Hbase容灾与备份
This commit is contained in:
罗祥
parent
2ba8ea5db7
commit
2d31205175
@ -1,215 +1,234 @@
|
||||
# Azkaban Flow 1.0 的使用
|
||||
|
||||
## 一、简介
|
||||
|
||||
Azkaban提供了人性化的WEB UI界面，使得我们可以通过界面上传配置文件来完成任务的调度。Azkaban有两个重要的概念：
|
||||
|
||||
- **Job**： 你需要执行的调度任务；
|
||||
- **Flow**：一个获取多个Job及它们之间的依赖关系所组成的图表叫做Flow。
|
||||
|
||||
目前 Azkaban 3.x 同时支持 Flow 1.0 和 Flow 2.0，本文主要讲解 Flow 1.0的使用，下一篇文章会讲解Flow 2.0的使用。
|
||||
|
||||
## 二、基本任务调度
|
||||
|
||||
### 2.1 新建项目
|
||||
|
||||
在Azkaban主界面可以创建对应的项目
|
||||
|
||||
|
||||
|
||||
### 2.2 任务配置
|
||||
|
||||
新建任务配置文件`Hello-Azkaban.job`，注意后缀名为`job`,内容如下,这里我们的任务很简单，就是输出一句`'Hello Azkaban!'`
|
||||
|
||||
```shell
|
||||
#command.job
|
||||
type=command
|
||||
command=echo 'Hello Azkaban!'
|
||||
```
|
||||
|
||||
### 2.3 打包上传
|
||||
|
||||
将`Hello-Azkaban.job `打包为`zip`压缩文件
|
||||
|
||||
|
||||
|
||||
通过Web UI 界面上传
|
||||
|
||||
|
||||
|
||||
上传成功后可以看到对应的Flows
|
||||
|
||||
|
||||
|
||||
### 2.4 执行任务
|
||||
|
||||
点击页面上的`Execute Flow`执行任务
|
||||
|
||||
|
||||
|
||||
### 2.5 执行结果
|
||||
|
||||
点击`detail`可以查看到任务的执行日志
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 三、多任务调度
|
||||
|
||||
### 3.1 依赖配置
|
||||
|
||||
这里假设我们有五个任务（TaskA——TaskE）,D任务需要在A，B，C任务执行完成后才能执行，而E任务则需要在D任务执行完成后才能执行。则需要使用`dependencies`属性定义其依赖关系，各任务配置如下：
|
||||
|
||||
**Task-A.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task A'
|
||||
```
|
||||
|
||||
**Task-B.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task B'
|
||||
```
|
||||
|
||||
**Task-C.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task C'
|
||||
```
|
||||
|
||||
**Task-D.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task D'
|
||||
dependencies=Task-A,Task-B,Task-C
|
||||
```
|
||||
|
||||
**Task-E.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task E'
|
||||
dependencies=Task-D
|
||||
```
|
||||
|
||||
### 3.2 压缩上传
|
||||
|
||||
压缩后进行上传，这里需要注意的是一个Project只能接收一个压缩包，这里我还沿用上面的Project，默认后面的压缩包会覆盖前面的压缩包
|
||||
|
||||
|
||||
|
||||
### 3.3 依赖关系
|
||||
|
||||
多个任务存在依赖时，默认采用最后一个任务的文件名作为Flow的名称，其依赖关系可以在页面上得以直观的体现
|
||||
|
||||
|
||||
|
||||
### 3.4 执行结果
|
||||
|
||||
|
||||
|
||||
这里说明一下在Flow1.0的情况下，是无法通过一个job文件完成多个任务的配置的，但是Flow 2.0 就很好的解决了这个问题。
|
||||
|
||||
## 四、调度HDFS作业
|
||||
|
||||
步骤与上面的步骤一致，这里已查看HDFS文件列表为例，建议涉及到路径的地方全部采用完整的路径名，配置文件如下：
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=/usr/app/hadoop-2.6.0-cdh5.15.2/bin/hadoop fs -ls /
|
||||
```
|
||||
|
||||
执行结果：
|
||||
|
||||
|
||||
|
||||
## 五、调度MR作业
|
||||
|
||||
MR作业配置：
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=/usr/app/hadoop-2.6.0-cdh5.15.2/bin/hadoop jar /usr/app/hadoop-2.6.0-cdh5.15.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.15.2.jar pi 3 3
|
||||
```
|
||||
|
||||
执行结果：
|
||||
|
||||
|
||||
|
||||
## 六、调度Hive作业
|
||||
|
||||
作业配置：
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=/usr/app/hive-1.1.0-cdh5.15.2/bin/hive -f 'test.sql'
|
||||
```
|
||||
|
||||
其中`test.sql`内容如下，创建一张雇员表，然后查看其结构：
|
||||
|
||||
```sql
|
||||
CREATE DATABASE IF NOT EXISTS hive;
|
||||
use hive;
|
||||
drop table if exists emp;
|
||||
CREATE TABLE emp(
|
||||
empno int,
|
||||
ename string,
|
||||
job string,
|
||||
mgr int,
|
||||
hiredate string,
|
||||
sal double,
|
||||
comm double,
|
||||
deptno int
|
||||
) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
|
||||
-- 查看emp表的信息
|
||||
desc emp;
|
||||
```
|
||||
|
||||
打包的时候将`job`文件与`sql`文件一并进行打包
|
||||
|
||||
|
||||
|
||||
执行结果如下：
|
||||
|
||||
|
||||
|
||||
## 七、在线修改作业配置
|
||||
|
||||
在测试的时候，我们可能要频繁修改配置，如果每次修改都要重新打包上传这是比较麻烦的，所幸的是Azkaban是支持配置的在线修改的，点击需要修改的Flow，就可以进入详情页面：
|
||||
|
||||
|
||||
|
||||
在详情页面点击`Eidt`按钮可以进入编辑页面
|
||||
|
||||
|
||||
|
||||
在编辑页面可以新增配置或者修改配置
|
||||
|
||||
## 八、可能出现的问题
|
||||
|
||||
如果出现以下异常,多半是因为执行主机内存不足引起，azkaban要求执行主机可用内存必须大于3G才能满足执行任务的条件
|
||||
|
||||
```shell
|
||||
Cannot request memory (Xms 0 kb, Xmx 0 kb) from system for job
|
||||
```
|
||||
|
||||
