【Hadoop-CosDistcp】通过CosDistcp的方式迁移Cos中的数据至HDFS

系统管理员 2023-10-09 18:23 10阅读 0赞

#### 【Hadoop-CosDistcp】通过CosDistcp的方式迁移Cos中的数据至HDFS ####

*  1）功能说明
 *  2）使用环境
 *  3）下载与安装
 *  4）原理说明
 *  5）参数说明
 *  6）使用示例
 *  7）迁移 Cos 中的数据至 HDFS 及数据校验
 *   *  7.1.数据迁移
     *  7.2.数据校验
     *  7.3.数据补充
     *  7.4.总结
 *  8）异常处理
 *   *  8.1.Failed to copy 1 file or directory

## 1）功能说明 ##

COSDistCp 是一款基于 MapReduce 的分布式文件拷贝工具，主要用于 HDFS 和 COS 之间的数据拷贝，它主要具有以下功能点：

*  根据长度、CRC 校验和，进行文件的增量迁移、数据校验
 *  对源目录中的文件进行正则表达式过滤
 *  对源目录中的文件进行解压缩 ，并转换为预期的压缩格式
 *  基于正则表达式，对文本文件进行聚合
 *  保留源文件和源目录的用户、组、扩展属性和时间
 *  配置告警和 Prometheus 监控
 *  统计文件大小分布
 *  对读取带宽进行限速

## 2）使用环境 ##

**（1）系统环境：**

支持 Linux 系统。

**（2）软件依赖：**

Hadoop-2.6.0及以上版本、Hadoop-COS 插件 5.9.3 及以上版本。

## 3）下载与安装 ##

**（1）获取 COSDistCp jar 包**

Hadoop 2.x 用户可下载 cos-distcp-1.13-2.8.5.jar 包，根据 jar 包的 MD5 校验值 确认下载的 jar 包是否完整。

Hadoop 3.x 用户可下载 cos-distcp-1.13-3.1.0.jar 包，根据 jar 包的 MD5 校验值 确认下载的 jar 包是否完整。

下载地址：`https://cloud.tencent.com/document/product/436/50272`

![在这里插入图片描述][912f653c7d7e464e8ebfd70e3707cab0.png]

**（2）安装说明**

在 Hadoop 环境下，安装 Hadoop-COS 后，即可直接运行 COSDistCp 工具。

对于环境中未安装和配置 Hadoop-COS 插件的用户，根据 Hadoop 版本，下载对应版本的 COSDistCp jar、Hadoop-COS jar 和 cos\_api-bundle jar 包后（相关 jar 包下载地址见上文），指定 Hadoop-COS 相关参数执行拷贝任务，其中 jar 包地址需填本地 jar 所在地址：

hadoop jar cos-distcp-${version}.jar \
    -libjars cos_api-bundle-${version}.jar,hadoop-cos-${version}.jar \
    -Dfs.cosn.credentials.provider=org.apache.hadoop.fs.auth.SimpleCredentialProvider \
    -Dfs.cosn.userinfo.secretId=COS_SECRETID \
    -Dfs.cosn.userinfo.secretKey=COS_SECRETKEY \
    -Dfs.cosn.bucket.region=ap-guangzhou \
    -Dfs.cosn.impl=org.apache.hadoop.fs.CosFileSystem \
    -Dfs.AbstractFileSystem.cosn.impl=org.apache.hadoop.fs.CosN \
    --src /data/warehouse \
    --dest cosn://examplebucket-1250000000/warehouse

下载地址：`https://cloud.tencent.com/document/product/436/6884`

![在这里插入图片描述][a40c44c843f145038c3c312c57318cef.png]

## 4）原理说明 ##

COSDistCp 基于 MapReduce 框架实现，为多进程+多线程的架构，可以对文件进行拷贝、数据校验、压缩、文件属性保留以及拷贝重试等工作。COSDistCp 默认会覆盖目标端已经存在的同名文件，当文件迁移或校验失败的时候，对应的文件会拷贝失败，并会在临时目录下记录迁移失败的文件信息。当您的源目录有文件新增或文件内容发生变化时，您可通过 skipMode 或 diffMode 模式，通过对比文件的长度或 CRC 校验值，进行数据校验和进行文件的增量迁移。

