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

本期导读 ：【数据迁移】第四讲主题：如何将 Hive 数据按分区归档到 OSS讲师：健身，阿里巴巴计算平台事业部 EMR 技术专家内容框架：背景/具体功能介绍实现原理详解使用实例直播回放链接：（3/4讲）

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

一、背景/功能简述传统集群架构存储计算一体存储量与计算量无法始终匹配存储无法水平扩展存储与计算竞争硬盘资源

存储分层架构计算资源动态伸缩存储资源使用云存储作为 HDFS 的替代或补充相比存算分离架构，对于已有 HDFS 数据比较平滑，可以逐渐过渡到存算分离架构

数据仓库数据仓库是大数据的典型场景每天的 ETL 作业新增大量数据Hive 支持分区表，使用分区可以快速裁剪数据Hive 数仓中大量 Hive 表以时间日期作为分区字段在数仓中很多表的较老的日期分区平常一般不会被访问，可以考虑把这部分数据移出 HDFSHive 的每个分区都有自己的 storagedescriptor，可以有单独的存储路径分区表的结构

partitioned_table_xx

dt=2021-05-16/category=1/dt=2021-05-16/category=2/dt=2021-05-16/category=5/dt=2021-05-16/category=8/dt=2021-05-15/category=2/dt=2021-05-15/category=3/dt=2021-05-15/category=4/……使用 JindoTable 按分区归档数据在本地盘机型上，HDFS 可以提供较好的性能，对集群已有存储空间也能较好利用一般情况下用不到的数据移动到 OSS，释放集群存储空间，减小NameNode 压力需要读取这部分数据时，也可以直接从 OSS 读取，不影响上层作业每天 ETL 完成后可以移动数据

?具体文档下载和参考见 Github：
https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/tools/table_moveto.md

二、实现原理Jindodistcp 作为底层工具使用 jindodistcp 事务模式使用 HDFS 文件锁保证同一时间每个分区只有一个作业在操作先修改分区元数据再清理 hdfs 数据确保数据可用

三、使用示例

数据准备

移动分区字段 ds 大于 ‘b’的分区

检查移动后的分区情况

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！

本文转自网络，原文链接：https://developer.aliyun.com/article/784187
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！