|
||||
|
||||
如果你的执行主机没办法增大内存，则可以通过配置`commonprivate.properties` 文件关闭内存检查，
|
||||
|
||||
`commonprivate.properties` 文件在安装目录的`/plugins/jobtypes`下。
|
||||
|
||||
关闭内存检查的配置如下：
|
||||
|
||||
```shell
|
||||
memCheck.enabled=false
|
||||
```
|
||||
|
||||
|
||||
|
||||
# Azkaban Flow 1.0 的使用
|
||||
<nav>
|
||||
<a href="#一简介">一、简介</a><br/>
|
||||
<a href="#二基本任务调度">二、基本任务调度</a><br/>
|
||||
<a href="#21-新建项目">2.1 新建项目</a><br/>
|
||||
<a href="#22-任务配置">2.2 任务配置</a><br/>
|
||||
<a href="#23-打包上传">2.3 打包上传</a><br/>
|
||||
<a href="#24-执行任务">2.4 执行任务</a><br/>
|
||||
<a href="#25-执行结果">2.5 执行结果</a><br/>
|
||||
<a href="#三多任务调度">三、多任务调度</a><br/>
|
||||
<a href="#31-依赖配置">3.1 依赖配置</a><br/>
|
||||
<a href="#32-压缩上传">3.2 压缩上传</a><br/>
|
||||
<a href="#33-依赖关系">3.3 依赖关系</a><br/>
|
||||
<a href="#34-执行结果">3.4 执行结果</a><br/>
|
||||
<a href="#四调度HDFS作业">四、调度HDFS作业</a><br/>
|
||||
<a href="#五调度MR作业">五、调度MR作业</a><br/>
|
||||
<a href="#六调度Hive作业">六、调度Hive作业</a><br/>
|
||||
<a href="#七在线修改作业配置">七、在线修改作业配置</a><br/>
|
||||
<a href="#<div-align="center">-<img--src="httpsgithubcomheibaiyingBigData-Notesblobmasterpicturesazkaban-click-editpng">-<div>八可能出现的问题"><div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-click-edit.png"/> </div>八、可能出现的问题</a><br/>
|
||||
</nav>
|
||||
|
||||
## 一、简介
|
||||
|
||||
Azkaban提供了人性化的WEB UI界面，使得我们可以通过界面上传配置文件来完成任务的调度。Azkaban有两个重要的概念：
|
||||
|
||||
- **Job**： 你需要执行的调度任务；
|
||||
- **Flow**：一个获取多个Job及它们之间的依赖关系所组成的图表叫做Flow。
|
||||
|
||||
目前 Azkaban 3.x 同时支持 Flow 1.0 和 Flow 2.0，本文主要讲解 Flow 1.0的使用，下一篇文章会讲解Flow 2.0的使用。
|
||||
|
||||
## 二、基本任务调度
|
||||
|
||||
### 2.1 新建项目
|
||||
|
||||
在Azkaban主界面可以创建对应的项目
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-create-project.png"/> </div>
|
||||
|
||||
### 2.2 任务配置
|
||||
|
||||
新建任务配置文件`Hello-Azkaban.job`，注意后缀名为`job`,内容如下,这里我们的任务很简单，就是输出一句`'Hello Azkaban!'`
|
||||
|
||||
```shell
|
||||
#command.job
|
||||
type=command
|
||||
command=echo 'Hello Azkaban!'
|
||||
```
|
||||
|
||||
### 2.3 打包上传
|
||||
|
||||
将`Hello-Azkaban.job `打包为`zip`压缩文件
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-zip.png"/> </div>
|
||||
|
||||
通过Web UI 界面上传
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-upload.png"/> </div>
|
||||
|
||||
上传成功后可以看到对应的Flows
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-flows.png"/> </div>
|
||||
|
||||
### 2.4 执行任务
|
||||
|
||||
点击页面上的`Execute Flow`执行任务
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-execute.png"/> </div>
|
||||
|
||||
### 2.5 执行结果
|
||||
|
||||
点击`detail`可以查看到任务的执行日志
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-successed.png"/> </div>
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-log.png"/> </div>
|
||||
|
||||
## 三、多任务调度
|
||||
|
||||
### 3.1 依赖配置
|
||||
|
||||
这里假设我们有五个任务（TaskA——TaskE）,D任务需要在A，B，C任务执行完成后才能执行，而E任务则需要在D任务执行完成后才能执行。则需要使用`dependencies`属性定义其依赖关系，各任务配置如下：
|
||||
|
||||
**Task-A.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task A'
|
||||
```
|
||||
|
||||
**Task-B.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task B'
|
||||
```
|
||||
|
||||
**Task-C.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task C'
|
||||
```
|
||||
|
||||
**Task-D.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task D'
|
||||
dependencies=Task-A,Task-B,Task-C
|
||||
```
|
||||
|
||||
**Task-E.job** :
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=echo 'Task E'
|
||||
dependencies=Task-D
|
||||
```
|
||||
|
||||
### 3.2 压缩上传
|
||||
|
||||
压缩后进行上传，这里需要注意的是一个Project只能接收一个压缩包，这里我还沿用上面的Project，默认后面的压缩包会覆盖前面的压缩包
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-task-abcde-zip.png"/> </div>
|
||||
|
||||
### 3.3 依赖关系
|
||||
|
||||
多个任务存在依赖时，默认采用最后一个任务的文件名作为Flow的名称，其依赖关系可以在页面上得以直观的体现
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-dependencies.png"/> </div>
|
||||
|
||||
### 3.4 执行结果
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-task-abcde.png"/> </div>
|
||||
