HBase全量+增量迁移import/export方式

本文是用自带的hbase import/export方法，由于原端不开放hdfs数据，并且因为底层存储不能打快照，目标端也不开放，所以只能通过这种方式。（这种方式比较耗性能）

建议从主库，搞一个备份库，再用这种导出备份库的数据

前提准备：

1.原端hbase集群，并且能够操作机访问

2.目标端hbase集群，并且能够操作机访问

3.操作机，一台ecs

模拟原端数据

create_namespace 'test'
//创建一个名称为clark:test，列族名为cf的表
create 'test:user', 'cf'
// 插入数据。put 命名空间:表名,行键rowkey,列簇:字段名,值
put 'test:user','001','cf:name','clark'
put 'test:user','001','cf:age','28'
put 'test:user','002','cf:name','alice'
put 'test:user','002','cf:name','25'
//看一下数据
scan 'test:user'

全量迁移

1.看原表，表结构

./hbase shell
list
#查看有哪些表
describe 'test:user'

2.目标端建表

./hbase shell
#先创建命名空间
create_namespace 'test'
#创建表,不要有换行，如果有多行压缩成一行，或者末尾加\
create 'test:user',{NAME => 'cf', VERSIONS => '1', EVICT_BLOCKS_ON_CLOSE => 'false',NEW_VERSION_BEHAVIOR => 'false', KEEP_DELETED_CELLS => 'FALSE', CACHE_DATA_ON_WRITE=> 'false', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', MIN_VERSIONS =>'0', REPLICATION_SCOPE => '0', BLOOMFILTER => 'ROW',CACHE_INDEX_ON_WRITE => 'false', IN_MEMORY => 'false', CACHE_BLOOMS_ON_WRITE =>'false', PREFETCH_BLOCKS_ON_OPEN => 'false', COMPRESSION => 'NONE', BLOCKCACHE =>'true', BLOCKSIZE => '65536', METADATA => {'STORAGE_POLICY' => 'DEFAULT','DFS_REPLICATION' => '2', 'CHS_PROMOTE_ON_MAJOR' => 'true'}} 

3.原端导出数据

./hbase org.apache.hadoop.hbase.mapreduce.Export test:user /tmp/hbase-export/test
ll /tmp/hbase-export/test

date +%s%3N

记录导出当前时间戳：1759118035736

4.目标端导入数据

./hbase org.apache.hadoop.hbase.mapreduce.Import test:user /tmp/hbase-export/test/

增量迁移

1. 在原端插入多条数据

put 'test:user','003','cf:name','abc'
put 'test:user','001','cf:age','29'

2. 原端导出数据

先scan，查看原端的时间格式，发现是时间戳。

./hbase -Dmapreduce.job.maps=10 org.apache.hadoop.hbase.mapreduce.Export test:user /tmp/incremental-export 1 1759118035736 1759131808806

这4个分别代表，命名空间:表名 导出最近版本（1代表的是最新的版本）开始时间戳 结束时间戳（这个可以通过scan看到数据上的时间戳）

3. 目标端导入数据

目标端导入

./hbase org.apache.hadoop.hbase.mapreduce.Import test:user /tmp/incremental-export

数据校验

先count对比行数，再抽样比对（由于版本不同并且没有开放hdfs数据，所以不能用md5sum）

# 小表直接计数（注意：大表耗时较长）
count 'namespace:table_name'# 大表推荐用MapReduce（效率更高）
hbase org.apache.hadoop.hbase.mapreduce.RowCounter 'namespace:table_name'