需求:两个集群A和B,把集群A的aa.src_table表的数据,拷贝到B集群的bb.obj_table里面。B集群的HDFS地址,是确定的。A集群地址采用动态方式获取
步骤:
1、SQL中动态获取aa.src_table表的HDFS位置,srcTableInfo=`beeline -u ${JDBC} -e "DESCRIBE EXTENDED aa.src_table"`
其中${JDBC}是访问Hive集群的链接
2、利用egrep和sed,获取aa.src_table表的HDFS位置,代码如下:
srcLocation=`echo ${srcTableInfo} | egrep -o 'Location[^S]+' | sed 's/Location//' | sed 's/|/ /g' | sed 's/ */ /g'`
其中,egrep -o 'Location[^S]+',定位到Location,[^S]+表示非空白字符一次或者多次,最后利用sed s命名把|和空格都替换掉
3、利用hadoop distcp,在两个集群之间拷贝数据
4、数据拷贝的代码是:
hadoop distcp -Dmapreduce.job.queuename=xxxxx(这里是队列名称) -overwrite -pb -prpca -m 128 -bandwidth 2 -i ${srcLocation} ${OjbLocation}
5、https://hadoop.apache.org/docs/stable/hadoop-distcp/DistCp.html 官方对DistCp命令的使用执导,命令的参数表示啥意思,可以参考这个文档