|
||||
这里说明一下在Flow1.0的情况下，是无法通过一个job文件完成多个任务的配置的，但是Flow 2.0 就很好的解决了这个问题。
|
||||
|
||||
## 四、调度HDFS作业
|
||||
|
||||
步骤与上面的步骤一致，这里已查看HDFS文件列表为例，建议涉及到路径的地方全部采用完整的路径名，配置文件如下：
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=/usr/app/hadoop-2.6.0-cdh5.15.2/bin/hadoop fs -ls /
|
||||
```
|
||||
|
||||
执行结果：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-hdfs.png"/> </div>
|
||||
|
||||
## 五、调度MR作业
|
||||
|
||||
MR作业配置：
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=/usr/app/hadoop-2.6.0-cdh5.15.2/bin/hadoop jar /usr/app/hadoop-2.6.0-cdh5.15.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.15.2.jar pi 3 3
|
||||
```
|
||||
|
||||
执行结果：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-mr.png"/> </div>
|
||||
|
||||
## 六、调度Hive作业
|
||||
|
||||
作业配置：
|
||||
|
||||
```shell
|
||||
type=command
|
||||
command=/usr/app/hive-1.1.0-cdh5.15.2/bin/hive -f 'test.sql'
|
||||
```
|
||||
|
||||
其中`test.sql`内容如下，创建一张雇员表，然后查看其结构：
|
||||
|
||||
```sql
|
||||
CREATE DATABASE IF NOT EXISTS hive;
|
||||
use hive;
|
||||
drop table if exists emp;
|
||||
CREATE TABLE emp(
|
||||
empno int,
|
||||
ename string,
|
||||
job string,
|
||||
mgr int,
|
||||
hiredate string,
|
||||
sal double,
|
||||
comm double,
|
||||
deptno int
|
||||
) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
|
||||
-- 查看emp表的信息
|
||||
desc emp;
|
||||
```
|
||||
|
||||
打包的时候将`job`文件与`sql`文件一并进行打包
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-hive.png"/> </div>
|
||||
|
||||
执行结果如下：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-hive-result.png"/> </div>
|
||||
|
||||
## 七、在线修改作业配置
|
||||
|
||||
在测试的时候，我们可能要频繁修改配置，如果每次修改都要重新打包上传这是比较麻烦的，所幸的是Azkaban是支持配置的在线修改的，点击需要修改的Flow，就可以进入详情页面：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-project-edit.png"/> </div>
|
||||
|
||||
在详情页面点击`Eidt`按钮可以进入编辑页面
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-edit.png"/> </div>
|
||||
|
||||
在编辑页面可以新增配置或者修改配置
|
||||
|
||||
## <div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-click-edit.png"/> </div>八、可能出现的问题
|
||||
|
||||
如果出现以下异常,多半是因为执行主机内存不足引起，azkaban要求执行主机可用内存必须大于3G才能满足执行任务的条件
|
||||
|
||||
```shell
|
||||
Cannot request memory (Xms 0 kb, Xmx 0 kb) from system for job
|
||||
```
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-memory.png"/> </div>
|
||||
|
||||
如果你的执行主机没办法增大内存，则可以通过配置`commonprivate.properties` 文件关闭内存检查，
|
||||
|
||||
`commonprivate.properties` 文件在安装目录的`/plugins/jobtypes`下。
|
||||
|
||||
关闭内存检查的配置如下：
|
||||
|
||||
```shell
|
||||
memCheck.enabled=false
|
||||
```
|
||||
|
||||
|
||||
|
||||
|
||||
@ -1,291 +1,310 @@
|
||||
# Azkaban Flow 2.0的使用
|
||||
|
||||
## 一、Flow 2.0 简介
|
||||
|
||||
### 1.1 Flow 2.0 的产生
|
||||
|
||||
Azkaban 目前同时支持Flow 1.0和Flow2.0,但是官方文档上更推荐使用2.0，因为Flow 1.0 会在将来的版本被移除。
|
||||
|
||||
>This section covers how to create your Azkaban flows using Azkaban Flow 2.0.Flow 1.0 will be deprecated in the future.
|
||||
|
||||
Flow 2.0设计的主要思想是提供1.0版本没有的流级定义。用户可以将属于给定流的所有.job / .properties文件合并到单个流定义文件中，而不是创建多个.job / .properties文件。配置文件以YAML格式定义，每个项目zip将包含多个流YAML文件和一个项目YAML文件。同时可以在YAML文件中的流内定义流，称为为嵌入流或子流。
|
||||
|
||||
### 1.2 基本结构
|
||||
|
||||
项目zip将包含多个流YAML文件，一个项目YAML文件以及可选库和源代码。Flow YAML文件的基本结构如下：
|
||||
|
||||
+ 每个Flow都在单个YAML文件中定义
|
||||
+ 流文件以流名称命名。如：my-flow-name.flow
|
||||
+ 包含DAG中的所有节点
|
||||
+ 每个节点可以是作业或流程
|
||||
+ 每个节点 可以拥有 name, type, config, dependsOn and nodes sections等属性
|
||||
+ 通过列出dependsOn列表中的父节点来指定节点依赖性
|
||||
+ 包含与流相关的其他配置
|
||||
+ 当前.properties文件中流的所有常见属性都将迁移到每个流YAML文件中的config部分
|
||||
|
||||
官方提供了一个比较完善的配置样例，如下：
|
||||
|
||||
```yaml
|
||||
config:
|
||||
user.to.proxy: azktest
|
||||
param.hadoopOutData: /tmp/wordcounthadoopout
|
||||
param.inData: /tmp/wordcountpigin
|
||||
param.outData: /tmp/wordcountpigout
|
||||
|
||||
# This section defines the list of jobs
|
||||
# A node can be a job or a flow
|
||||
# In this example, all nodes are jobs
|
||||
nodes:
