两集群数据拷贝

业务场景:
  • 公司有两套集群,A集群专门做数据存储,B集群专门做数据清洗和数据展现
  • A集群每天定时把数据同步过来B集群后,B集群负责后续清洗和供业务系统使用
集群背景
  • 两套集群都配有各自的KDC服务器
  • A集群没做namenode HA,B集群是HA
  • 集群拷贝的数据为parquet格式
  • A集群域为A.CN,B集群域为B.COM
  • 数据从A到B

第一步 KDC互信 (没有配置kerberos的可以忽略)

  • 假设是A集群拷贝数据到B集群
  • 两边添加相同principal
#A访问B,两个REALM需要共同拥有名为 krbtgt/B.COM@A.CN的principal
#两个Keys需要保证密码,version number和加密方式一致
#在主KDC节点执行以下命令,两个集群都要
kadmin.local
addprinc –e "aes128-cts:normal des3-hmac-sha1:normal arcfour-hmac:normal camellia256-cts:normal camellia128-cts:normal des-hmac-sha1:normal des-cbc-md5:normal " krbtgt/B.COM@A.CN
  • 两边添加user和principal规则映??


    受信任的领域.png

设置hadoop.security.auth_to_local参数

<property>
<name>hadoop.security.auth_to_local</name> 
<value>RULE:[1:$1@$0](^.*@A\.CN$)s/^(.*)@A\.CN$/$1/g 
RULE:[2:$1@$0](^.*@A\.CN$)s/^(.*)@A\.CN$/$1/g 
RULE:[1:$1@$0](^.*@B\.COM$)s/^(.*)@B\.COM$/$1/g 
RULE:[2:$1@$0](^.*@B\.COM$)s/^(.*)@B\.COM$/$1/g 
DEFAULT 
</value> 
</property>

  • 在krb5.conf中配置信任关系
  • 在两集群/etc/krb5.conf文件配置domain和realm的映射关系
  • A集群
[capaths]
  A.CN = {
     B.COM= .
  }
  • B集群
[capaths]
  B.COM = {
    A.CN = .
  }
  • 配置realms
  • A集群添加以下
[realms]
B.COM = {
  kdc = node1
  admin_server = node1
  kdc = node2
}
  • B集群添加以下
[realms]
A.CN = {
   kdc = snn
   admin_server = snn
   default_realm = A.CN
}
  • 两边配置domain_realm
  • A B集群添加以下
[domain_realm] 
.B.COM = B.COM 
B.COM = B.COM
snn = A.CN
  • 重启kerberos

  • 配置hdfs-site.xml,设置dfs.namenode.kerberos.principal.pattern为"*"


    namenode,kerberos.principal.png
  • 重启hdfs

  • 测试

[root@node1 ~]# hdfs dfs -ls /
Found 7 items
drwxr-xr-x   - hdfs  supergroup          0 2018-06-29 14:23 /flume
drwx------   - hbase hbase               0 2018-08-08 11:53 /hbase
drwxr-xr-x   - hdfs  supergroup          0 2018-04-04 23:47 /lsltest
drwxr-xr-x   - sdc   sdc                 0 2018-07-12 10:18 /sdc
drwxrwxrwt   - hdfs  supergroup          0 2018-08-16 10:53 /tmp
drwxr-xr-x   - hdfs  supergroup          0 2018-08-09 11:02 /user
drwxr-xr-x   - hdfs  supergroup          0 2018-04-23 17:03 /usr
[root@node1 ~]# hdfs dfs -ls hdfs://node1:8020/
Found 3 items
drwxrwxrwx   - hdfs supergroup          0 2018-06-04 14:52 hdfs://node1:8020/data
drwxrwxrwt   - hdfs supergroup          0 2018-07-03 19:26 hdfs://node1:8020/tmp
drwxr-xr-x   - hdfs supergroup          0 2018-06-11 12:17 hdfs://node1:8020/user
[root@node1 ~]# 
  • 这样两集群算是互通了

第二步 数据拷贝

  • 数据拷贝用hadoop自带的distcp命令
  • 执行该命令为mapreduce操作,需消耗本机yarn资源
#数据拷贝,往活动的namenode发送数据
hadoop distcp  -overwrite -i hdfs://snn:9000/dev_hive/warehouse/gtp.db/product/partition_date=20180601 webhdfs://node1:50070/user/hive/warehouse/gtp_tmp.db/product/partition_date=20180601
  • 这时候有个问题:集群B是做了namenode高可用,而且活动节点会时不时切换,这就会导致一个问题,假如A集群写死往一个namenode写数据,那该namenode变成standby状态的时候,就会导致拷贝失败
    ERROR tools.DistCp: Exception encountered
    org.apache.hadoop.security.AccessControlException: Authentication required
    at org.apache.hadoop.hdfs.web.WebHdfsFileSystem.validateResponse(WebHdfsFileSystem.java:457)
    at org.apache.hadoop.hdfs.web.WebHdfsFileSystem.access$200(WebHdfsFileSystem.java:113)
    at org.apache.hadoop.hdfs.web.WebHdfsFileSystem$AbstractRunner.runWithRetry
    (WebHdfsFileSystem.java:738)
    at org.apache.hadoop.hdfs.web.WebHdfsFileSystem$AbstractRunner.access$100(WebHdfsFileSystem.java:582)
    at org.apache.hadoop.hdfs.web.WebHdfsFileSystem$AbstractRunner$1.run(WebHdfsFileSystem.java:612)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:422)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1724)

