如何将其余RDBMS的数据到迁移到Trafodion

本文介绍了如何将数据从现有的RDBMS迁移到Trafodion数据库。从其它的RDBMS或外部数据源向Trafodion集群中导入大量的重要数据，能够经过下面两步完美实现：

1. 在Trafodion集群中，将数据从源头导入Hive表。使用下列方法之一:

   • 在Trafodion系统中，使用一个相似Apache Sqoop的工具，将数据从远程的RDBMS（例如，MySQL或Oracle）迁移到Hive表。更多信息，请参阅使用Sqoop将数据导入Hive。
   • 在Trafodion集群中，将须要导入Trafodion的数据复制到HDFS。使用Hive外部表，使这些数据能从Hive中看到。更多信息，请参阅建立Hive外部表。
2. 使用Trafodion的LOAD语句，将数据从Hive导入Trafodion表。更多信息，请参阅使用BulkLoad将数据加载到Trafodion表。

使用Sqoop将数据导入Hive

使用Apache SqoopTM工具，在关系型数据库和Apache Hadoop生态系统之间实现高效的海量数据传输。

默认状况下，Sqoop并不是安装在Trafodion集群中。能够经过Ambari或Cloudera Manager GUI，在Trafodion集群中安装并启动Sqoop。更多信息，请参阅Scoop用户指南。

安装必需软件

在Trafodion集群中安装JDK 1.8 and the Oracle JDBC 驱动，仅用于将数据从RDBMS导入Hive表。请设置如下环境变量：

export JAVA_HOME=/opt/java/jdk1.8.0_11
export JAVA_OPTIONS=-Dmapred.child.java.opts=\-Djava.security.egd=file:/dev/urandom+

如下是使用sqoop命令的几个示例。关于可与sqoop一块儿使用的更多选项，请参阅Scoop用户指南。

列出全部Oracle表

sqoop list-tables –driver oracle.jdbc.OracleDriver –connect jdbc:oracle:thin:@:/ –username  –password

将数据导入Hive

sqoop import –connect jdbc:oracle:thin:@/ –username   –password  –table  –split-by  –hive-import –create-hive-table –hive-table  –hive-overwrite –null-string ” –null-non-string ” –hive-drop-import-delims –verbose

参数	说明
–split-by	默认状况下，若是未指定拆分列，sqoop会使用主键列做为拆分列，但这在大多数时候并不是最优。此外，若是表未定义主键列，您必须手动指定拆分列。
–null-string	表示字符串（string）列中的空值。
–null-non-string	表示非字符串（string）列中的空值。
–hive-drop-import-delims	导入Hive时，丢掉n、r和01字符串域。注意：若是数据包含n或r，而且您不使用–hive-drop-import-delims选项，那么数据将会被清除。在数据迁移期间，能够经过定义你想要使用的分隔符（不存在于数据中），使用额外的Sqoop选项。

建立Hive外部表

Hive表必须从Hive接口（例如，Hive shell）中建立。在加载期间使用Hive的外部表会很是方便。你能够将源数据文件复制到单个HDFS文件夹下，并建立一个指向该文件夹的Hive外部表，从而将数据轻松导入Hive表。

Hive表各列的数据类型必须与源数据一致。关于建立外部表的语法，请参阅Hive wiki。关于Hive表可用的数据类型，请参阅Hive语言手册类型。

能够经过Trafodion的整型、字符串型和字符型的列，访问Hive表。若要填充外部表，请使用如下类型的Hadoop命令，将数据复制到HDFS文件夹下：

hadoop fs -copyFromLocal

新建Trafodion表和索引

使用包含SALT USING PARTITIONS子句（salting）的CREATE TABLE语句，新建Trafodion表。例如：

CREATE TABLE TRAFODION.SCH.DEMO
(
demo_sk int not null,
name varchar(100),
primary key (demo_sk)
)
SALT USING 8 PARTITIONS ON (demo_sk);

表中任何的索引均可能被盐粒分布（salted），也可能未被盐粒分布（salted）。若是被盐粒分布了，则盐粒分布的键和分区数必须与表一致。

CREATE INDEX demo_ix ON sch.demo(name)
SALT LIKE TABLE;

选择一个主键

必须根据访问表的工做负载，选择Trafodion表的主键。因为HBase是键值（key-value）存储，因此经过键来访问Trafodion表很是有效率。当您知道一些语句在断言（predicate）和链接（join）条件以外来访问一张表，您能够选择一个主键，使头键列有很高的选择断言。这会限制在HBase中须要被扫描的行数。若是断言只出如今边键列而非头键列中，Trafodion使用MDAM来限制被扫描的行数。若是头键列（没有断言出现）的惟一条目数（unique entry count）很低，MDAM能很好工做。

盐粒分布（Salting）一张表

Trafodion表能被盐粒分布，以免热污点（hot-spotting）。在一些工做负载下，有了排列分区数据，数据的某种键的排列会比另外一些排列有更多对表的访问量。这会致使某些HBase RegionServers处理大多数的加载，从而出现不平衡的使用行为。

对于本机HBase表，每每能够经过设计合适的键来处理。在Trafodion中，一旦您选择了表的键（请参阅选择一个主键），就可使用盐粒分布（salting）来均匀分布数据。盐粒分布对salt键使用一个哈希函数，而且根据该哈希的值来将数据分布到分区中。这个哈希的值被物理存储在表中，做为头键值。表的每次拆分只会有一个salt键值。salting键能够是主键的任意子集（包括主键自己）。

保持salting键尽量小，这是一个很好的实践。这个键必须提供数据平均分配。当键值有很大的惟一条目数（unique entry count）并无严重倾斜的时候，可以实现数据的平均分配。在建立表的时候，必须指定分区数。分区数取决于集群的大小和表的指望大小。

若是添加的数据量超出了本来的预期，则盐粒分布的表就能被拆分。这会致使有多个分区具备salt值相同的行，也可能产生基于该表的次优执行计划。

您也能够选择不盐粒分布Trafodion表，这就与传统RDBMS的range分区相似。分区数随着表的增大而增多，而且range的边界由HBase根据指定的拆分策略而肯定。

使用Bulk Load将数据加载到Trafodion表（将数据从Hive加载到Trafodion）

使用命令接口工具（例如，trafci），设置控制查询默认（Control Query Defaults，CQD），从而提升加载性能：

cqd hive_max_string_length ‘1000’; // if the widest column is 1KB

若是目标的Trafodion表具备时间相关的列，则须要进行如下设置：

cqd allow_incompatible_assignment ‘on’;

使用LOAD语句，将数据从Hive加载到Trafodion表。例如：

LOAD WITH NO POPULATE INDEXES INTO trafodion.sch.demo SELECT * FROM hive.hive.demo;

关于LOAD语句的语法，请参阅《Trafodion SQL 参考手册》.

若是屡次调用LOAD语句，向单个目标表逐渐加载数据集，则目标表的每一个分区会有多个HFile。这会致使SELECT查询期间无效率的访问，也可能致使数据压缩（基于HBase设置中的配置策略）。为了不这种状况，能够针对表（短时间内被两个以上的LOAD语句所加载）执行一个大的数据压缩。使用如下的HBase shell命令，执行这样的压缩：

major_compact ‘TRAFODION.SCH.DEMO’

这个命令不须要等待时间，而且会当即返回。一般，对一张大表执行数据压缩会花费大量的时间（几分钟到几小时不等）。您能够经过HBase Master Web UI，监控数据压缩的进程。