|
||||
# Job definition
|
||||
# The job definition is like a YAMLified version of properties file
|
||||
# with one major difference. All custom properties are now clubbed together
|
||||
# in a config section in the definition.
|
||||
# The first line describes the name of the job
|
||||
- name: AZTest
|
||||
type: noop
|
||||
# The dependsOn section contains the list of parent nodes the current
|
||||
# node depends on
|
||||
dependsOn:
|
||||
- hadoopWC1
|
||||
- NoOpTest1
|
||||
- hive2
|
||||
- java1
|
||||
- jobCommand2
|
||||
|
||||
- name: pigWordCount1
|
||||
type: pig
|
||||
# The config section contains custom arguments or parameters which are
|
||||
# required by the job
|
||||
config:
|
||||
pig.script: src/main/pig/wordCountText.pig
|
||||
|
||||
- name: hadoopWC1
|
||||
type: hadoopJava
|
||||
dependsOn:
|
||||
- pigWordCount1
|
||||
config:
|
||||
classpath: ./*
|
||||
force.output.overwrite: true
|
||||
input.path: ${param.inData}
|
||||
job.class: com.linkedin.wordcount.WordCount
|
||||
main.args: ${param.inData} ${param.hadoopOutData}
|
||||
output.path: ${param.hadoopOutData}
|
||||
|
||||
- name: hive1
|
||||
type: hive
|
||||
config:
|
||||
hive.script: src/main/hive/showdb.q
|
||||
|
||||
- name: NoOpTest1
|
||||
type: noop
|
||||
|
||||
- name: hive2
|
||||
type: hive
|
||||
dependsOn:
|
||||
- hive1
|
||||
config:
|
||||
hive.script: src/main/hive/showTables.sql
|
||||
|
||||
- name: java1
|
||||
type: javaprocess
|
||||
config:
|
||||
Xms: 96M
|
||||
java.class: com.linkedin.foo.HelloJavaProcessJob
|
||||
|
||||
- name: jobCommand1
|
||||
type: command
|
||||
config:
|
||||
command: echo "hello world from job_command_1"
|
||||
|
||||
- name: jobCommand2
|
||||
type: command
|
||||
dependsOn:
|
||||
- jobCommand1
|
||||
config:
|
||||
command: echo "hello world from job_command_2"
|
||||
```
|
||||
|
||||
## 二、YAML语法
|
||||
|
||||
想要进行Flow流的配置，首先需要了解YAML ，YAML 是一种简洁的非标记语言，有着严格的格式要求的，如果你的格式配置失败，上传到Azkaban的时候就会抛出解析异常。
|
||||
|
||||
### 2.1 基本规则
|
||||
|
||||
1. 大小写敏感
|
||||
2. 使用缩进表示层级关系
|
||||
3. 缩进长度没有限制，只要元素对齐就表示这些元素属于一个层级。
|
||||
4. 使用#表示注释
|
||||
5. 字符串默认不用加单双引号，但单引号和双引号都可以使用，双引号不会对特殊字符转义。
|
||||
6. YAML中提供了多种常量结构，包括：整数，浮点数，字符串，NULL，日期，布尔，时间。
|
||||
|
||||
### 2.2 对象的写法
|
||||
|
||||
```yaml
|
||||
# value 与 ： 符号之间必须要有一个空格
|
||||
key: value
|
||||
```
|
||||
|
||||
### 2.3 map的写法
|
||||
|
||||
```yaml
|
||||
# 写法一 同一缩进的所有键值对属于一个map
|
||||
key:
|
||||
key1: value1
|
||||
key2: value2
|
||||
|
||||
# 写法二
|
||||
{key1: value1, key2: value2}
|
||||
```
|
||||
|
||||
### 2.3 数组的写法
|
||||
|
||||
```yaml
|
||||
# 写法一 使用一个短横线加一个空格代表一个数组项
|
||||
- a
|
||||
- b
|
||||
- c
|
||||
|
||||
# 写法二
|
||||
[a,b,c]
|
||||
```
|
||||
|
||||
### 2.5 单双引号
|
||||
|
||||
单引号和双引号都可以使用，双引号不会对特殊字符转义。
|
||||
|
||||
```yaml
|
||||
s1: '内容\n字符串'
|
||||
s2: "内容\n字符串"
|
||||
|
||||
转换后：
|
||||
{ s1: '内容\\n字符串', s2: '内容\n字符串' }
|
||||
```
|
||||
|
||||
### 2.6 特殊符号
|
||||
|
||||
`---` YAML可以在同一个文件中，使用`---`表示一个文档的开始。
|
||||
|
||||
### 2.7 配置引用
|
||||
|
||||
在Azkaban中可以使用`${}`引用定义的配置，同时也建议将公共的参数抽取到config中，并使用`${}`进行引用。
|
||||
|
||||
|
||||
|
||||
## 三、简单任务调度
|
||||
|
||||
### 3.1 任务配置
|
||||
|
||||
新建`flow`配置文件
|
||||
|
||||
```yaml
|
||||
nodes:
|
||||
- name: jobA
|
||||
type: command
|
||||
config:
|
||||
command: echo "Hello Azkaban Flow 2.0."
|
||||
```
|
||||
|
||||
在当前的版本中，由于Azkaban是同时支持Flow 1.0 和 Flow 2.0的，如果你想让Azkaban知道你是希望以2.0方式运行，则需要新建一个`project`文件，指明是使用的Flow 2.0
|
||||
|
||||
```shell
|
||||
azkaban-flow-version: 2.0
|
||||
```
|
||||
|
||||
### 3.2 打包上传
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### 3.3 执行结果
|
||||
|
||||
由于在1.0 版本中已经介绍过web ui的使用，这里就不再赘述，对于1.0和2.0版本，只有配置的方式是不同的，其他上传执行的操作方式都是相同的。执行结果如下：
|
||||
|
||||
|
||||
|
||||
## 四、多任务调度
|
||||
|
||||
和1.0给的案例一样，这里假设我们有五个任务（jobA——jobE）,D任务需要在A，B，C任务执行完成后才能执行，而E任务则需要在D任务执行完成后才能执行。`Flow`配置如下。可以看到在1.0中我们需要分别定义五个配置文件，而在2.0中我们只需要一个配置文件即可完成配置。
|
||||
|
||||
```yaml
|
||||
nodes:
|
||||
- name: jobE
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job E"
|
||||
# jobE depends on jobD
|
||||
dependsOn:
|
||||
- jobD
|
||||
|
||||
- name: jobD
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job D"
|
||||
# jobD depends on jobA、jobB、jobC
|
||||
dependsOn:
|
||||
