扫码阅读

手机扫码阅读

云原生丨Juicesync实现对腾讯云CHDFS存储的数据迁移

335 2023-09-22

hadoop < value> name> property>

Cloud Native

ESG服务BU云原生交付中心、云基地

在云原生上的尝试、调研与分享

本期内容

Juicesync对CHDFS存储的

数据迁移

近年来，云计算越来越流行，企业从自身利益出发，或是不愿意被单一云服务商锁定，或是业务和数据冗余，或是出于成本优化考虑，会尝试将部分或者全部业务从线下机房迁移到云或者从一个云平台迁移到另一个云平台。

本期跟大家分享我在使用Juicesync工具实现对腾讯云CHDFS存储的数据迁移的实验过程及思路。

Juicesync准备

Juicesync介绍

Juicesync是一个用来拷贝任意云以及地域对象存储数据的工具，它同样支持本地文件，SFTP，HDFS等系统。

这个工具的代码和 juicefs sync 代码相同，Juicesync代码基本引用 juicefs sync部分的代码。

官网： https://juicefs.com/

GitHub： https://github.com/juicedata/juicesync

这个工具不依赖于Juicefs文件系统，可以进行单独使用，并且可以用作于跨云，跨平台，跨地域进行对象数据的迁移复制等场景。

此工具可以支持以下存储:

本次我们的目的就是尝试使用Juicesync工具，进行对腾讯云CHDFS存储的数据迁移。

安装Juicesync

· 环境：Linux x86_64 centos7.6

Step1:下载地址：

https://github.com/juicedata/juicesync/releases

在地址中选择对应的系统版本，使用命令下载压缩包 ⬇

wget：https://github.com/juicedata/juicesync/releases/download/v1.0.2/juicesync_1.0.2_Linux_x86_64.tar.gz

Step2:解压：

tar -zxvf juicesync_1.0.0_Linux_x86_64.tar.gz

Step3:配置

mv juicesync /usr/local/bin

Hadoop准备

由于在实践过程中，我们需要在 Hadoop 的环境中hdf数据来实现，所以先讲一讲 Haddop系统（本次主要不对细节做介绍，主要介绍整体结构以及服务）。

Hadoop 介绍

Haddop系统本身并不是一个单一的系统，而是由3个系统共同组成：HDFS（分布式文件系统），YARN（分布式资源调度系统），MapReduce（分布式计算系统）。

而这3个系统又分别由不同的服务组成：HDFS（分布式文件系统），YARN（分布式资源调度系统），MapReduce（分布式计算系统）；

· Hadoop HDFS 分布式文件系统

NameNode：管理元数据(fsimage) ，文件属性，节点属性，文件在哪些节点
DataNode：存储数据，文件块，block 128M 心跳（状态，资源信息）
SecondaryNameNode ：合并元数据信息，fsimage--->NameNode

· Hadoop MapReduce 分布式计算系统

JobTracker：作业的管理和调度、资源分配
TaskTracker：作业的具体执行，发送心跳机制JobTracker汇报
MapTask ：Mapper.map() 执行用户自定的map函数
ReduceTask：Reduce.reduce() 执行用户自定义的reduce函数

· Hadoop Yarn 分布式资源管理系统

ResourceManager：资源调度，管理集群中所有的物理机(内存、计算资源)
NodeManager：当前物理机上的管理者，用来创建具体执行任务进程。

安装 Hadoop

由于最终目的是对CHDFS 数据迁移，所以为了适配CHDFS，这里选择在腾讯云的 CVM 上进行安装。

因为 CHDFS 只能支持同VPC网络内，通过同地域访问CHDFS。

Step1: 准备

Java环境：

Step2:下载hadoop压缩包

地址：

https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.8.5/hadoop-2.8.5.tar.gz

wget https://archive.apache.org/dist/hadoop/common/hadoop-2.8.5/hadoop-2.8.5.tar.gz

Step3:解压

mv hadoop-2.8.5.tar.gz /data/

cd /datatar -zxvf

hadoop-2.8.5.tar.gz

Step4:修改hadoop配置

修改Hadoop安装目录下 etc/haddop 下的 haddop-env.sh

指定 java_home 到具体目录。

修改Hadoop安装目录下的 etc/hadoop 下的 core-site.xml

   fs.defaultFS hdfs://服务器的真实ip:9002    hadoop.tmp.dir /data/hadoop/tmp

修改Hadoop安装目录下 etc/hadoop 下的 hdfs-site.xml 内容

  dfs.namenode.name.dir /data/hadoop/hadoop/hdfs/nn   fs.checkpoint.dir /data/hadoop/hdfs/snn   fs.checkpoint.edits.dir /data/hadoop/hdfs/snn   dfs.datanode.data.dir /data/hadoop/hdfs/dn   dfs.name.dir /data/hadoop/name   dfs.data.dir /data/hadoop/node   dfs.replication 1   dfs.http.address 服务器的真实ip:9000   ipc.maximum.data.length 134217728