## 5）参数说明 ##

您可在hadoop用户下，使用命令 `hadoop jar cos-distcp-version.jar --help` 查看 COSDistCp 支持的参数选项，其中 `version` 为版本号，以下为当前版本 COSDistCp 的参数说明：

<table> 
 <thead> 
  <tr> 
   <th align="center">属性键</th> 
   <th align="center">说明</th> 
   <th align="center">默认值</th> 
   <th align="center">是否必填</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">–help</td> 
   <td align="center">输出 COSDistCp 支持的参数选项 示例：–help</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–src=LOCATION</td> 
   <td align="center">指定拷贝的源目录，可以是 HDFS 或者 COS 路径 示例：–src=hdfs://user/logs/</td> 
   <td align="center">无</td> 
   <td align="center">是</td> 
  </tr> 
  <tr> 
   <td align="center">–dest=LOCATION</td> 
   <td align="center">指定拷贝的目标目录，可以是 HDFS 或者 COS 路径 示例：–dest=cosn://examplebucket-1250000000/user/logs</td> 
   <td align="center">无</td> 
   <td align="center">是</td> 
  </tr> 
  <tr> 
   <td align="center">–srcPattern=PATTERN</td> 
   <td align="center">指定正则表达式对源目录中的文件进行过滤 示例：<code>--srcPattern='.*\.log$'</code> <strong>注意：您需要将参数使用单引号包围，以避免符号<code>\*</code>被 shell 解释</strong></td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–taskNumber=VALUE</td> 
   <td align="center">指定拷贝进程数，示例：–taskNumber=10</td> 
   <td align="center">10</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–workerNumber=VALUE</td> 
   <td align="center">指定拷贝线程数，COSDistCp 在每个拷贝进程中创建该参数大小的拷贝线程池 示例：–workerNumber=4</td> 
   <td align="center">4</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–filesPerMapper=VALUE</td> 
   <td align="center">指定每个 Mapper 输入文件的行数 示例：–filesPerMapper=10000</td> 
   <td align="center">500000</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–groupBy=PATTERN</td> 
   <td align="center">指定正则表达式对文本文件进行聚合 示例：–groupBy=‘.<em>group-input/(\d+)-(\d+).</em>’</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–targetSize=VALUE</td> 
   <td align="center">指定目标文件的大小，单位：MB，与 --groupBy 一起使用 示例：–targetSize=10</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–outputCodec=VALUE</td> 
   <td align="center">指定输出文件的压缩方式，可选 gzip、lzo、snappy、none 和 keep，其中： 1. keep 保持原有文件的压缩方式 2. none 则根据文件后缀对文件进行解压， 示例：–outputCodec=gzip <strong>注意：如果存在文件 /dir/test.gzip 和 /dir/test.gz，指定输出格式为 lzo，最终只会保留一个文件 /dir/test.lzo</strong></td> 
   <td align="center">keep</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–deleteOnSuccess</td> 
   <td align="center">指定源文件拷贝到目标目录成功时，立即删除源文件 示例：–deleteOnSuccess， <strong>注意：1.7 及以上版本不再提供该参数，建议数据迁移成功并使用 --diffMode 校验后，再删除源文件系统的数据</strong></td> 
   <td align="center">false</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–multipartUploadChunkSize=VALUE</td> 
   <td align="center">指定 Hadoop-COS 插件传输文件到 COS 时分块的大小，COS 支持的最大分块数为 10000，您可根据文件大小，调整分块大小，单位：MB，默认为8MB 示例：–multipartUploadChunkSize=20</td> 
   <td align="center">8MB</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–cosServerSideEncryption</td> 
   <td align="center">指定文件上传到 COS 时，使用 SSE-COS 作为加解密算法 示例：–cosServerSideEncryption</td> 
   <td align="center">false</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–outputManifest=VALUE</td> 
   <td align="center">指定拷贝完成的时候，在目标目录下生成本次拷贝的目标文件信息列表（GZIP 压缩） 示例：–outputManifest=manifest.gz</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–requirePreviousManifest</td> 
   <td align="center">要求指定 --previousManifest=VALUE 参数，以进行增量拷贝 示例：–requirePreviousManifest</td> 
   <td align="center">false</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–previousManifest=LOCATION</td> 
   <td align="center">前一次拷贝生成的目标文件信息 示例：–previousManifest=cosn://examplebucket-1250000000/big-data/manifest.gz</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–copyFromManifest</td> 
   <td align="center">和 --previousManifest=LOCATION 一起使用，可将 --previousManifest 中的文件，拷贝到目标文件系统 示例：–copyFromManifest</td> 
   <td align="center">false</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–storageClass=VALUE</td> 
   <td align="center">指定对象存储类型，可选值为 STANDARD、STANDARD_IA、ARCHIVE、DEEP_ARCHIVE、INTELLIGENT_TIERING，关于更多支持的存储类型和介绍，请参见 <a href="https://cloud.tencent.com/document/product/436/33417" rel="nofollow">存储类型概述</a></td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–srcPrefixesFile=LOCATION</td> 
   <td align="center">指定本地文件，该文件中每行包含一个需要拷贝的源目录 示例：–srcPrefixesFile=file:///data/migrate-folders.txt</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–skipMode=MODE</td> 
   <td align="center">拷贝文件前，校验源文件和目标文件是否相同，相同则跳过，可选 none（不校验）、length （长度）、checksum（CRC值）、length-mtime(长度+mtime值)和 length-checksum（长度 + CRC 值） 示例：–skipMode=length</td> 