或者

ls: Operation category READ is not supported in state standby
  • 这时候需要在A集群hdfs-site.xml配置B集群namenode信息
 <property>
    <name>dfs.nameservices</name>
    <value>bdap-nameservice</value>
  </property>
  <property>
    <name>dfs.client.failover.proxy.provider.bdap-nameservice</name>
    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
  </property>
  <property>
    <name>dfs.ha.automatic-failover.enabled.bdap-nameservice</name>
    <value>true</value>
  </property>
  <property>
    <name>ha.zookeeper.quorum</name>
    <value>node1:2181,node2:2181,node1:2181</value>
  </property>
  <property>
    <name>dfs.ha.namenodes.bdap-nameservice</name>
    <value>namenode81,namenode132</value>
  </property>
  <property>
    <name>dfs.namenode.rpc-address.bdap-nameservice.namenode81</name>
    <value>node1:8020</value>
  </property>
  <property>
    <name>dfs.namenode.servicerpc-address.bdap-nameservice.namenode81</name>
    <value>node1:8022</value>
  </property>
  <property>
    <name>dfs.namenode.http-address.bdap-nameservice.namenode81</name>
    <value>node1:50070</value>
  </property>
  <property>
    <name>dfs.namenode.https-address.bdap-nameservice.namenode81</name>
    <value>node1:50470</value>
  </property>
  <property>
    <name>dfs.namenode.rpc-address.bdap-nameservice.namenode132</name>
    <value>node2:8020</value>
  </property>
  • 集群的客户端信息可以从CDH直接下载


    下载客户端.png
  • 重启hdfs

  • 命令从明确的一个namenode ip改为bdap-nameservice,根据上述的配置

hadoop distcp  -overwrite -i hdfs: //snn:9000/dev_hive/warehouse/gtp.db/product/partition_date=20180601 webhdfs://bdap-nameservice/user/hive/warehouse/gtp_tmp.db/product/partition_date=20180601

第三步 数据修复

  • 第二步是直接把parquet文件或者整个分区拷贝到相应的目录下,这时候还不能直接使用这些数据,需要修复表,刷新元数据
  • 这时候可以通过ssh命令从A集群登陆B集群,通过表修复命令实现修复元数据
#ssh到B集群,执行B集群的脚本实现表修复
#自动填充密码
#!/bin/sh
#假设有以下表
a=('product' 'product' 'product')

for var in ${a[@]};
do
expect<<-END
set timeout 10000
 spawn sh /usr/deng_yb/repair.sh $var
 expect "password: "
 send "wms\n"
expect eof
exit
END
done
# 通过beeline,msck repair table命令修复表结构
#!/bin/sh
table=$1
ssh wms@node1  << eeooff
beeline -u 'jdbc:hive2://node1:10000/gtp_tmp;principal=hive/node1@B.COM' --hiveconf mapreduce.job.queuename=datacenter  -e 'msck repair table ${table};'
eeooff
  • 这样第二步和第三步就可以在同一个调度系统按顺序完成
  • 这时候表修复完后,通过hive是可以查到数据的,但是impala还不行
  • 这时候要刷新impala元数据,最好再做下表分析,这样查表的时候评估的内存使用就会更加准确
#impala刷新元信息
INVALIDATE METADATA gtp_tmp.product
#表分析
COMPUTE INCREMENTAL STATS gtp_tmp.product

第四步 数据清洗

  • 第二和三步骤把把数据拷贝过来修复好后,B集群可以在基础数据上面做清洗,整理出业务系统需要的报表数据
  • B集群是impala清洗,为什么用impala不用hive,原因如下
    1. A集群把数据清洗完,并distcp过来,做完元信息修复后,剩余给B集群做清洗的时间不多
    2. yarn和impala资源对半分情况下,impala比MapReduce任务快至少20倍
  • 大表全量的任务要分区跑,或者根据时间切分跑,否则会报以下异常


    内存消耗过多.png
  • impala任务,类似以下
impala-shell -i node1:25003 -q  "
 INSERT OVERWRITE TABLE gtp.product_target
      select 
        id,
        item_no,
       ....
     from  gtp_tmp.product
     group by id, item_no....
          
"
  • B端集群清洗完后的表做刷新元数据和表分析,然后就可以给业务系统通过jdbc方式连接impala查询相应数据了
  • 注意:所有执行脚本都统一在一个调度系统中,可以选择开源的azkaban
  • 整体流程结构就是
  1. A 集群数据清洗
  2. AB端kerberos认证通过
  3. A distcp数据 B
  4. A ssh B 修复hive和impala表结构和元信息
  5. B 数据清洗以及更新impala元信??
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容