移工具有hadoop默认提供的distcp,阿里开源的DataX,这些工具能够满足常规的大部分需求,但是当时碰到hadoop版本不一致、keberos授权等场景时就行不通了。针对这些特殊的应用场景和实际需求我就构思并实现了HdfsDataExchanger这种实现方案。通过在一台可以访问两边hadoop集群的中转机上部署HdfsDataExchanger就可以实现将一个集群的数据迁移到另一个集群。HdfsDataExchanger提供单机多线程数据迁移,不支持分布式并行执行。
功能介绍
不同版本的hdfs间文件迁移。
本地文件系统与hdfs间文件迁移。
原理说明
抽象一套hdfs文件操作接口。
使用源集群和目标集群对应版本的hadoop分别实现接口。
使用jetty的WebAppClassLoader分别加载两套(源和目标)hdfs相关的jar,并创建对应的FileSystem。
-
使用源FileSystem读取数据到缓冲区,然后使用目标FileSystem将缓冲区的数据写入到目标文件。
使用说明
data-exchanger目录下包含完整的部署目录
h1为hadoop1的配置(conf)和相关的jar包(jars)
h2为hadoop2的配置(conf)和相关的jar包(jars)
main为主程序相关的配置(conf)、相关的jar包(jars)和启动脚本(bin)
配置说明
参数名 | 说明 |
---|---|
thread.count | 并行进行迁移数据的线程数量 |
buffer.size | 读取数据缓冲区大小 |
src/dest.hdfs.resource.path | 源/目标hdfs的jar包目录 |
src/dest.filesystem.implement | 源/目标针对抽象出的hdfs接口(com.sebastian.fdx.fs.api.BaseFileSystem)的实现类,WebAppClassLoader根据此配置加载对应的实现 |
src/dest.hdfs.conf.path | 源/目标对应的core-site.xml和hdfs-site.xml |
h1和h2的jars目录下应该包含依赖的所有hadoop jar包,当前只包含了fdx-hadoopX-filesystem-1.0-SNAPSHOT.jar,用户在使用时需根据实际的hadoop版本自行编译,并将依赖的jar和编译出来的jar一并放到对应的目录下。
main/jars目录放fdx-executor和fdx-filesystem-api编译出的jar以及依赖的所有jar。
main/conf/parameter.xml
执行
bin/run.sh src_path1 src_path2 ... dest_path 将src_pathX下的所有文件、目录复制到dest_path下