Trasferimento da HDFS a Cloud Storage

Console Google Cloud

1. Nella console Google Cloud, vai alla pagina Pool di agenti.

   Vai a Pool di agenti

2. Seleziona il pool di agenti a cui aggiungere il nuovo agente.

3. Fai clic su Installa agente.

4. Segui le istruzioni per installare ed eseguire l'agente.

   Per ulteriori informazioni sulle opzioni a riga di comando dell'agente, consulta Opzioni a riga di comando dell'agente.

Interfaccia a riga di comando gcloud

Per installare uno o più agenti utilizzando l'interfaccia a riga di comando gcloud, eseguigcloud transfer agents install:

gcloud transfer agents install --pool=POOL_NAME \
  --count=NUM_AGENTS \
  --mount-directories=MOUNT_DIRECTORIES \
  --hdfs-namenode-uri=HDFS_NAMENODE_URI \
  --hdfs-username=HDFS_USERNAME \
  --hdfs-data-transfer-protection=HDFS_DATA_TRANSFER_PROTECTION \
  --kerberos-config-file=KERBEROS_CONFIG_FILE \
  --kerberos-keytab-file=KERBEROS_KEYTAB_FILE \
  --kerberos-user-principal=KERBEROS_USER_PRINCIPAL \
  --kerberos-service-principal=KERBEROS_SERVICE_PRINCIPAL \

Dove:

• --hdfs-namenode-uri specifica un cluster HDFS che include uno schema, un nome node e una porta in formato URI. Ad esempio:

  • rpc://my-namenode:8020
  • http://my-namenode:9870

  Utilizza HTTP o HTTPS per WebHDFS. Se non viene fornito uno schema, si presume che sia RPC. Se non viene specificata alcuna porta, il valore predefinito è 8020 per RPC, 9870 per HTTP e 9871 per HTTPS. Ad esempio, l'input my-namenode diventa rpc://my-namenode:8020.

  Se il cluster è configurato con più namenode, specifica il nodo principale corrente. Per ulteriori informazioni, consulta la sezione Cluster con più namenode.

• --hdfs-username è il nome utente per la connessione a un cluster HDFS con autenticazione semplice. Ometti questo flag se esegui l'autenticazione con Kerberos o se ti connetti senza autenticazione.

• --hdfs-data-transfer-protection (facoltativo) è l'impostazione della qualità della protezione (QOP) lato client per i cluster Kerberized. Il valore non può essere più restrittivo del valore QOP lato server. I valori validi sono: authentication, integrity e privacy.

Se esegui l'autenticazione con Kerberos, includi anche i seguenti flag:

• --kerberos-config-file è il percorso di un file di configurazione Kerberos. Ad esempio, --kerberos-config-file=/etc/krb5.conf.

• --kerberos-user-principal è l'entità utente Kerberos da utilizzare. Ad esempio, --kerberos-user-principal=user1.

• --kerberos-keytab-file è il percorso di un file Keytab contenente il principale dell'utente specificato con il flag --kerberos-user-principal. Ad esempio, --kerberos-keytab-file=/home/me/kerberos/user1.keytab.

• --kerberos-service-principal è l'entità servizio Kerberos da utilizzare, del tipo <primary>/<instance>. Il realm viene mappato dal file di configurazione Kerberos. Qualsiasi realm fornito viene ignorato. Se questo flag non viene specificato, il valore predefinito è hdfs/<namenode_fqdn>, dove <namenode_fqdn> è il nome di dominio completo specificato nel file di configurazione.

  Ad esempio, --kerberos-service-principal=hdfs/my-namenode.a.example.com.

Lo strumento ti guida attraverso i passaggi necessari per installare gli agenti. Questo comando installa uno o più agenti NUM_AGENTS sulla tua macchina, mappati al nome del pool specificato come POOL_NAME, e autentica l'agente utilizzando le tue credenziali gcloud. Il nome del pool deve esistere, altrimenti viene restituito un errore.

