阿里巴巴如何使用DistCp工具增量迁移HDFS数据

How do i incrementally migrate HDFS data using the DistCp tool in Alibaba

我正在尝试使用Alibaba E-Mapreduce 中的DistCp 工具迁移HDFS 数据。我了解如何进行全量数据迁移。

命令:

hadoop distcp -pbugpcax -m 1000 -bandwidth 30 hdfs://clusterIP:8020 /user/hive/warehouse /user/hive/warehouse

以上代码需要添加哪些参数才能实现增量同步?

为了进行增量数据同步,您必须添加 -update-delete 标志,这应该负责同步。

hadoop distcp -pbugpcax -m 1000 -bandwidth 30  -update –delete hdfs://oldclusterip:8020 /user/hive/warehouse /user/hive/warehouse

关于这两个参数的更多信息:

-update,验证源文件和目标文件的校验和和文件大小。如果比较的文件大小不同,则源文件更新目标簇数据。如果新老集群同步时有数据写入,可以使用-update进行增量数据同步。

-delete,如果旧集群中的数据不再存在,则新集群中的数据将被删除。

希望对您有所帮助!