hadoop集群间数据迁移工具

背景

    当前比较流行的hdfs间数据迁移工具有hadoop默认提供的distcp，阿里开源的DataX，这些工具能够满足常规的大部分需求，但是当时碰到hadoop版本不一致、keberos授权等场景时就行不通了。针对这些特殊的应用场景和实际需求我就构思并实现了HdfsDataExchanger这种实现方案。通过在一台可以访问两边hadoop集群的中转机上部署HdfsDataExchanger就可以实现将一个集群的数据迁移到另一个集群。HdfsDataExchanger提供单机多线程数据迁移，不支持分布式并行执行。

功能

1. 不同版本的hdfs间文件迁移
2. 本地文件系统与hdfs间文件迁移

原理

1. 抽象一套hdfs文件操作接口。
2. 使用源集群和目标集群对应版本的hadoop分别实现接口。
3. 使用jetty的WebAppClassLoader分别加载两套(源和目标)hdfs相关的jar，并创建对应的FileSystem。
4. 使用源FileSystem读取数据到缓冲区，然后使用目标FileSystem将缓冲区的数据写入到目标文件。
5. 单机多线程执行，每个线程都以文件为单位进行迁移，完成之后再拿取下一个待迁移的文件。

Github

https://github.com/SebastinHe/HdfsDataExchanger