   <td align="center">length-checksum</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–checkMode=MODE</td> 
   <td align="center">当文件拷贝完成的时候，校验源文件和目标文件是否相同，可选 none（不校验）、 length （长度）、checksum（CRC值）、length-mtime(长度+mtime值)和 length-checksum（长度 + CRC 值） 示例：–checkMode=length-checksum</td> 
   <td align="center">length-checksum</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–diffMode=MODE</td> 
   <td align="center">指定获取源和目的目录的差异文件列表，可选 length （长度）、checksum（CRC 值）、length-mtime(长度+mtime值)和 length-checksum（长度 + CRC 值） 示例：–diffMode=length-checksum</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–diffOutput=LOCATION</td> 
   <td align="center">指定 diffMode 的 HDFS 输出目录，该输出目录必须为空 示例：–diffOutput=/diff-output</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–cosChecksumType=TYPE</td> 
   <td align="center">指定 Hadoop-COS 插件使用的 CRC 算法，可选值为 CRC32C 和 CRC64 示例：–cosChecksumType=CRC32C</td> 
   <td align="center">CRC32C</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–preserveStatus=VALUE</td> 
   <td align="center">指定是否将源文件的 user、group、permission、xattr 和 timestamps 元信息拷贝到目标文件，可选值为 ugpxt（即为 user、group、permission、xattr 和 timestamps 的英文首字母） 示例：–preserveStatus=ugpt</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–ignoreSrcMiss</td> 
   <td align="center">忽略存在于文件清单中，但拷贝时不存在的文件</td> 
   <td align="center">false</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–promGatewayAddress=VALUE</td> 
   <td align="center">指定 MapReduce 任务运行的 Counter 数据推送到的 Prometheus PushGateway 的地址和端口</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–promGatewayDeleteOnFinish=VALUE</td> 
   <td align="center">指定任务完成时，删除 Prometheus PushGateway 中 JobName 的指标集合 示例：–promGatewayDeleteOnFinish=true</td> 
   <td align="center">true</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–promGatewayJobName=VALUE</td> 
   <td align="center">指定上报给 Prometheus PushGateway 的 JobName 示例：–promGatewayJobName=cos-distcp-hive-backup</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–promCollectInterval=VALUE</td> 
   <td align="center">指定收集 MapReduce 任务 Counter 信息的间隔，单位：ms 示例：–promCollectInterval=5000</td> 
   <td align="center">5000</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–promPort=VALUE</td> 
   <td align="center">指定将 Prometheus 指标暴露给外部的 Server 端口 示例：–promPort=9028</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–enableDynamicStrategy</td> 
   <td align="center">指定开启任务动态分配策略，使迁移速度快的任务迁移更多的文件。 <strong>注意：该模式存在一定局限性，例如任务计数器在进程异常的情况下计数不准确，请迁移完成后用 --diffMode 进行数据校验</strong> 示例：–enableDynamicStrategy</td> 
   <td align="center">false</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–splitRatio=VALUE</td> 
   <td align="center">指定 Dynamic Strategy 的切分比例，splitRatio 值越大，则任务粒度越小 示例：–splitRatio=8</td> 
   <td align="center">8</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–localTemp=VALUE</td> 
   <td align="center">指定 Dynamic Strategy 生成的任务信息文件所在的本地文件夹 示例：–localTemp=/tmp</td> 
   <td align="center">/tmp</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–taskFilesCopyThreadNum=VALUE</td> 
   <td align="center">指定 Dynamic Strategy 任务信息文件拷贝到 HDFS 上的并发度 示例：–taskFilesCopyThreadNum=32</td> 
   <td align="center">32</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–statsRange=VALUE</td> 
   <td align="center">指定统计的区间范围 示例：—statsRange=0,1mb,10mb,100mb,1gb,10gb,inf</td> 
   <td align="center">0,1mb,10mb,100mb,1gb,10gb,inf</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–printStatsOnly</td> 
   <td align="center">只统计待迁移文件大小的分布信息，不迁移数据 示例：–printStatsOnly</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–bandWidth</td> 
   <td align="center">限制读取每个迁移文件的带宽，单位为：MB/s，默认-1，不限制读取带宽。 示例：–bandWidth=10</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–jobName</td> 
   <td align="center">指定迁移任务的名称。 示例：–jobName=cosdistcp-to-warehouse</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–compareWithCompatibleSuffix</td> 
   <td align="center">使用 --skipMode 和 --diffMode 参数时，是否将源文件的后缀 gzip 转换为 gz，lzop 文件后缀转换为 lzo，进行判断。 示例：–compareWithCompatibleSuffix</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–delete</td> 
   <td align="center">保证源目录和目标目录文件的一致性，将源目录中没有而目标目录中有的文件，移动到独立的 trash 目录下，同时生成文件清单。 注意：不能同时使用 --diffMode 参数</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
  <tr> 
   <td align="center">–deleteOutput</td> 
   <td align="center">指定 delete 的 HDFS 输出目录，该目录必须为空 示例： --deleteOutput=/dele-output</td> 
   <td align="center">无</td> 
   <td align="center">否</td> 
  </tr> 
 </tbody> 
</table>