修改Hadoop安装目录下 etc/hadoop 下的 yarn-site.xml 内容

 yarn.nodemanager.vmem-check-enabled false yarn.nodemanager.aux-services mapreduce_shuffle yarn.application.classpath  /data/hadoop-2.8.5/etc/*, /data/hadoop-2.8.5/etc/hadoop/*, /data/hadoop-2.8.5/lib/*, /data/hadoop-2.8.5/share/hadoop/common/*, /data/hadoop-2.8.5/share/hadoop/common/lib/*, /data/hadoop-2.8.5/share/hadoop/mapreduce/*, /data/hadoop-2.8.5/share/hadoop/mapreduce/lib/*, /data/hadoop-2.8.5/share/hadoop/hdfs/*, /data/hadoop-2.8.5/share/hadoop/hdfs/lib/*, /data/hadoop-2.8.5/share/hadoop/yarn/*, /data/hadoop-2.8.5/share/hadoop/yarn/lib/*

Step4:配置免密登录

1）到 root 目录下：cd /root

2）执行生成密钥命令：ssh-keygen -t rsa

3）然后三个回车

4）复制公钥追加到第一台节点的公钥文件中：

ssh-copy-id -i /root/.ssh/id_rsa.pub root@master01

5）选择 yes

6）输入登录第一台节点的密码（操作完成该节点公钥复制到第一台节点中）

Step5:配置环境变量

Step6:初始化节点

执行Hadoop目录下的bin/hdfs

./bin/hdfs namenode -format

Step7:安装

执行Hadoop安装目录下的sbin执行start-all.sh

.sbin/start-all.sh

使用jps验证是否安装成功。

执行Haddop命令验证

迁移实验

云HDFS（Cloud HDFS，简称：CHDFS）是腾讯云一种提供标准HDFS访问协议、卓越性能、分层命名空间的分布式文件系统。

本次实践的目的就是尝试使用Juicesync工具实现对腾讯云CHDFS存储的数据迁移。

实验过程

# 使用 Juicesync

尝试对接 CHDFS：

我们发现，并不像预想的一样，可以直接对接。

这里的ofs串是腾讯云CHDFS的挂载点，并不能直接作为hdfs串来使用，因为Juicesync工具不能识别这个串。

但是如果将ofs换为hdfs，也不能使用。因为后边的域名Juicesync无法解析。

那么尝试手动解析域名，然后再尝试，可以发现程序直接发生了panic。

通过查看Juicesync源码发现，Juicesync这里连接HDFS是通过colinmarc/hdfs包实现的。

猜测有可能是HDFS包使用的时候，有默认配置，导致的无法连接或者报错。这里编写go程序来使用HDFS包。

# 连接本地HDFS

这里尝试连接本地的HDFS服务，并获取 test/text.txt 的内容。

然后，将连接地址改为CHDFS挂载点解析后的IP。

现在连接的时候，可以连接成功，但是仍然panic。

通过查看HDFS包的代码，可以发现HDFS包连接HDFS服务的方式，是通过RPC的方式来连接Hadoop HDFS 的Namenode的。

通过文献查询以及查看Hadoop的源码，可以了解到Hadoop的命令行与HDFS命令进行调用也是通过与Namenode通过RPC的方式。

Hadoop 中是在 Hadoop 项目的 hadoop-common 中

src/main/java/org/apache/haddop 中的 fs 中的

FsShell.java 中的 main 函数作为 hadoop fs 命令的入口。

这里先调用ToolRunner.run；

再调用到tool.run，即FsShell.run。

那么，同样是通过RPC的方式，为什么一个可以，另一个不可以？

这里推测是CHDFS的问题。

还有一种可能就是命令行的RPC调用层级高于HDFS，即命令行调用了RPC的时候，在Namenode内部，仍然执行了在挂载CHDFS的JAR包逻辑，而HDFS包则没有执行这部分逻辑。

实现思路

通过上边的推断，实现 Juicesync 调用 CHDFS 的思路就是查看 Hadoop 的 FsShell.java 部分的代码。

以此来查看命令行是通过哪个RPC接口来进行调用的，并将对应的proto文件拷贝到HDFS包内，然后通过 protobuf 命令来生成go文件，从而来调用与FsShell.java部分相同的RPC接口来实现仿照命令行的RPC调用，最终来实现对CHDFS的操作。

以上就是本期关于使用Juicesync工具实现对腾讯云CHDFS存储的数据迁移全部思考实现的过程啦~如果你更好的思路，欢迎跟我们留言分享。

不断实验尝试

获取最佳实现方式

如果你有更好的办法或疑问请

欢迎加入社群一起讨论哦⬇

本期作者

冯康

原文链接： http://mp.weixin.qq.com/s?__biz=Mzg5MzUyOTgwMQ==&mid=2247518426&idx=1&sn=de7f8941c285b4f748853c1ad488085d&chksm=c02fb37cf7583a6a8be20afa5b42c2e290153ff172f8953a2a4ab01da66c448ccc329332a58a#rd