- jobA
|
||||
- jobB
|
||||
- jobC
|
||||
|
||||
- name: jobA
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job A"
|
||||
|
||||
- name: jobB
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job B"
|
||||
|
||||
- name: jobC
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job C"
|
||||
```
|
||||
|
||||
## 五、内嵌流
|
||||
|
||||
Flow2.0 支持在一个Flow中定义另一个Flow，称为内嵌流或者子流。这里给出一个内嵌流的示例，其`Flow`配置如下：
|
||||
|
||||
```yaml
|
||||
nodes:
|
||||
- name: jobC
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job C"
|
||||
dependsOn:
|
||||
- embedded_flow
|
||||
|
||||
- name: embedded_flow
|
||||
type: flow
|
||||
config:
|
||||
prop: value
|
||||
nodes:
|
||||
- name: jobB
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job B"
|
||||
dependsOn:
|
||||
- jobA
|
||||
|
||||
- name: jobA
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job A"
|
||||
```
|
||||
|
||||
内嵌流的DAG图如下：
|
||||
|
||||
|
||||
|
||||
执行情况如下：
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 参考资料
|
||||
|
||||
1. [Azkaban Flow 2.0 Design](https://github.com/azkaban/azkaban/wiki/Azkaban-Flow-2.0-Design)
|
||||
2. [Getting started with Azkaban Flow 2.0](https://github.com/azkaban/azkaban/wiki/Getting-started-with-Azkaban-Flow-2.0)
|
||||
|
||||
# Azkaban Flow 2.0的使用
|
||||
<nav>
|
||||
<a href="#一Flow-20-简介">一、Flow 2.0 简介</a><br/>
|
||||
<a href="#11-Flow-20-的产生">1.1 Flow 2.0 的产生</a><br/>
|
||||
<a href="#12-基本结构">1.2 基本结构</a><br/>
|
||||
<a href="#二YAML语法">二、YAML语法</a><br/>
|
||||
<a href="#21-基本规则">2.1 基本规则</a><br/>
|
||||
<a href="#22-对象的写法">2.2 对象的写法</a><br/>
|
||||
<a href="#23-map的写法">2.3 map的写法</a><br/>
|
||||
<a href="#23-数组的写法">2.3 数组的写法</a><br/>
|
||||
<a href="#25-单双引号">2.5 单双引号</a><br/>
|
||||
<a href="#26-特殊符号">2.6 特殊符号</a><br/>
|
||||
<a href="#27-配置引用">2.7 配置引用</a><br/>
|
||||
<a href="#三简单任务调度">三、简单任务调度</a><br/>
|
||||
<a href="#31-任务配置">3.1 任务配置</a><br/>
|
||||
<a href="#32-打包上传">3.2 打包上传</a><br/>
|
||||
<a href="#33-执行结果">3.3 执行结果</a><br/>
|
||||
<a href="#四多任务调度">四、多任务调度</a><br/>
|
||||
<a href="#五内嵌流">五、内嵌流</a><br/>
|
||||
</nav>
|
||||
|
||||
## 一、Flow 2.0 简介
|
||||
|
||||
### 1.1 Flow 2.0 的产生
|
||||
|
||||
Azkaban 目前同时支持Flow 1.0和Flow2.0,但是官方文档上更推荐使用2.0，因为Flow 1.0 会在将来的版本被移除。
|
||||
|
||||
>This section covers how to create your Azkaban flows using Azkaban Flow 2.0.Flow 1.0 will be deprecated in the future.
|
||||
|
||||
Flow 2.0设计的主要思想是提供1.0版本没有的流级定义。用户可以将属于给定流的所有.job / .properties文件合并到单个流定义文件中，而不是创建多个.job / .properties文件。配置文件以YAML格式定义，每个项目zip将包含多个流YAML文件和一个项目YAML文件。同时可以在YAML文件中的流内定义流，称为为嵌入流或子流。
|
||||
|
||||
### 1.2 基本结构
|
||||
|
||||
项目zip将包含多个流YAML文件，一个项目YAML文件以及可选库和源代码。Flow YAML文件的基本结构如下：
|
||||
|
||||
+ 每个Flow都在单个YAML文件中定义
|
||||
+ 流文件以流名称命名。如：my-flow-name.flow
|
||||
+ 包含DAG中的所有节点
|
||||
+ 每个节点可以是作业或流程
|
||||
+ 每个节点 可以拥有 name, type, config, dependsOn and nodes sections等属性
|
||||
+ 通过列出dependsOn列表中的父节点来指定节点依赖性
|
||||
+ 包含与流相关的其他配置
|
||||
+ 当前.properties文件中流的所有常见属性都将迁移到每个流YAML文件中的config部分
|
||||
|
||||
官方提供了一个比较完善的配置样例，如下：
|
||||
|
||||
```yaml
|
||||
config:
|
||||
user.to.proxy: azktest
|
||||
param.hadoopOutData: /tmp/wordcounthadoopout
|
||||
param.inData: /tmp/wordcountpigin
|
||||
param.outData: /tmp/wordcountpigout
|
||||
|
||||
# This section defines the list of jobs
|
||||
# A node can be a job or a flow
|
||||
# In this example, all nodes are jobs
|
||||
nodes:
|
||||
# Job definition
|
||||
# The job definition is like a YAMLified version of properties file
|
||||
# with one major difference. All custom properties are now clubbed together
|
||||
# in a config section in the definition.
|
||||
# The first line describes the name of the job
|
||||
- name: AZTest
|
||||
type: noop
|
||||
# The dependsOn section contains the list of parent nodes the current
|
||||
# node depends on
|
||||
dependsOn:
|
||||
- hadoopWC1
|
||||
- NoOpTest1
|
||||
- hive2
|
||||
- java1
|
||||
- jobCommand2
|
||||
|
||||
- name: pigWordCount1
|
||||
type: pig
|
||||
# The config section contains custom arguments or parameters which are
|
||||
# required by the job
|
||||
config:
|
||||
pig.script: src/main/pig/wordCountText.pig
|
||||
|
||||
- name: hadoopWC1
|
||||
type: hadoopJava
|
||||
dependsOn:
|
||||
- pigWordCount1
|
||||
