Hive全库数据迁移方案

Hive的迁移涉及两个技术点：

1. 仅迁移元数据（参考网易云提出的思路，https://sq.163yun.com/blog/article/173577620075286528）；
2. 元数据及Hive数据全量迁移。

考虑到多数场景是迁移整个Hive数据库，该篇文章只介绍迁移的第二种，即元数据及Hive数据全量迁移。

这里使用的export/import这两个指令
主要的流程：

1. 将旧集群的hive数据导出至其hdfs中
2. 将旧集群hdfs中的导出数据下载到本地中
3. 将本地的导出数据上传至新的集群hdfs中
4. 将新集群hdfs中的数据导入至新集群中的hive中

● 将旧集群的hive数据导出至其hdfs中

数据导出

设置hive启动默认数据库

在家目录中新建.hiverc文件，配置默认的数据库(即你需要导出的数据库)

vim ~/.hiverc
use export_db;

在hdfs上创建导出目录

hdfs dfs -mkdir -p /tmp/export_db_export

导出旧集群的hive数据

生成导出脚本

hive -e "show tables;" | awk  '{printf "export table %s to |/tmp/export_db_export/%s|;\n",$1,$1}' | sed "s/|/'/g" | grep -v tab_name > ~/export.hql

导出数据

hive -f ~/export.hql

● 将导出的数据下载到本地

数据中转

下载数据

hdfs dfs -get /tmp/export_db_export ~/export_db

● 将本地的导出数据上传至新的集群hdfs中

数据迁移

前提：已将导出的数据目录迁移至新集群

上传数据

hdfs dfs -put ~/export_db /tmp/export_db_export

注：这里的/tmp/export_db_export需要提前创建

● 将新集群hdfs中的数据导入至新集群中的hive中

数据导入

生成导入脚本

我们将之前的export.hql脚本修改下就可以当做我们的import.hql脚本

cp ~/export.sql ~/import.sql
sed -i 's/export /import /g' ~/import.sql
sed -i 's/ to / from /g' ~/import.sql

导入数据

这里也需要设置hive的默认数据库

vim ~/.hiverc
use import_db;

导入数据

hive -f ~/import.sql

至此Hive数据的迁移就完成.

在部分有安全控制的集群环境下，hive连接被禁用了。这时候需要使用beeline连接hive并进行数据迁移,下面给大家介绍下如何使用beeline来进行数据迁移

使用beeline进行导出脚本的生成

beeline -u jdbc:hive2://cdh01:10000 -e "use export_db;show tables;"| awk '{printf "export table %s to |/tmp/export_db_export/%s|;\n",$2,$2}' | sed "s/|/'/g"|sed '1,3d'|sed '$d' > ~/export.hql

执行导出脚本

sed -i '1i use export_db;' ~/export.hql
beeline -u jdbc:hive2://cdh01:10000 -n hdfs -f ~/export.hql

这里使用distcp来进行hdfs文件在新集群的上传

hadoop distcp hdfs://cdh01:8020/tmp/export_db_export/ hdfs://cdh02:8020/tmp/export_db_export

新的集群hdfs目录需要提前创建

修改import.hql

cp ~/export.hql ~/import.hql
sed -i 's/export /import /g' ~/import.hql
sed -i 's/ to / from /g' ~/import.hql
sed -i '1d' ~/import.hql
sed -i '1i use import_db;' ~/import.hql

导入数据

create database import_db;
beeline -u jdbc:hive2://cdh02:10000 -n hdfs -f ~/import.hql

至此数据迁移完成