## 6）使用示例 ##

使用实例较多，这里就不一一说明了，详情可以参考官方文档：`https://cloud.tencent.com/document/product/436/50272`

![在这里插入图片描述][f075db1e78b14d848e724ea677491d28.png]

## 7）迁移 Cos 中的数据至 HDFS 及数据校验 ##

在企业中进行大规模数据量的迁移，会涉及到很多原因，比如资源队列，网络带宽，任务名称，数据校验，补充差异数据等操作。

*  网络带宽决定数据的传输速度，如果任务较多的情况下不能让一个任务占用过多带宽，需要合理分配网络资源
 *  数据校验决定数据的准确性，所以对差异数据进行补充也至关重要

下面我将以企业中PB级别的数据迁移为例，进行相关举例演示。

### 7.1.数据迁移 ###

参数说明：

*  `-Dmapred.job.queue.name`：队列名称
 *  `-bandWidth`：带宽（每秒的传输速度，单位为M），默认为-1（不限制）
 *  `jobName`：在 yarn 上显示的任务名称

yarn jar /opt/corns/cos-distcp-1.12-3.1.0.jar -libjars /opt/corns/cos_api-bundle-5.6.69.jar,/opt/corns/hadoop-cos-3.1.0-8.1.7.jar \
    -Dfs.cosn.credentials.provider=org.apache.hadoop.fs.auth.SimpleCredentialProvider \
    -Dfs.cosn.userinfo.secretId=********************************* \
    -Dfs.cosn.userinfo.secretKey=********************************* \
    -Dfs.cosn.bucket.region=ap-guangzhou \
    -Dfs.cosn.impl=org.apache.hadoop.fs.CosFileSystem \
    -Dfs.AbstractFileSystem.cosn.impl=org.apache.hadoop.fs.CosN \
    -Dmapred.job.queue.name=*** \
    --bandWidth=-1 \
    --jobName=cosdistcp-to-hdfs \
    --src cosn://test-bucekt01/test/ \
    --dest hdfs://nameserver/tmp/test/