config:
|
||||
classpath: ./*
|
||||
force.output.overwrite: true
|
||||
input.path: ${param.inData}
|
||||
job.class: com.linkedin.wordcount.WordCount
|
||||
main.args: ${param.inData} ${param.hadoopOutData}
|
||||
output.path: ${param.hadoopOutData}
|
||||
|
||||
- name: hive1
|
||||
type: hive
|
||||
config:
|
||||
hive.script: src/main/hive/showdb.q
|
||||
|
||||
- name: NoOpTest1
|
||||
type: noop
|
||||
|
||||
- name: hive2
|
||||
type: hive
|
||||
dependsOn:
|
||||
- hive1
|
||||
config:
|
||||
hive.script: src/main/hive/showTables.sql
|
||||
|
||||
- name: java1
|
||||
type: javaprocess
|
||||
config:
|
||||
Xms: 96M
|
||||
java.class: com.linkedin.foo.HelloJavaProcessJob
|
||||
|
||||
- name: jobCommand1
|
||||
type: command
|
||||
config:
|
||||
command: echo "hello world from job_command_1"
|
||||
|
||||
- name: jobCommand2
|
||||
type: command
|
||||
dependsOn:
|
||||
- jobCommand1
|
||||
config:
|
||||
command: echo "hello world from job_command_2"
|
||||
```
|
||||
|
||||
## 二、YAML语法
|
||||
|
||||
想要进行Flow流的配置，首先需要了解YAML ，YAML 是一种简洁的非标记语言，有着严格的格式要求的，如果你的格式配置失败，上传到Azkaban的时候就会抛出解析异常。
|
||||
|
||||
### 2.1 基本规则
|
||||
|
||||
1. 大小写敏感
|
||||
2. 使用缩进表示层级关系
|
||||
3. 缩进长度没有限制，只要元素对齐就表示这些元素属于一个层级。
|
||||
4. 使用#表示注释
|
||||
5. 字符串默认不用加单双引号，但单引号和双引号都可以使用，双引号不会对特殊字符转义。
|
||||
6. YAML中提供了多种常量结构，包括：整数，浮点数，字符串，NULL，日期，布尔，时间。
|
||||
|
||||
### 2.2 对象的写法
|
||||
|
||||
```yaml
|
||||
# value 与 ： 符号之间必须要有一个空格
|
||||
key: value
|
||||
```
|
||||
|
||||
### 2.3 map的写法
|
||||
|
||||
```yaml
|
||||
# 写法一 同一缩进的所有键值对属于一个map
|
||||
key:
|
||||
key1: value1
|
||||
key2: value2
|
||||
|
||||
# 写法二
|
||||
{key1: value1, key2: value2}
|
||||
```
|
||||
|
||||
### 2.3 数组的写法
|
||||
|
||||
```yaml
|
||||
# 写法一 使用一个短横线加一个空格代表一个数组项
|
||||
- a
|
||||
- b
|
||||
- c
|
||||
|
||||
# 写法二
|
||||
[a,b,c]
|
||||
```
|
||||
|
||||
### 2.5 单双引号
|
||||
|
||||
单引号和双引号都可以使用，双引号不会对特殊字符转义。
|
||||
|
||||
```yaml
|
||||
s1: '内容\n字符串'
|
||||
s2: "内容\n字符串"
|
||||
|
||||
转换后：
|
||||
{ s1: '内容\\n字符串', s2: '内容\n字符串' }
|
||||
```
|
||||
|
||||
### 2.6 特殊符号
|
||||
|
||||
`---` YAML可以在同一个文件中，使用`---`表示一个文档的开始。
|
||||
|
||||
### 2.7 配置引用
|
||||
|
||||
在Azkaban中可以使用`${}`引用定义的配置，同时也建议将公共的参数抽取到config中，并使用`${}`进行引用。
|
||||
|
||||
|
||||
|
||||
## 三、简单任务调度
|
||||
|
||||
### 3.1 任务配置
|
||||
|
||||
新建`flow`配置文件
|
||||
|
||||
```yaml
|
||||
nodes:
|
||||
- name: jobA
|
||||
type: command
|
||||
config:
|
||||
command: echo "Hello Azkaban Flow 2.0."
|
||||
```
|
||||
|
||||
在当前的版本中，由于Azkaban是同时支持Flow 1.0 和 Flow 2.0的，如果你想让Azkaban知道你是希望以2.0方式运行，则需要新建一个`project`文件，指明是使用的Flow 2.0
|
||||
|
||||
```shell
|
||||
azkaban-flow-version: 2.0
|
||||
```
|
||||
|
||||
### 3.2 打包上传
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simple.png"/> </div>
|
||||
|
||||
|
||||
|
||||
### 3.3 执行结果
|
||||
|
||||
由于在1.0 版本中已经介绍过web ui的使用，这里就不再赘述，对于1.0和2.0版本，只有配置的方式是不同的，其他上传执行的操作方式都是相同的。执行结果如下：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-simle-result.png"/> </div>
|
||||
|
||||
## 四、多任务调度
|
||||
|
||||
和1.0给的案例一样，这里假设我们有五个任务（jobA——jobE）,D任务需要在A，B，C任务执行完成后才能执行，而E任务则需要在D任务执行完成后才能执行。`Flow`配置如下。可以看到在1.0中我们需要分别定义五个配置文件，而在2.0中我们只需要一个配置文件即可完成配置。
|
||||
|
||||
```yaml
|
||||
nodes:
|
||||
- name: jobE
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job E"
|
||||
# jobE depends on jobD
|
||||
dependsOn:
|
||||
- jobD
|
||||
|
||||
- name: jobD
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job D"
|
||||
# jobD depends on jobA、jobB、jobC
|
||||
dependsOn:
|
||||
- jobA
|
||||
- jobB
|
||||
- jobC
|
||||
|
||||
- name: jobA
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job A"
|
||||
|
||||
- name: jobB
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job B"
|
||||
|
||||
- name: jobC
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job C"
|
||||
```
|
||||
|
||||
## 五、内嵌流
|
||||
|
||||
Flow2.0 支持在一个Flow中定义另一个Flow，称为内嵌流或者子流。这里给出一个内嵌流的示例，其`Flow`配置如下：
|
||||
|
||||
```yaml
|
||||
nodes:
|
||||
- name: jobC
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job C"
|
||||
dependsOn:
|
||||
- embedded_flow
|
||||
|
||||
- name: embedded_flow
|
||||
type: flow
|
||||
config:
|
||||
prop: value
|
||||
nodes:
|
||||
- name: jobB
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job B"
|
