数据湖探索 DLI-迁移Hive数据至DLI:步骤二：数据迁移

时间：2024-04-30 09:46:21

数据湖探索 DLI

配置CDM数据源连接。

配置源端MRS Hive的数据源连接。

配置源端MRS Hive的数据源连接，具体参数配置如下。

表1 MRS Hive数据源配置
参数	值
名称	自定义MRS Hive数据源名称。例如当前配置为：source_hive
Manager IP	单击输入框旁边的“选择”按钮，选择当前MRS Hive集群即可自动关联出来Manager IP。
认证类型	如果当前MRS集群为普通集群则选择为SIMPLE，如果是MRS集群启用了Kerberos安全认证则选择为KERBEROS。本示例选择为：KERBEROS。
Hive版本	根据当前创建MRS集群时候的Hive版本确定。当前Hive版本为3.1.0，则选择为：HIVE_3_X。
用户名	在3中创建的MRS Hive用户名。
密码	对应的MRS Hive用户名的密码。

其他参数保持默认即可。更多参数的详细说明可以参考CDM上配置Hive连接。

图4 CDM配置MRS Hive数据源
点击放大

创建CDM迁移作业。

在新建作业界面，配置当前作业配置信息，具体参数参考如下：

图7 新建CDM作业作业配置
点击放大

源端作业配置，具体参考如下：

表2 源端作业配置
参数名	参数值
源连接名称	选择1.a中已创建的数据源名称。
数据库名称	选择MRS Hive待迁移的数据库名称。例如当前待迁移的表数据数据库为“default”。
表名	待建议Hive数据表名。当前示例为在DLI上创建数据库和表中的“user_info”表。
读取方式	当前示例选择为：HDFS。具体参数含义如下：包括HDFS和JDBC两种读取方式。默认为HDFS方式，如果没有使用WHERE条件做数据过滤及在字段映射页面添加新字段的需求，选择HDFS方式即可。 HDFS文件方式读取数据时，性能较好，但不支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。 JDBC方式读取数据时，支持使用WHERE条件做数据过滤及在字段映射页面添加新字段。

更多参数的详细配置可以参考：CDM配置Hive源端参数。

目的端作业配置，具体参考如下：

表3 目的端作业配置
参数名	参数值
目的连接名称	选择1.b已创建的DLI数据源连接。
资源队列	选择已创建的DLI SQL类型的队列。
数据库名称	选择DLI下已创建的数据库。当前示例为在DLI上创建数据库和表中创建的数据库名，即为“testdb”。
表名	选择DLI下已创建的表名。当前示例为在DLI上创建数据库和表中创建的表名，即为“user_info”。
导入前清空数据	选择导入前是否清空目的表的数据。当前示例选择为“否”。如果设置为是，任务启动前会清除目标表中数据。

更多参数的详细配置可以参考：CDM配置DLI目的端参数。

单击“下一步”，进入到字段映射界面，CDM会自动匹配源和目的字段。
- 如果字段映射顺序不匹配，可通过拖拽字段调整。
- 如果选择在目的端自动创建类型，这里还需要配置每个类型的字段类型、字段名称。
- CDM支持迁移过程中转换字段内容
图8 字段映射
单击“下一步”配置任务参数，一般情况下全部保持默认即可。
该步骤用户可以配置如下可选功能：
- 作业失败重试：如果作业执行失败，可选择是否自动重试，这里保持默认值“不重试”。
- 作业分组：选择作业所属的分组，默认分组为“DEFAULT”。在CDM“作业管理”界面，支持作业分组显示、按组批量启动作业、按分组导出作业等操作。
- 是否定时执行：如果需要配置作业定时自动执行，请参见配置定时任务。这里保持默认值“否”。
- 抽取并发数：设置同时执行的抽取任务数。这里保持默认值“1”。
- 是否写入脏数据：如果需要将作业执行过程中处理失败的数据、或者被清洗过滤掉的数据写入OBS中，以便后面查看，可通过该参数配置，写入脏数据前需要先配置好OBS连接。这里保持默认值“否”即可，不记录脏数据。
单击“保存并运行”，回到作业管理界面，在作业管理界面可查看作业执行进度和结果。
图9 迁移作业进度和结果查询