数据湖实操讲解【数据迁移】第三讲:如何将 HDFS 海量文件归档到OSS

本期导读 :【数据迁移】第三讲

主题:如何将 HDFS 海量文件归档到 OSS
讲师:辰石,阿里巴巴计算平台事业部 EMR 技术专家
内容框架:
  • 背景介绍
  • 具体功能详解
  • 使用实例
直播回放链接:(3/4讲)

https://developer.aliyun.com/live/246750

背景简述

数据湖实操讲解【数据迁移】第三讲:如何将 HDFS 海量文件归档到OSS

HDFS 数据迁移

  • 用户需要将数据存储在 IDC 机房的 HDFS 的集群内。
  • HDFS 的集群的空间依赖本地磁盘空间,本地磁盘空间有限,但是业务数据不断增长。
  • 计算存储分离虽然可以不用担心存储容量,但是对象存储相关性能可能不及本地 HDFS 性能。
  • 业务数据的时效性,业务数据随时间迁移数据价值也会相对降低,从而导致数据的存储成本上升。

HDFS 数据存储成本

数据湖实操讲解【数据迁移】第三讲:如何将 HDFS 海量文件归档到OSS
考虑到实际使用 HDFS 会有3副本以及一定的预留空间,我们以 HDFS 3 副本、80% 使用率进行成本计算, 参考 https://www.aliyun.com/price/product#/ecs/detail

HDFS / OSS 存储成本对比

数据湖实操讲解【数据迁移】第三讲:如何将 HDFS 海量文件归档到OSS
OSS 归档数据的存储成本只有 HDFS 数据存储成本的 20% , OSS冷归档的存储不到 HDFS 数据存储的 10%

具体详解

HDFS 数据归档

Jindo DistCp 工具

  • 全量支持 HDFS / OSS / S3 之间的的数据拷贝场景
  • 重点优化 HDFS / OSS 数据拷贝场景,支持 No-Rename 拷贝
  • 支持 DistCp 过程数据 CheckSum 校验

⭐具体可参考 Github:
https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/tools/table_moveto.md

通过 DistCp 工具选项 —— policy 指定数据存储类型

/ 选项说明
标准(standard) 数据迁移到OSS标准存储,可读
低频(ia) 数据迁移到OSS低频存储,可读
归档(archive) 数据迁移到OSS归档存储,不可直接读取
冷归档(coldArchive) 数据迁移到OSS冷归档存储,不可直接读取

HDFS 数据迁移命令

  • 写入低频数据

hadoop jar jindo-distcp-3.5.0.jar --src /data --dest oss://destBucket/ --ossKey yourkey -- ossSecret yoursecret --ossEndPoint oss-cn-xxx.aliyuncs.com --policy ia --parallelism 10

  • 写入归档数据

hadoop jar jindo-distcp-3.5.0.jar --src /data --dest oss://destBucket/ --ossKey yourkey --ossSecret yoursecret --ossEndPoint oss-cn-xxx.aliyuncs.com --policy archive --parallelism 10

  • 写入冷归档数据

hadoop jar jindo-distcp-3.5.0.jar --src /data --dest oss://destBucket/ --ossKey yourkey --ossSecret yoursecret --ossEndPoint oss-cn-xxx.aliyuncs.com --policy coldArchive --parallelism 10

HDFS 命令查看数据类型

  • HDFS LS2 扩展命令

hdfs –fs –ls2 oss://xxxxx/xxxxx

  • 可参考详细介绍链接

https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/jindo_distcp/jindo_distcp_hdfsToOss_pre.md

演示操作

  • 准备测试脚本,包含 DistCp 到OSS 各种存储类型的文件,测试文件大小为10M
  • 执行测试脚本进行数据拷贝
  • 查看 OSS 数据的存储类型

数据湖实操讲解【数据迁移】第三讲:如何将 HDFS 海量文件归档到OSS

直接观看视频回放,获取实例讲解~https://developer.aliyun.com/live/246750


⭐Github链接:
https://github.com/aliyun/alibabacloud-jindofs

不错过每次直播信息、探讨更多数据湖 JindoFS+OSS 相关技术问题,欢迎扫码加入钉钉交流群!
数据湖实操讲解【数据迁移】第三讲:如何将 HDFS 海量文件归档到OSS

上一篇:discuz 模块模板标签说明 DIY模块模板语法详解


下一篇:数据湖实操讲解【数据迁移】第四讲:如何将 Hive 数据按分区归档到 OSS