大数据产品的备份及恢复

• Hbase
  • Distcp方式
  • 整体下载上传方式
  • CopyTable备份
  • Export工具
• elasticsearch
  • 建立备份快照数据挂载点
  • 建立快照仓储repository
  • 建立snapshot快照备份
  • 恢复snapshot快照数据
    • 原集群恢复
    • 新集群恢复
• HDFS

Hbase的备份恢复

hbase数据备份策略有两类：

1. 离线备份（关闭Hbase集群进行全备份，包括distcp方式、整体下载上传）
2. 在线备份（在线对集群进行备份，存在数据丢失的风险）

 进行离线备份时，必须全部关闭Hbase集群，或者disable所有表，然后通过distcp命令将HDFS上的Hbase数据复制到另外或者同一个集群的不同目录就可以了。

如果两个集群互不可见，那只能将数据文件下载到本地再上传（整体下载上传方式）。

  

• Distcp方式

如果是想将数据迁移到另一个Hbase集群的话，另一个hbase集群必须关闭，并且数据要复制到hbase.rootdir下。

①在新备份集群下建立一个文件夹,用来保存需要备份的数据：

$HADOOP_HOME/bin/hadoop fs -mkdir /backup

②在旧集群执行：

$HADOOP_HOME/bin/hadoop distcp hdfs://maste:9000/hbase hdfs://backup:9000/backup

hdfs://maste:9000/hbase 是取的hbase-site.xml文件中hbase.rootdir的属性值（一定要参照rootdir的值，因为namenode做了HA的话，这里是有差异的）

hdfs://backup:9000/backup 是备份数据的接收地址。

执行命令以后hadoop会启动一个MapReduce任务，可以在50030页面进行查看；

执行成功后，在新集群执行

$HADOOP_HOME/bin/hadoop fs -ls /backup

 会发现backup目录下有一个hbase目录

③如果需要使用备份数据进行恢复的话，将数据移动到hbase.rootdir下，然后启动hbase即可。

如果使用ambari的话，路径会有些差异，这里给出完整例子（从集群mycluster移动到集群mc2，其中mc2的active namenode是node1.mc.cn）

#ssh连接mycluster机器的某节点
su hdfs

#备份到本集群
hadoop distcp hdfs://mycluster/apps/hbase/data hdfs://mycluster/backup

#迁移到另一集群mc(在mc上恢复)
hadoop distcp hdfs://mycluster/apps/hbase/data hdfs://node1.mc.cn:8020/apps/hbase/

#备份到另一集群mc(不恢复，只备份)
hadoop distcp hdfs://mycluster/apps/hbase/data hdfs://node1.mc.cn:8020/backup

如果要恢复数据的话，需要确认数据目录的Owner是hbase，否则hbase无法成功启动

  hadoop fs -chown -R hbase:hdfs /apps/hbase/data

  

• 整体下载上传方式

当两集群互不可见时，如果要离线备份恢复，可以使用这种方式。

①将备份集群和恢复集群都关闭

②下载待备份数据到本地

③将备份数据上传到待恢复集群

④启动集群

示例：

#注意命令执行的所在节点

#将待备份数据下载到本地
hadoop fs -copyToLocal /apps/hbase/data ~/backup/

#将本地数据打包，拷贝到其他集群

#在其他集群将打包后数据解压，并上传到hdfs
hadoop fs -put ~/backup/* /apps/hbase/

  

• CopyTable备份

使用CopyTable可以将一张表的数据备份到另外一张表，也可以备份到另一集群的其他表中，要注意的是CopyTable备份不支持多版本。
①在新备份集群创建一张表，该表需要与备份表相同的结构：

create 'newtable','a','b'

②使用命令进行全表备份：

$HBASE_HOME/bin/hbase org.apache.hadoop.hbase.mapreduce.CopyTable --new.name=newtable --peer.adr=zookeeperhbase.zookeeper.quorum:2181:/hbase oldtable

也可以只备份指定的某个列簇，下面的命令表示备份oldtable表中的列簇a到newtable表中

$HBASE_HOME/bin/hbase org.apache.hadoop.hbase.mapreduce.CopyTable --families=a --new.name=newtable --peer.adr=zookeeperhbase.zookeeper.quorum:2181:/hbase oldtable

  

• Export工具

备份为Hdfs文件，支持数据多版本。此工具一次只能操作一张表，导出的顺序文件可以通过Import工具导入HBase。

①使用Export命令将表数据写为文件

$HBASE_HOME/bin/hbase org.apache.hadoop.hbase.mapreduce.Export oldtable /backup/tableName