Il flag --mount-directories è facoltativo, ma vivamente consigliato. Il suo valore è un elenco separato da virgole di directory sul file system a cui concedere l'accesso all'agente. Se questo flag non viene specificato, l'intero file system viene montato nel contenitore dell'agente. Per ulteriori dettagli, consulta la documentazione di riferimento gcloud.

docker run

Prima di utilizzare docker run per installare gli agenti, segui le istruzioni per installare Docker.

Il comando docker run installa un agente. Per aumentare il numero di agenti nel pool, esegui di nuovo questo comando tutte le volte necessarie.

I flag di comando richiesti dipendono dal tipo di autenticazione utilizzato.

sudo docker run -d --ulimit memlock=64000000 --rm \
  --network=host \
  -v /:/transfer_root \
  gcr.io/cloud-ingest/tsop-agent:latest \
  --enable-mount-directory \
  --project-id=${PROJECT_ID} \
  --hostname=$(hostname) \
  --creds-file="service_account.json" \
  --agent-pool=${AGENT_POOL_NAME} \
  --hdfs-namenode-uri=cluster-namenode \
  --kerberos-config-file=/etc/krb5.conf \
  --kerberos-user-principal=user \
  --kerberos-keytab-file=/path/to/folder.keytab

sudo docker run -d --ulimit memlock=64000000 --rm \
  --network=host \
  -v /:/transfer_root \
  gcr.io/cloud-ingest/tsop-agent:latest \
  --enable-mount-directory \
  --project-id=${PROJECT_ID} \
  --hostname=$(hostname) \
  --creds-file="${CREDS_FILE}" \
  --agent-pool="${AGENT_POOL_NAME}" \
  --hdfs-namenode-uri=cluster-namenode \
  --hdfs-username="${USERNAME}"

sudo docker run -d --ulimit memlock=64000000 --rm \
  --network=host \
  -v /:/transfer_root \
  gcr.io/cloud-ingest/tsop-agent:latest \
  --enable-mount-directory \
  --project-id=${PROJECT_ID} \
  --hostname=$(hostname) \
  --creds-file="${CREDS_FILE}" \
  --agent-pool="${AGENT_POOL_NAME}" \
  --hdfs-namenode-uri=cluster-namenode \

Console Google Cloud

1. Vai alla pagina Storage Transfer Service nella console Google Cloud.

   Vai a Storage Transfer Service

2. Fai clic su Crea job di trasferimento. Viene visualizzata la pagina Crea un job di trasferimento.

3. Seleziona Hadoop Distributed File System come Tipo di origine. La destinazione deve essere Google Cloud Storage.

   Fai clic su Passaggio successivo.

Configura l'origine

1. Specifica le informazioni richieste per questo trasferimento:

   1. Seleziona il pool di agenti che hai configurato per questo trasferimento.

   2. Inserisci il percorso da cui eseguire il trasferimento, rispetto alla directory principale.

2. Se vuoi, specifica eventuali filtri da applicare ai dati di origine.

3. Fai clic su Passaggio successivo.

Configura il sink

1. Nel campo Bucket o cartella, inserisci il bucket di destinazione e (facoltativo) il nome della cartella oppure fai clic su Sfoglia per selezionare un bucket da un elenco di bucket esistenti nel progetto corrente. Per creare un nuovo bucket, fai clic su Crea nuovo bucket.

2. Fai clic su Passaggio successivo.

Pianifica il trasferimento

Puoi pianificare l'esecuzione del trasferimento una sola volta o configurare un trasferimento periodicamente.

Fai clic su Passaggio successivo.

Scegliere le impostazioni di trasferimento

1. Nel campo Descrizione, inserisci una descrizione del trasferimento. Come best practice, inserisci una descrizione significativa e unica per distinguere i job.

2. In Opzioni metadati, seleziona la classe di archiviazione Cloud Storage e se salvare la data di creazione di ogni oggetto. Per maggiori dettagli, consulta la sezione Conservazione dei metadati.

3. In Quando sovrascrivere, seleziona una delle seguenti opzioni:

   • Mai: non sovrascrivere i file di destinazione. Se esiste un file con lo stesso nome, non verrà trasferito.

