东莞做网站优化,网站空间分类,软件实施的五个步骤,2021最新域名id地址HDFS中数据迁移的使用场景和考量因素 数据迁移使用场景数据迁移要素考量HDFS分布式拷贝工具-DistCpdistcp的优势性能命令 数据迁移使用场景
冷热集群数据同步、分类存储集群数据整体搬迁 当公司业务迅速的发展#xff0c;导致的当前的服务器数量资源出现临时紧张的时候#… HDFS中数据迁移的使用场景和考量因素 数据迁移使用场景数据迁移要素考量HDFS分布式拷贝工具-DistCpdistcp的优势性能命令 数据迁移使用场景
冷热集群数据同步、分类存储集群数据整体搬迁 当公司业务迅速的发展导致的当前的服务器数量资源出现临时紧张的时候为了更高效的利用资源会将A机房数据整体迁移到B机房的原因可能是B机房机器多而且B机房本身开销较A机房低些等 数据的准实时同步 数据准实时同步的media在于数据的双倍份可用比如某天A集群突然宣告不允许再使用了此时可以将线上使用集群直接切向B的同步集群因为B集群实时同步A集群数据拥有完全一致的真实数据和元数据信息所以对于业务方使用而言是不会收到任何影响的。
数据迁移要素考量
Bandwidth-带宽 带宽用的多了会影响到线上业务的任务运行带宽用的少了又会导致数据同步满的问题。 performance-性能 是采用简单的单机程序还是多线程的性能更佳的分布式程序 data-increment-增量同步 当TB,PB级别的数据需要同步的时候如果每次以全量的方式去同步数据结果一定是非常糟糕。如果仅针对变化的增量数据进行同步将会是不错的选择。可以陪着HDFS快照等技术实现增量数据同步。 syncable-数据迁移的同步性 数据迁移的过程中需要保证周期内数据是一定能够同步完的不能差距太大。比如A集群7天内的增量数据我只要花半天就可以完全同步到B集群然后我有可以等到下周再次进行同步最可怕的事情在于A集群的7天内的数据我的程序花了7天还同步不完然后下一个周期又来了这样就无法做到准实时的一致性其实7天还是一个比较大的时间最好是能达到按天同步。
HDFS分布式拷贝工具-DistCp
DistCp是Hadoop中的一种工具在hadoop-tools工程下作为独立子工程存在。定位用于数据迁移定期在集群之间和集群内部备份数据在备份过程中每次运行distcp都成为一个备份周期。尽管性能相对较慢但他的普及程度已经越来越高distcp底层使用MapReduce在集群之间或并行在同一集群内复制文件。执行复制的MapReduce只有mapper阶段
distcp的优势性能
带宽限流 distcp可以通过命令参数bandwidth来为程序进行带宽限流 增量数据同步 在distcp中可以通过updataappend和diff这三个参数实现增量同步updata 只拷贝不存在的文件或者目录append 最佳目标路径下已存在的文件diff 通过快照的diff对比信息来同步源端路径与目标路径 updata解决了新增文件、目录的同步。append解决已存在的增量更新同步。diff解决删除或重命名类型文件的同步 高效的性能分布式特性 distcp底层使用MapReduce执行数据同步MapReduce本身是一类分布式程序
命令 其中source_pathtarget_path需要带上地址前缀以区分不同的集群
hadoop distcp hdfs://src_cluster:8020/user/data hdfs://dest_cluster:8020/user/data_backup这个命令告诉distcp工具将hdfs://src_cluster:8020/user/data目录下的数据复制到hdfs://dest_cluster:8020/user/data_backup目录下。