### 7.2.数据校验 ###

参数说明：

*  `-Dmapred.job.queue.name`：队列名称
 *  `-bandWidth`：带宽（每秒的传输速度，单位为 M），默认为-1（不限制）
 *  `jobName`：在 yarn 上显示的任务名称
 *  `-diffMode`：数据校验模式（详情参考上面表格）
 *  `-diffOutput`：数据校验结果输出到 HDFS 上的目录（输出目录必须为空）

判断数据校验结果：

1、如果目录中没有 failed 目录，则数据校验结果为完全一致。

2、如果目录中存在 failed 目录，则**进入目录中查看异常数据清单，内容信息如下**：

① 源和目的文件相同，记录为 **SUCCESS**

② 目标文件不存在，记录为 **DEST\_MISS**

③ 存在源目录的清单中，但是校验时源文件不存在，记录为 **SRC\_MISS**

④ 源文件和目标文件大小不同，记录为：**LENGTH\_DIFF**

⑤ 源文件和目标文件 CRC 算法值不同，记录为：**CHECKSUM\_DIFF**

⑥ 由于读取权限不够等因素导致 diff 操作失败，记录为：**DIFF\_FAILED**

⑦ 源为目录，目的为文件，记录为：**TYPE\_DIFF**

查看是否有 failed 目录：

![在这里插入图片描述][807f7210b7f64cf3b4099d0a15f61cee.png]

进入目录查看存在异常数据清单文件：

![在这里插入图片描述][0b60ad4f8ebb402aa551af9e8228e089.png]

查看异常数据清单文件内容：

![在这里插入图片描述][02b0140fc97245fdb5eb8596db132ba7.png]

yarn jar /opt/corns/cos-distcp-1.12-3.1.0.jar -libjars /opt/corns/cos_api-bundle-5.6.69.jar,/opt/corns/hadoop-cos-3.1.0-8.1.7.jar \
    -Dfs.cosn.credentials.provider=org.apache.hadoop.fs.auth.SimpleCredentialProvider \
    -Dfs.cosn.userinfo.secretId=********************************* \
    -Dfs.cosn.userinfo.secretKey=********************************* \
    -Dfs.cosn.bucket.region=ap-guangzhou \
    -Dfs.cosn.impl=org.apache.hadoop.fs.CosFileSystem \
    -Dfs.AbstractFileSystem.cosn.impl=org.apache.hadoop.fs.CosN \
    -Dmapred.job.queue.name=*** \
    --bandWidth=-1 \
    --jobName=cosdistcp-to-hdfs-check \
    --diffMode=length-checksum \
    --diffOutput=/tmp/diff_output \
    --src cosn://test-bucekt01/test/ \
    --dest hdfs://nameserver/tmp/test/

### 7.3.数据补充 ###

补充数据需要将上面校验结果中的差异数据清单拉取到 Linux 本地（如果有多个文件，可以先进行合并操作），并压缩成 gzip，然后补充命令指定此gzip文件即可完成数据补充。

合并文件到本地  
![在这里插入图片描述][ade548da736548bc8cafbb8e68dc0472.png]  
压缩文件  
![在这里插入图片描述][a61f4023dee24b88bdc9e09287086140.png]

# 合并文件到 Linux 的/opt/diff_output/中，形成合并后的 diff-manifest文件
    hadoop fs -getmerge /tmp/diff_output/failed /opt/diff_output/diff-manifest
    # 过滤掉 SRC_MISS 清单信息后压缩成 gzip 文件
    grep -v '"comment":"SRC_MISS"' /opt/diff_output/diff-manifest |gzip > /opt/diff_output/diff-manifest.gz