查看HDFS上的backup目录会发现三个文件(_SUCCESS、_logs、part-m-00000)：

hadoop fs -ls  /backup

②使用distcp或者copyToLocal的方式将备份的数据从原hdfs集群拷贝到目标hdfs集群

③需要先建一个表来接收备份的表

create 'newtable','a','b'

④使用Import命令导入存储文件，恢复Hbase数据

$HBASE_HOME/bin/hbase org.apache.hadoop.hbase.mapreduce.Import newtable /backup/tableName

ElasticSearch的备份恢复

总体步骤：

• 建立备份快照数据挂载点
• 建立快照仓储repository
• 建立snapshot快照备份
• 恢复snapshot快照数据

1.建立备份快照数据挂载点

1. 安装EPEL

   rpm -i https://dl.fedoraproject.org/pub/epel/6/x86_64/epel-release-6-8.noarch.rpm

    如果这个链接失效，可访问官网http://fedoraproject.org/wiki/EPEL

2. 安装sshfs

   yum -y install sshfs fuse

3. 目录共享

   #假设将数据共享到节点data.company.cn的目录 /mnt/es-data/（最好不要放在系统盘所在目录），在该节点上执行
   mkdir -m 777 /mnt/es-data
   
   #假设es集群的共享目录是 $elasticsearch_HOME/backup
   #在es集群的每个节点上执行
   cd $elasticsearch_HOME
   mkdir -m 777 backup
   #挂载共享目录
   sshfs root@data.company.cn:/mnt/es-data  $elasticsearch_HOME/backup  -o allow_other

2.建立快照仓储repository

1. 修改ES配置文件

   vi config/elasticsearch.yml

    添加仓库路径（字符串中的路径就是在第一步中设定的共享目录路径）

    path.repo: ["/opt/module/elasticsearch-2.4.2/backup"]

2.  重启elasticsearch

   kill `jps |grep Elasticsearch |cut -c1-5`
   bin/elasticsearch -d

3. 创建仓库

   curl -X PUT 
     http://192.168.0.38:9200/_snapshot/mybackup 
     -d '{
       "type": "fs",
       "settings":{
           "compress": true,
           "location":"/opt/module/elasticsearch-2.4.2/backup"
       }
   }'
   
   #删除仓库
   curl -X DELETE http://192.168.0.38:9200/_snapshot/mybackup 

3.建立snapshot快照备份

 快照指定索引（去掉参数数据的话，就是快照所有索引）

curl -X PUT 
  http://192.168.0.38:9200/_snapshot/mybackup/snapshot_1 
  -d '{
    "indices": "myindex"
}'

#附
#查看索引快照情况
curl -X GET http://192.168.0.38:9200/_snapshot/mybackup/snapshot_1/_status?pretty

#删除快照（也可用于中断正在进行的快照）
curl -X DELETE http://192.168.0.38:9200/_snapshot/mybackup/snapshot_1

  

4.恢复snapshot快照数据

1. 如果备份数据要在新集群恢复，则需要先在新集群创建相同结构的index及type，并创建快照仓储（参照第二步）

   curl -X POST 
     http://192.168.0.39:9200/yuqing 
     -d '{
       "settings":{
           "number_of_shards":5,
           "number_of_replicas":1
       },
       "mappings":{
           "article":{
               "dynamic":"strict",
               "properties":{
                   "title":{"type":"string","store":"yes","index":"analyzed","analyzer": "ik_max_word","search_analyzer": "ik_max_word"},
                   "types":{"type":"string","store":"yes","index":"analyzed","analyzer": "ik_max_word","search_analyzer": "ik_max_word"},
                   "url":{"type":"string","store":"no","index":"no"}
               }
           }
       }
   }'
   ==========================
   #这里只是举例

2. 需要先关闭index，否则会出现问题【cannot restore index [myindex] because it's open】

   curl -X POST  http://192.168.0.38:9200/yuqing/_close

3. 恢复数据（去掉参数即可恢复所有索引，否则恢复指定索引 myindex）

   curl -X POST http://192.168.0.38:9200/_snapshot/mybackup/snapshot_1/_restore 
   -d '{
       "indices": "myindex"
   }'
   
   #查看恢复进度
   curl -X GET http://192.168.0.38:9200/yuqing/_recovery
   
   #取消恢复(索引yuqing正在被恢复)
   curl -X DELETE http://192.168.0.38:9200/yuqing

     

4. 重新开启index

   curl -X POST  http://192.168.0.38:9200/yuqing/_open

    执行下面语句就可以看到备份的数据了

   curl -X GET   http://192.168.0.38:9200/yuqing/article/_search

     

参考：

• Hbase数据备份和恢复

• hbase 备份及恢复

•  

  Elasticsearch：权威指南