Hbase容灾与备份
This commit is contained in:
罗祥
parent
2ba8ea5db7
commit
2d31205175
@ -1,4 +1,23 @@
|
||||
# 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
|
||||
|
||||
@ -15,7 +34,7 @@ Azkaban提供了人性化的WEB UI界面，使得我们可以通过界面上传
|
||||
|
||||
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
|
||||
|
||||
@ -31,29 +50,29 @@ command=echo 'Hello Azkaban!'
|
||||
|
||||
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
|
||||
|
||||
@ -102,17 +121,17 @@ dependencies=Task-D
|
||||
|
||||
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。
|
||||
|
||||
@ -127,7 +146,7 @@ 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
|
||||
|
||||
@ -140,7 +159,7 @@ command=/usr/app/hadoop-2.6.0-cdh5.15.2/bin/hadoop jar /usr/app/hadoop-2.6.0-cdh
|
||||
|
||||
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
|
||||
|
||||
@ -173,25 +192,25 @@ 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
|
||||
|
||||
## 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
|
||||
|
||||
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
|
||||
|
||||
@ -199,7 +218,7 @@ desc emp;
|
||||
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，
|
||||
|
||||
|
||||
@ -1,4 +1,23 @@
|
||||
# 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
|
||||
|
||||
@ -193,7 +212,7 @@ 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>
|
||||
|
||||
|
||||
|
||||
@ -201,7 +220,7 @@ azkaban-flow-version: 2.0
|
||||
|
||||
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
|
||||
|
||||
@ -276,11 +295,11 @@ nodes:
|
||||
|
||||
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>
|
||||
|
||||
|
||||
|
||||
|
||||
@ -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