参数说明：

*  `-Dmapred.job.queue.name`：队列名称
 *  `-bandWidth`：带宽（每秒的传输速度，单位为 M），默认为-1（不限制）
 *  `jobName`：在 yarn 上显示的任务名称
 *  `-previousManifest`：指定需要补充数据的清单（详情参考上面表格）
 *  `-copyFromManifest`：按照清单补充数据（详情参考上面表格）

yarn jar /opt/corns/cos-distcp-1.12-3.1.0.jar -libjars /opt/corns/cos_api-bundle-5.6.69.jar,/opt/corns/hadoop-cos-3.1.0-8.1.7.jar \
    -Dfs.cosn.credentials.provider=org.apache.hadoop.fs.auth.SimpleCredentialProvider \
    -Dfs.cosn.userinfo.secretId=********************************* \
    -Dfs.cosn.userinfo.secretKey=********************************* \
    -Dfs.cosn.bucket.region=ap-guangzhou \
    -Dfs.cosn.impl=org.apache.hadoop.fs.CosFileSystem \
    -Dfs.AbstractFileSystem.cosn.impl=org.apache.hadoop.fs.CosN \
    -Dmapred.job.queue.name=*** \
    --bandWidth=-1 \
    --jobName=cosdistcp-to-hdfs-bc \
    --src cosn://test-bucekt01/test/ \
    --dest hdfs://nameserver/tmp/test/ \
    --previousManifest=file:///opt/diff_output/diff-manifest.gz \
    --copyFromManifest

### 7.4.总结 ###

1、如果已经迁移过的文件，重新启动程序后不会重复迁移，会继续迁移数据。

2、迁移完成后执行数据校验脚本，会在 HDFS 指定目录下产生校验清单，如果没有 failed 目录，则没有问题，如果有failed目录，此目录下会生成一个或多个文件，里面记录着校验结果。

3、将校验的结果文件进行 merge 操作后，会在 Linux 本地生成一个合并后的文件，将合并后的文件过滤 SRC\_MISS 后压缩成 .gz 文件。

4、执行补充数据的 Shell 命令，指定此压缩文件（指向的压缩文件必须在 Linux 本地，且类型必须为 gzip），即可将未迁移的数据进行补充迁移。

5、通过专线迁移，如何控制迁移任务的迁移带宽？

COSDistcp 迁移的总带宽限制计算公式为：`taskNumber * workerNumber * bandWidth`，您可以将 workerNumber 设置为 1，通过参数 taskNumber 控制迁移并发数，以及参数 bandWidth 控制单个并发的带宽。

## 8）异常处理 ##

### 8.1.Failed to copy 1 file or directory ###

![在这里插入图片描述][4a519ae8480d46cdb336001584e50ca4.png]

**异常原因：**

可能是 src 目录下存在空文件，如：\_SUCCESS。

**解决方案：**

Cos 迁移数据到 HDFS 的过程默认使用的校验方式为 `--skipMode=MODE`、`--checkMode=MODE`，程序会在执行过程中对比 src 与 dest 的数据文件大小和文件内容，如果两者都一直就会跳过此文件。

文件内容的对比采用的是 CRC32 或 CRC64 算法，如果 src 目录下存在空文件，就会导致算法出现此异常。

所以修改校验方式为 `--skipMode=length`、`--checkMode=length`，此时只会校验文件大小，不校验文件内容，异常就可以解决了，并且也能达到校验效果。

[912f653c7d7e464e8ebfd70e3707cab0.png]: https://img-blog.csdnimg.cn/912f653c7d7e464e8ebfd70e3707cab0.png
[a40c44c843f145038c3c312c57318cef.png]: https://img-blog.csdnimg.cn/a40c44c843f145038c3c312c57318cef.png
[f075db1e78b14d848e724ea677491d28.png]: https://img-blog.csdnimg.cn/f075db1e78b14d848e724ea677491d28.png
[807f7210b7f64cf3b4099d0a15f61cee.png]: https://img-blog.csdnimg.cn/807f7210b7f64cf3b4099d0a15f61cee.png
[0b60ad4f8ebb402aa551af9e8228e089.png]: https://img-blog.csdnimg.cn/0b60ad4f8ebb402aa551af9e8228e089.png
[02b0140fc97245fdb5eb8596db132ba7.png]: https://img-blog.csdnimg.cn/02b0140fc97245fdb5eb8596db132ba7.png
[ade548da736548bc8cafbb8e68dc0472.png]: https://img-blog.csdnimg.cn/ade548da736548bc8cafbb8e68dc0472.png
[a61f4023dee24b88bdc9e09287086140.png]: https://img-blog.csdnimg.cn/a61f4023dee24b88bdc9e09287086140.png
[4a519ae8480d46cdb336001584e50ca4.png]: https://img-blog.csdnimg.cn/4a519ae8480d46cdb336001584e50ca4.png