||||
dependsOn:
|
||||
- jobA
|
||||
|
||||
- name: jobA
|
||||
type: command
|
||||
config:
|
||||
command: echo "This is job A"
|
||||
```
|
||||
|
||||
内嵌流的DAG图如下：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-flow.png"/> </div>
|
||||
|
||||
执行情况如下：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/azkaban-embeded-success.png"/> </div>
|
||||
|
||||
|
||||
|
||||
## 参考资料
|
||||
|
||||
1. [Azkaban Flow 2.0 Design](https://github.com/azkaban/azkaban/wiki/Azkaban-Flow-2.0-Design)
|
||||
2. [Getting started with Azkaban Flow 2.0](https://github.com/azkaban/azkaban/wiki/Getting-started-with-Azkaban-Flow-2.0)
|
||||
|
||||
|
||||
@ -29,6 +29,12 @@
|
||||
|
||||
## 一、基本命令
|
||||
|
||||
首先打开Hbase Shell
|
||||
|
||||
```shell
|
||||
# habse shell
|
||||
```
|
||||
|
||||
#### 1.1 获取帮助
|
||||
|
||||
```shell
|
||||
|
||||
0
notes/Hbase协处理器.md
Normal file
0
notes/Hbase协处理器.md
Normal file
197
notes/Hbase容灾与备份.md
Normal file
197
notes/Hbase容灾与备份.md
Normal file
@ -0,0 +1,197 @@
|
||||
# Hbase容灾与备份
|
||||
<nav>
|
||||
<a href="#一前言">一、前言</a><br/>
|
||||
<a href="#二CopyTable">二、CopyTable</a><br/>
|
||||
<a href="#21-简介">2.1 简介</a><br/>
|
||||
<a href="#22-命令格式">2.2 命令格式</a><br/>
|
||||
<a href="#23-常用命令">2.3 常用命令</a><br/>
|
||||
<a href="#24-更多参数">2.4 更多参数</a><br/>
|
||||
<a href="#三ExportImport">三、Export/Import</a><br/>
|
||||
<a href="#31-简介">3.1 简介</a><br/>
|
||||
<a href="#32-命令格式">3.2 命令格式</a><br/>
|
||||
<a href="#33-常用命令">3.3 常用命令</a><br/>
|
||||
<a href="#四Snapshot">四、Snapshot</a><br/>
|
||||
<a href="#41-简介">4.1 简介</a><br/>
|
||||
<a href="#42-配置">4.2 配置</a><br/>
|
||||
<a href="#43-常用命令">4.3 常用命令</a><br/>
|
||||
<a href="#1-Take-a-Snapshot">1. Take a Snapshot</a><br/>
|
||||
<a href="#2-Listing-Snapshots">2. Listing Snapshots</a><br/>
|
||||
<a href="#3-Deleting-Snapshots">3. Deleting Snapshots</a><br/>
|
||||
<a href="#4-Clone-a-table-from-snapshot">4. Clone a table from snapshot</a><br/>
|
||||
<a href="#5-Restore-a-snapshot">5. Restore a snapshot</a><br/>
|
||||
</nav>
|
||||
|
||||
## 一、前言
|
||||
|
||||
本文主要介绍Hbase常用的三种简单的容灾备份方案，即CopyTable、Export/Import、Snapshot。分别介绍如下：
|
||||
|
||||
|
||||
|
||||
## 二、CopyTable
|
||||
|
||||
### 2.1 简介
|
||||
|
||||
CopyTable 可以将现有表的数据复制到新表中，具有以下特点：
|
||||
|
||||
- 支持时间区间 、row区间,改变表名称, 改变列族名称,指定是否 Copy已经被删除的数据等功能；
|
||||
- 执行命令前，需先创建与原表结构相同的新表；
|
||||
- CopyTable工具采用scan查询, 写入新表时采用put和delete API, 全是基于hbase的client Api进行读写。
|
||||
|
||||
### 2.2 命令格式
|
||||
|
||||
```shell
|
||||
Usage: CopyTable [general options] [--starttime=X] [--endtime=Y] [--new.name=NEW] [--peer.adr=ADR] <tablename>
|
||||
```
|
||||
|
||||
### 2.3 常用命令
|
||||
|
||||
1. 同集群下CopyTable
|
||||
|
||||
```shell
|
||||
hbase org.apache.hadoop.hbase.mapreduce.CopyTable --new.name=tableCopy tableOrig
|
||||
```
|
||||
|
||||
2. 不同集群下CopyTable
|
||||
|
||||
```shell
|
||||
# 两表名称相同的情况
|
||||
hbase org.apache.hadoop.hbase.mapreduce.CopyTable --peer.adr=dstClusterZK:2181:/hbase tableOrig
|
||||
|
||||
# 也可以指新的表名
|
||||
hbase org.apache.hadoop.hbase.mapreduce.CopyTable --peer.adr=dstClusterZK:2181:/hbase --new.name=tableCopy tableOrig
|
||||
```
|
||||
|
||||
|
||||
3. 下面是一个官方给的比较完整的例子，指定开始和结束时间，集群地址，以及只复制指定的列族：
|
||||
|
||||
```shell
|
||||
hbase org.apache.hadoop.hbase.mapreduce.CopyTable --starttime=1265875194289 --endtime=1265878794289 --peer.adr=server1,server2,server3:2181:/hbase --families=myOldCf:myNewCf,cf2,cf3 TestTable
|
||||
```
|
||||
|
||||
### 2.4 更多参数
|
||||
|
||||
可以通过`--help`查看更多支持的参数
|
||||
|
||||
```shell
|
||||
# hbase org.apache.hadoop.hbase.mapreduce.CopyTable --help
|
||||
```
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-copy-table.png"/> </div>
|
||||
|
||||
|
||||
|
||||
## 三、Export/Import
|
||||
|
||||
### 3.1 简介
|
||||
|
||||
- Export可导出数据到HDFS, 然后可通过Import导入数据, Export支持指定开始时间和结束时间, 因此可以做增量备份；
|
||||
- Export导出工具与CopyTable一样是依赖hbase的scan读取数据
|
||||
|
||||
### 3.2 命令格式
|
||||
|
||||
```shell
|
||||
# Export
|
||||
bin/hbase org.apache.hadoop.hbase.mapreduce.Export <tablename> <outputdir> [<versions> [<starttime> [<endtime>]]]
|
||||
|
||||
# Inport
|
||||
bin/hbase org.apache.hadoop.hbase.mapreduce.Import <tablename> <inputdir>
|
||||
```
|
||||
|
||||
+ 对于导出，`outputdir`目录可以不用预先创建，程序会自动创建。导出完成后，导出的文件将由调用导出命令的用户拥有。
