自建Hive数据仓库跨版本迁移到阿里云E-MapReduce

Posted 2021-04-19 Apache Spark技术交流社区

完整内容请点击文末“阅读原文”获取

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：华东2（上海）。
步骤2 在实例列表页面，单击右上角的创建实例。

步骤3 在自定义购买模式下，完成各项配置。
基础配置：

• 付费模式：本实践方案选用抢占式实例。
  说明：在方案演示过程中，我们选用抢占式实例来降低您的成本；在实际商用环境中，请选择适合业务场景的ECS实例付费模式。抢占式实例的具体信息，

• 地域及可用区：华东2（上海） 可用区F
  

• 实例
  ￚ 实例规格：ecs.g6.large（2 vCPU 8 GiB，通用型g6）

ￚ 单台实例规格上限价：创建抢占式实例，必须设置单台实例规格的价格上限。

a) 选择设置单台上限价。
b) 单击查看历史价格。
c) 在抢占式实例历史价格走势图中，可以看到华东2可用区F的实例当前市场价格为0.034 ¥/实例/小时，因此，我们设置单台上限价为0.04 ¥/实例/小时，要求略高于当前市场价格。使用者在进行实际操作时，请以界面显示的实时价格为准。

• 购买实例数量：1台
  

• 镜像：

a) 选择镜像市场。
b) 单击从镜像市场获取更多选择（含操作系统）。
c) 输入magento，并单击搜索。
d) 选择Magento开源电子商务系统（LAMP | 含演示数据），并单击使用，该镜像中包含了MySQL数据库，root用户的默认密码为123456

• 存储：系统盘
  高效云盘 80GiB

步骤4 配置完成，单击下一步：网络和安全组。
步骤5 在网络和安全组页面，参考下表，配置相关参数。

配置完成，单击下一步：系统配置。

步骤6 在系统配置页面，参考下表，配置相关参数。

配置完成，单击确认订单。

步骤7 在确认订单页面，确认各项参数信息。确认无误，阅读、同意并勾选《云服务器ECS服务条款》和《镜像商品使用条款》，并单击创建实例。

步骤8 创建任务提交成功后，单击管理控制台前往ECS实例列表页面查看详情。

至此，本实践方案中用于模拟客户自建Hadoop系统的ECS已经全部搭建完成，如下图所示： 

步骤10 创建账号，该账号用于Hive进行连接。



完成后界面显示如下图所示：

1.3. 安装并配置Hive

在本实践方案中，采用Hive 1.2.2版本作为源版本。
步骤1 通过SSH登录到hadoop-master节点，执行以下命令下载并解压Hive软件包。

cd ~
wget https://mirrors.tuna.tsinghua.edu.cn/apache/hive/hive-1.2.2
/apache-hive-1.2.2-bin.tar.gz
tar -zxf apache-hive-1.2.2-bin.tar.gz -C /usr/local/

步骤2 配置环境变量。
vim /etc/profile

1. 在文件末尾添加如下内容，保存并退出。

# Added for Hive
export HIVE_HOME=/usr/local/apache-hive-1.2.2-bin
export PATH=$PATH:$HIVE_HOME/bin

1. 执行以下命令使文件生效。

source /etc/profile

1. 查看Hive版本号。

hive --version

步骤3 生成hive-site.xml配置文件。

cd /usr/local/apache-hive-1.2.2-bin/conf
cp hive-default.xml.template hive-site.xml
vim hive-site.xml

1. 搜索javax.jdo.option.ConnectionUserName，将value修改为root。

2. 搜索javax.jdo.option.ConnectionPassword，将value修改为123456，该密码为章节1.2使用的云市场镜像中数据库root用户的默认密码。

3. 搜索javax.jdo.option.ConnectionURL，将value修改为
   jdbc:mysql://192.168.100.140:3306/hive122db?createDatabaseIfNotExist=true

说明：

1. 搜索javax.jdo.option.ConnectionDriverName，将value修改为 com.mysql.jdbc.Driver

2. 在下图所示的位置添加配置，即作为最靠前的

<property>
 <name>system:java.io.tmpdir</name>
    <value>/usr/local/apache-hive-1.2.2-bin/tmp</value>
  </property>
  <property>
    <name>system:user.name</name>
    <value>root</value>
  </property>

步骤4 生成并配置hive-env.sh启动文件。

cd /usr/local/apache-hive-1.2.2-bin/conf
cp hive-env.sh.template hive-env.sh
vim hive-env.sh

在文件末尾添加如下内容，保存后退出：

export HIVE_AUX_JARS_PATH=/usr/local/apache-hive-1.2.2-bin/lib

步骤5 下载MySQL驱动程序。

cd /usr/local/apache-hive-1.2.2-bin/lib

• 通过下面命令下载MySQL Connector库文件

wget
https://maven.aliyun.com/repository/central/mysql/
mysql-connector-java/8.0.18/mysql-connector-java-8.0.18.jar

步骤6 初始化源数据库。

cd /usr/local/apache-hive-1.2.2-bin/bin
./schematool -dbType mysql -initSchema -verbose

当界面出现下图所示信息时表示初始化完成。

步骤7 启动Hive进入HQL命令行交互界面。
hive

说明：在hive命令行界面，使用quit退出。

---

因篇幅原因，余下内容请点击文末“阅读原文”阅读

---

阿里巴巴开源大数据技术团队成立Apache Spark中国技术社区，定期推送精彩案例，技术专家直播，问答区数个Spark技术同学每日在线答疑，只为营造纯粹的Spark氛围，欢迎钉钉扫码加入！