   • Se diverso: sovrascrive i file di destinazione se il file di origine con lo stesso nome ha valori ETag o checksum diversi.

   • Sempre: sovrascrive sempre i file di destinazione quando il file di origine ha lo stesso nome, anche se sono identici.

4. In Quando eliminare, seleziona una delle seguenti opzioni:

   • Mai: non eliminare mai i file dall'origine o dalla destinazione.

   • Elimina i file dalla destinazione se non sono presenti anche nell'origine: se i file nel bucket Cloud Storage di destinazione non sono presenti anche nell'origine, eliminali dal bucket Cloud Storage.

     Questa opzione garantisce che il bucket Cloud Storage di destinazione corrisponda esattamente all'origine.

5. Scegli se attivare la registrazione dei trasferimenti e/o le notifiche Pub/Sub.

Fai clic su Crea per creare il job di trasferimento.

Interfaccia a riga di comando gcloud

Per creare un nuovo job di trasferimento, utilizza il comando gcloud transfer jobs create. La creazione di un nuovo job avvia il trasferimento specificato, a meno che non sia specificata una pianificazione o --do-not-run.

gcloud transfer jobs create \
  hdfs:///PATH/ gs://BUCKET_NAME/PATH/
  --source-agent-pool=AGENT_POOL_NAME

Dove:

• PATH è un percorso assoluto dalla radice del cluster HDFS. Il nome del nodo e la porta del cluster sono configurati a livello di agente, pertanto il comando di creazione del job deve specificare solo il percorso (facoltativo) e il pool di agenti.

• --source-agent-pool specifica il pool di agenti di origine da utilizzare per questo trasferimento.

Altre opzioni sono:

• --do-not-run impedisce a Storage Transfer Service di eseguire il job al momento dell'invio del comando. Per eseguire il job, aggiornalo per aggiungere una pianificazione o utilizza jobs run per avviarlo manualmente.

• --manifest-file specifica il percorso di un file CSV in Cloud Storage contenente un elenco di file da trasferire dall'origine. Per la formattazione del file manifest, consulta Trasferire file o oggetti specifici utilizzando un manifest.

• Informazioni sul job: puoi specificare --name e --description.

• Pianificazione: specifica --schedule-starts, --schedule-repeats-every, --schedule-repeats-until o --do-not-run.

• Condizioni degli oggetti: utilizza le condizioni per determinare quali oggetti vengono trasferiti. Sono inclusi --include-prefixes e --exclude-prefixes, nonché le condizioni basate sul tempo in --include-modified-[before | after]-[absolute | relative]. Se hai specificato una cartella con l'origine, i filtri dei prefissi sono relativi a quella cartella. Per saperne di più, consulta Filtrare gli oggetti di origine per prefisso.

• Opzioni di trasferimento: specifica se sovrascrivere i file di destinazione (--overwrite-when=different o always) e se eliminare determinati file durante o dopo il trasferimento (--delete-from=destination-if-unique o source-after-transfer). Se vuoi, puoi anche impostare una classe di archiviazione sugli oggetti trasferiti (--custom-storage-class).

• Notifiche: configura le notifiche Pub/Sub per i trasferimenti con --notification-pubsub-topic, --notification-event-types e --notification-payload-format.

Per visualizzare tutte le opzioni, esegui gcloud transfer jobs create --help o consulta la documentazione di riferimento di gcloud.

API REST

Per creare un trasferimento da un'origine HDFS utilizzando l'API REST, crea un oggetto JSON simile all'esempio seguente.

POST https://storagetransfer.googleapis.com/v1/transferJobs
{
  ...
  "transferSpec": {
    "source_agent_pool_name":"POOL_NAME",
    "hdfsDataSource": {
      "path": "/mount"
    },
    "gcsDataSink": {
      "bucketName": "SINK_NAME"
    },
    "transferOptions": {
      "deleteObjectsFromSourceAfterTransfer": false
    }
  }
}

Per informazioni dettagliate su altri campi supportati, consulta la documentazione di riferimento transferJobs.create.