腾讯云对象存储Hadoop-cos-DistChecker 工具

功能说明

Hadoop-cos-DistChecker 是一个校验迁移目录完整性的工具。用户在使用hadoop distcp命令从 HDFS 迁移数据到 COS 上后，基于 MapReduce 的并行能力，Hadoop-cos-DistChecker 工具可以快速地进行源目录和目标目录的校验比对。

使用环境

Hadoop-cos v5.8.2以上，详见 hadoop-cos release。Hadooop MapReduce 的运行环境。注意如果是自建 Hadoop 集群，则 Hadoop-cos 依赖需要选择最新版本（GitHub release 版本为5.8.2以上）才能支持 CRC64 校验码的获取。如果是使用腾讯云 EMR 套件，则2020年5月8日后创建的集群才包含该 Hadoop-cos 版本，早于这个时间创建的集群，请 联系我们。

使用说明

由于 Hadoop-cos-distchecker 需要获取 Hadoop-cos（CosN 文件系统）中的文件 CRC64 校验值，因此，在运行该工具以前，需要将配置项 fs.cosn.crc64.checksum.enabled 置为 true 以支持获取 Hadoop-cos 文件的 CRC64 校验和，待工具运行完成后，再将该选项置回 false 以关闭 CRC64校验和的获取。注意由于 Hadoop-COS 支持的 CRC64 校验和与 HDFS 文件系统的 CRC32C 校验和无法兼容，因此在使用完该工具以后，务必将上述配置项恢复为关闭状态，否则可能会导致 Hadoop-cos 在某些调用文件系统 getFileChecksum 接口的场景下运行失败。

参数概念

源文件列表：源文件路径列表是用户执行以下命令，导出的待检查的子目录和文件列表。

hadoop fs -ls -R hdfs://host:port/{source_dir} | awk '{print $8}' > check_list.txt

示例格式如下：

/benchmarks/TestDFSIO/benchmarks/TestDFSIO/io_control/benchmarks/TestDFSIO/io_control/in_file_test_io_0/benchmarks/TestDFSIO/io_control/in_file_test_io_1/benchmarks/TestDFSIO/io_data/benchmarks/TestDFSIO/io_data/test_io_0/benchmarks/TestDFSIO/io_data/test_io_1/benchmarks/TestDFSIO/io_write/benchmarks/TestDFSIO/io_write/_SUCCESS/benchmarks/TestDFSIO/io_write/part-00000

源目录：指源文件列表所在的目录，这个目录通常也是distcp命令进行数据迁移时的源路径。如下所示，hdfs://host:port/source_dir为源目录。

hadoop distcp hdfs://host:port/source_dir cosn://examplebucket-appid/dest_dir

此外，这个路径也是源文件路径列表中公共父目录，例如上述的源文件列表的公共父目录就是：/benchmarks。目标目录：待比较的目标目录。

命令行格式

Hadoop-cos-DistChecker 是一个 MapReduce 作业程序，按照 MapReduce 作业的提交流程即可：

hadoop jar hadoop-cos-distchecker-2.8.5-1.0-SNAPSHOT.jar com.qcloud.cos.hadoop.distchecker.App    [optional parameters]

说明 Optional parameters 表示 Hadoop 可选参数。

使用步骤

下面以校验 hdfs://10.0.0.3:9000/benchmarks和cosn://hdfs-test-1250000000/benchmarks为例，介绍工具的使用步骤。首先，执行以下命令：

hadoop fs -ls -R hdfs://10.0.0.3:9000/benchmarks | awk '{print $8}' > check_list.txt




将待检查源路径导出到一个 check_list.txt 的文件中，这个文件里面保存的就是源文件路径列表，如下所示：

然后，将 check_list.txt 放入到 HDFS 中，执行如下：

hadoop fs -put check_list.txt hdfs://10.0.0.3:9000/




最后，执行 Hadoop-cos-DistChecker，将hdfs://10.0.0.3:9000/benchmarks和cosn://hdfs-test-1250000000/benchmarks进行对比，然后输出结果保存到cosn://hdfs-test-1250000000/check_result路径下，命令格式如下：

hadoop jar hadoop-cos-distchecker-2.8.5-1.0-SNAPSHOT.jar com.qcloud.cos.hadoop.distchecker.App hdfs://10.0.0.3:9000/check_list.txt hdfs://10.0.0.3:9000/benchmarks cosn://hdfs-test-1250000000/benchmarks cosn://hdfs-test-1250000000/check_result




Hadoop-cos-DistChecker 会读取源文件列表和源目录执行 MapReduce 作业，进行分布式检查，最后的检查报告会输出到cosn://examplebucket-appid/check_result路径下。


检查报告如下：

hdfs://10.0.0.3:9000/benchmarks/TestDFSIO       hdfs://10.0.0.3:9000/benchmarks/TestDFSIO,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO,None,None,None,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_control    hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_control,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_control,None,None,None,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_control/in_file_test_io_0  hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_control/in_file_test_io_0,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_control/in_file_test_io_0,CRC64,1566310986176587838,1566310986176587838,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_control/in_file_test_io_1  hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_control/in_file_test_io_1,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_control/in_file_test_io_1,CRC64,-6584441696534676125,-6584441696534676125,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_data       hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_data,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_data,None,None,None,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_data/test_io_0     hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_data/test_io_0,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_data/test_io_0,CRC64,3534425600523290380,3534425600523290380,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_data/test_io_1     hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_data/test_io_1,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_data/test_io_1,CRC64,3534425600523290380,3534425600523290380,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_write      hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_write,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_write,None,None,None,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_write/_SUCCESS     hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_write/_SUCCESS,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_write/_SUCCESS,CRC64,0,0,SUCCESS,'The source file and the target file are the same.'hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_write/part-00000   hdfs://10.0.0.3:9000/benchmarks/TestDFSIO/io_write/part-00000,cosn://hdfs-test-1250000000/benchmarks/TestDFSIO/io_write/part-00000,CRC64,-4804567387993776854,-4804567387993776854,SUCCESS,'The source file and the target file are the same.'

检查报告格式

检查报告是以如下格式展示：

check_list.txt中的源文件路径 源文件绝对路径,目标文件绝对路径,Checksum算法,源文件的checksum值,目标文件的checksum值,检查结果,检查结果描述

其中检查结果分为以下7种：SUCCESS：表示源文件和目标文件都存在，且一致。MISMATCH：表示源文件和目标文件都存在，但不一致。UNCONFIRM：无法确认源文件和目标文件是否一致，这种状态主要是由于 COS 上的文件可能是 CRC64 校验码特性上线前就存在的文件，无法获取到其 CRC64 的校验值。UNCHECKED：未检查。这种状态主要是由于源文件无法读取或无法获取源文件的 checksum 值。SOURCE_FILE_MISSING：源文件不存在。TARGET_FILE_MISSING：目标文件不存在。TARGET_FILESYSTEM_ERROR：目标文件系统不是 CosN 文件系统。

常见问题

为什么检查报告的 CRC64 值出现负数？

因为 CRC64 值，有可能是20位的值，此时已超过 Java long 型的表示范围，但是其底层字节是一致的，而打印 long 型时，会出现负数表示。
对象存储官网1折活动，限时活动，即将结束，速速收藏
同尘科技为腾讯云授权服务中心。
购买腾讯云产品享受折上折，更有现金返利。同意关联立享优惠