Hadoop多个集群之间的数据拷贝hdfs快照管理hdfs回收站管理

Posted 2021-10-28 格格巫 MMQ!!

在我们实际工作当中，极有可能会遇到将测试集群的数据拷贝到生产环境集群，或者将生产环境集群的数据拷贝到测试集群，那么就需要我们在多个集群之间进行数据的远程拷贝，hadoop自带也有命令可以帮我们实现这个功能

1、本地文件拷贝scp

cd /kkb/soft

scp -r jdk-8u141-linux-x64.tar.gz hadoop@node02:/kkb/soft
2、集群之间的数据拷贝distcp

cd /kkb/install/hadoop-2.6.0-cdh5.14.2/

bin/hadoop distcp hdfs://node01:8020/jdk-8u141-linux-x64.tar.gz hdfs://cluster2:8020/
快照顾名思义，就是相当于对我们的hdfs文件系统做一个备份，我们可以通过快照对我们指定的文件夹设置备份，但是添加快照之后，并不会立即复制所有文件，而是指向同一个文件。当写入发生时，才会产生新文件。快照的管理一般是运维人员来做。

开启快照权限：

1、开启指定目录的快照功能（创建快照之前要执行次步骤）

hdfs dfsadmin -allowSnapshot 路径
2、禁用指定目录的快照功能（默认就是禁用状态）

hdfs dfsadmin -disallowSnapshot 路径
创建快照：

3、给某个路径创建快照snapshot

hdfs dfs -createSnapshot 路径
4、指定快照名称进行创建快照snapshot

hdfs dfs -createSanpshot 路径 名称
5、给快照重新命名

hdfs dfs -renameSnapshot 路径 旧名称 新名称
6、列出当前用户所有可快照目录

hdfs lsSnapshottableDir
7、比较两个快照的目录不同之处

hdfs snapshotDiff 路径1 路径2
8、删除快照snapshot

hdfs dfs -deleteSnapshot
任何一个文件系统，基本上都会有垃圾桶机制，也就是删除的文件，不会直接彻底清掉，我们一把都是将文件放置到垃圾桶当中去，过一段时间之后，自动清空垃圾桶当中的文件，这样对于文件的安全删除比较有保证，避免我们一些误操作，导致误删除文件或者数据

fs.trash.interval 10080 fs.trash.checkpoint.interval 值 fs.trash.interval默认值为0，0表示禁用回收站，不是0就表示启动了回收站，这个代表回收站的文件的存活时间，过了这个时间文件就会被删掉。

fs.trash.checkpoint.interval=0默认值也为0，表示检查回收站的间隔时间。

要求fs .interval <=fs.trash.interval。

通过javaAPI删除的数据，不会进入回收站，需要调用moveToTrash()方法才会进入回收站

Trash trash = New Trash(conf);
trash.moveToTrash(path);
回收站在集群的/user/hadoop/.Trash/ 这个路径下

hdfs dfs -mv trashFileDir hdfsdir
//trashFileDir ：回收站的文件路径
//hdfsdir ：将文件移动到hdfs的哪个路径下
hdfs dfs -expunge