自建Hive数据仓库跨版本迁移到阿里云E-MapReduce

最佳实践概述

应用场景

客户在IDC或者公有云环境自建Hadoop集群，数据集中保存在HDFS文件系统，同时借助Hive进行常见的ETL任务。客户在决策上云之后，会将自建Hadoop集群的数据迁移到阿里云自建Hadoop或者EMR。

技术架构

本实践方案基于如下图所示的技术架构和主要流程编写操作步骤。 

方案优势

• 易用性 
  您可以简单选择所需ECS机型(CPU、内存)与磁盘，并选择所需的软件，进行自动化部署。
• 经济性 
  您可以按需创建集群，即离线作业运行结束就可以释放集群，还可以在需要时动态地增加节点。
• 深度整合 
  E-MapReduce与阿里云其它产品(例如，OSS、MNS、RDS 和 MaxCompute 等)进行了深度整合，支持以这些产品作为Hadoop/Spark计算引擎的输入源或者输出目的地。
• 安全 
  E-MapReduce整合了阿里云RAM资源权限管理系统，通过主子账号对服务权限进行隔离。
• 可靠性 
  使用阿里云数据库RDS保存Hive的元数据信息，可以提升数据可靠性和服务可用性，免除客户运维自建MySQL数据库的工作。

前置条件

在进行本文操作之前，您需要完成以下准备工作：

• 注册阿里云账号，并完成实名认证。您可以登录阿里云控制台，并前往实名认证页面查看是否已经完成实名认证。
• 阿里云账户余额大于100元。您可以登录阿里云控制台，并前往账户总览页面查看账户余额。
• 拥有已经通过备案的域名。
• 开通ECS、OSS、EMR、RDS、DTS和VPN网关等服务。

资源规划说明

• 本方案仅作为实践演练使用，在生产环境中执行时请结合业务系统实际架构进行
  调整。
• 本方案购买的所有云产品规格均为演示需要，请根据实际业务需求购买对应规格
  的产品和服务。
• 本方案重在展示迁移思路和方法，线下IDC的模拟环境以组件配置呈现。

1. 基础环境搭建

本实践方案中，将按照技术架构图搭建相对完整的实践环境，包括Apache日志发生
器、Kafka队列、Hadoop集群、Hive+MySQL元数据库。 

1.1. 搭建Hadoop + Kafka + 日志发生器环境

请参考《自建Hadoop数据迁移到阿里云EMR》最佳实践
第1章：1. 自建Hadoop集群环境搭建，完成本实践方案的基础环境搭建。

1.2. 创建Hive元数据库

本实践方案将在ECS上安装MySQL数据库，用于保存Hive元数据信息。步骤1登录云服务器控制台，地域࿱