|
||||
+ 默认情况下，仅导出给定`Cell`的最新版本，而不管存储的版本数量。要导出多个版本，需要将\<versions>替换为所需的版本数。
|
||||
|
||||
### 3.3 常用命令
|
||||
|
||||
1. 导出命令
|
||||
|
||||
```shell
|
||||
hbase org.apache.hadoop.hbase.mapreduce.Export tableName hdfs路径/tableName.db
|
||||
```
|
||||
|
||||
2. 导入命令
|
||||
|
||||
```
|
||||
hbase org.apache.hadoop.hbase.mapreduce.Import tableName hdfs路径/tableName.db
|
||||
```
|
||||
|
||||
|
||||
|
||||
## 四、Snapshot
|
||||
|
||||
### 4.1 简介
|
||||
|
||||
HBase快照（Snapshot）允许您获取表的副本（包括内容和元数据），并且性能开销很小。因为快照存储的仅仅是表的元数据和HFiles的信息。
|
||||
|
||||
快照的“clone”操作会从该快照创建新表，快照的“restore”将表的内容还原到快照节点。“clone”和“restore”操作不需要复制任何数据，因为底层HFiles（包含HBase表数据的文件）不会被任何操作修改，修改的只是表的元数据信息。
|
||||
|
||||
其实在版本0.94.6之前，备份或克隆表的唯一方法是使用CopyTable / ExportTable，或者在禁用表后复制HDFS中的所有HFiles。这些方都会降低Region服务器性能（复制/导出表），且在禁用表，会导致表无法读取或写入，这在实际的生产环境中都是不允许的。
|
||||
|
||||
### 4.2 配置
|
||||
|
||||
Snapshot快照功能默认是没有开启的，如果要开启快照，则需要预先在`hbase-site.xml`文件中添加如下配置项：
|
||||
|
||||
```xml
|
||||
<property>
|
||||
<name>hbase.snapshot.enabled</name>
|
||||
<value>true</value>
|
||||
</property>
|
||||
```
|
||||
|
||||
|
||||
|
||||
### 4.3 常用命令
|
||||
|
||||
预先说明一下之前的CopyTable、Export/Import命令都是在系统环境下直接执行的，而快照的所有命令都需要在Hbase Shell交互式命令行中执行。
|
||||
|
||||
#### 1. Take a Snapshot
|
||||
|
||||
```shell
|
||||
# 拍摄快照
|
||||
hbase> snapshot '表名', '快照名'
|
||||
```
|
||||
|
||||
默认情况下拍摄快照之前会在内存中执行数据刷新。以保证内存中的数据包含在快照中。但是如果你不希望包含内存中的数据，则可以使用`SKIP_FLUSH`选项禁止刷新。
|
||||
|
||||
```shell
|
||||
# 禁止内存刷新
|
||||
hbase> snapshot '表名', '快照名', {SKIP_FLUSH => true}
|
||||
```
|
||||
|
||||
#### 2. Listing Snapshots
|
||||
|
||||
```shell
|
||||
# 获取快照列表
|
||||
hbase> list_snapshots
|
||||
```
|
||||
|
||||
#### 3. Deleting Snapshots
|
||||
|
||||
```shell
|
||||
# 删除快照
|
||||
hbase> delete_snapshot '快照名'
|
||||
```
|
||||
|
||||
#### 4. Clone a table from snapshot
|
||||
|
||||
```shell
|
||||
# 从现有的快照创建一张新表
|
||||
hbase> clone_snapshot '快照名', '新表名'
|
||||
```
|
||||
|
||||
#### 5. Restore a snapshot
|
||||
|
||||
将表恢复到快照节点，恢复操作需要先禁用表
|
||||
|
||||
```shell
|
||||
hbase> disable '表名'
|
||||
hbase> restore_snapshot '快照名'
|
||||
```
|
||||
|
||||
这里还需要注意的：是如果Hbase配置了基于Replication的主从复制，由于Replication在日志级别工作，而快照在文件系统级别工作，因此在还原之后，会出现副本与主服务器处于不同的状态的情况。这时候可以先停止同步，所有服务器还原到一致的数据点后再重新建立同步。
|
||||
|
||||
|
||||
|
||||
## 参考资料
|
||||
|
||||
1. [Online Apache HBase Backups with CopyTable](https://blog.cloudera.com/blog/2012/06/online-hbase-backups-with-copytable-2/)
|
||||
2. [Apache HBase ™ Reference Guide](http://hbase.apache.org/book.htm)
|
||||
@ -202,7 +202,15 @@ hadoop001
|
||||
|
||||
|
||||
|
||||
### 3.6 验证启动是否成功
|
||||
### 3.6 启动
|
||||
|
||||
```shell
|
||||
# bin/start-hbase.sh
|
||||
```
|
||||
|
||||
|
||||
|
||||
### 3.7 验证启动是否成功
|
||||
|
||||
验证方式一：JPS 查看进程，其中HMaster,HRegionServer,HQuorumPeer三个进程是HBase的进程（其中HQuorumPeer是Hbase内置的Zookeeper的进程），其余的为HDFS和YARN的进程。
|
||||
|
||||
|
||||
@ -4,6 +4,14 @@
|
||||
>
|
||||
> 系统环境：Centos 7.6
|
||||
|
||||
<nav>
|
||||
<a href="#11-下载并解压">1.1 下载并解压</a><br/>
|
||||
<a href="#12-配置环境变量">1.2 配置环境变量</a><br/>
|
||||
<a href="#13-修改配置">1.3 修改配置</a><br/>
|
||||
<a href="#14-拷贝数据库驱动">1.4 拷贝数据库驱动</a><br/>
|
||||
<a href="#15-初始化元数据库">1.5 初始化元数据库</a><br/>
|
||||
<a href="#16-启动">1.6 启动</a><br/>
|
||||
</nav>
|
||||
### 1.1 下载并解压
|
||||
|
||||
下载所需版本的Hive，这里我下载的是`cdh5.15.2`版本的Hive。下载地址为：http://archive.cloudera.com/cdh5/cdh/5/
|
||||
@ -86,7 +94,7 @@ HADOOP_HOME=/usr/app/hadoop-2.6.0-cdh5.15.2
|
||||
|
||||
将MySQL驱动拷贝到Hive安装目录的`lib`目录下, MySQL驱动的下载地址为https://dev.mysql.com/downloads/connector/j/ , 在本仓库的resources目录下我也上传了一份，有需要的可以自行下载。
|
||||
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hive-mysql.png"/> </div>
|
||||
|
||||
|
||||
|
||||
@ -111,8 +119,8 @@ HADOOP_HOME=/usr/app/hadoop-2.6.0-cdh5.15.2
|
||||
# Hive
|
||||
```
|
||||
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hive-install-2.png"/> </div>
|
||||
|
||||
在Mysql中也能看到Hive创建的库和存放元数据信息的表
|
||||
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hive-mysql-tables.png"/> </div>
|
||||
BIN
pictures/hbase-copy-table.png
Normal file
BIN
pictures/hbase-copy-table.png
Normal file
Binary file not shown.
|
After Width: | Height: | Size: 50 KiB |
Loading…
x
Reference in New Issue
Block a user