export default用法vue_用Export和Import工具来迁移不同版本HBase之间的数据

用Export和Import工具来迁移不同版本HBase之间的数据

1. 前言

有关HBase数据迁移的方案，零零总总不下好几种。如最简单的CopyTable，最高效的ExportSnapshot，最方便的Replication，以及接下来要为大家重点分享的Export和Import。命令的使用很简单，这里我只是单纯地记录下解决这个问题的思路，希望能给予你启迪，也希望我能把其持续修剪，直至长成参天大树的样子。我们此次数据迁移的场景是，HBase线上集群(2.1)迁移数据至HBase灾备集群(1.2)，由于是跨大版本的数据迁移，在我们以往的测试中，CopyTable和ExportSnapshot两种方案直接就被pass掉了(可能是由于两个版本的HBase的底层HFile文件格式的不兼容，这两种方式都无法达到预期的效果)。又由于涉及大量历史数据的迁移，Replication显然也不合适。在确定使用Export/Import的数据迁移方案之前，我们还测试了用Spark读HBase表转换成RDD，然后再生成HBase的底层文件——HFile，最后使用BulkLoad的命令，实现数据的快速导入。但在具体测试的时候，不管是使用cdh的hbase-spark模块，还是使用shc的spark读HBase，貌似都逃不掉数据倾斜的命运。两种方案的源码实现我没有深究，但应该大致应该类似，利用spark scan hbase 的表转换成RDD，每一个region的数据放进每一个RDD的partition下(我们设置的每一个region的最大大小是20G)，RDD做shuffle的过程中，会报如下异常：网上的解释是这样的：暂时没有找到更好的方法来解决这个问题，所以，Spark读HBase的这种方式暂时还停留在理论层面。最终，在已知的数据迁移方案里，Export和Import工具能满足我们跨版本的数据迁移需求，虽然它的效率很慢，对集群的影响也很大，但由于是灾备集群，这种缺点还在忍受的范围之内。

2. 我们的集群环境

在正式介绍相关命令使用的同时，还是先说一下我们集群的版本等软件环境，避免因为版本的差异，出现本文我没有记录到的异常。灾备集群HBase版本HBase 1.2.0-cdh5.13.1灾备集群Hadoop版本Hadoop 2.6.0-cdh5.13.1

线上HBase集群版本HBase 2.1.0-cdh6.3.2线上Hadoop集群版本Hadoop 3.0.0-cdh6.3.2

3. Export的命令介绍

Export命令运行时会根据设置的scan条件来扫描HBase的表，然后转换成SequenceFile的形式，SequenceFile只是纯粹的K,V格式的数据文件，它与HBase的版本无关。其内容大致如下图所示：rowkey 列簇名 字段名 数据

3.1 Export命令的基本使用

运行如下命令查看Export工具的基本使用：

hbase org.apache.hadoop.hbase.mapreduce.Export  -help

命令用法以及参数的解读如下(不同版本命令差异不大)：

Usage: Export [-D ]*  [ [ []] [^[regex pattern] or [Prefix] to filter]]
扫描行存在两种过滤器，正则表达式和前缀
输出SequenceFile的压缩形式
   -D mapreduce.output.fileoutputformat