HBase 系列（九）——HBase 容灾与备份

一、前言

本文主要介绍 hbase 常用的三种简单的容灾备份方案，即copytable、export/import、snapshot。分别介绍如下：

二、copytable

2.1 简介

copytable可以将现有表的数据复制到新表中，具有以下特点：

• 支持时间区间 、row 区间 、改变表名称 、改变列族名称 、以及是否 copy 已被删除的数据等功能；
• 执行命令前，需先创建与原表结构相同的新表；
• copytable 的操作是基于 hbase client api 进行的，即采用 scan 进行查询, 采用 put 进行写入。

2.2 命令格式

usage: copytable [general options] [--starttime=x] [--endtime=y] [--new.name=new] [--peer.adr=adr] <tablename>

2.3 常用命令

1. 同集群下 copytable

hbase org.apache.hadoop.hbase.mapreduce.copytable --new.name=tablecopy  tableorig

1. 不同集群下 copytable

# 两表名称相同的情况
hbase org.apache.hadoop.hbase.mapreduce.copytable \
--peer.adr=dstclusterzk:2181:/hbase tableorig

# 也可以指新的表名
hbase org.apache.hadoop.hbase.mapreduce.copytable \
--peer.adr=dstclusterzk:2181:/hbase \
--new.name=tablecopy tableorig

1. 下面是一个官方给的比较完整的例子，指定开始和结束时间，集群地址，以及只复制指定的列族：

hbase org.apache.hadoop.hbase.mapreduce.copytable \
--starttime=1265875194289 \
--endtime=1265878794289 \
--peer.adr=server1,server2,server3:2181:/hbase \
--families=myoldcf:mynewcf,cf2,cf3 testtable

2.4 更多参数

可以通过 --help 查看更多支持的参数

# hbase org.apache.hadoop.hbase.mapreduce.copytable --help

三、export/import

3.1 简介

• export 支持导出数据到 hdfs, import 支持从 hdfs 导入数据。export 还支持指定导出数据的开始时间和结束时间，因此可以用于增量备份。
• export 导出与 copytable 一样，依赖 hbase 的 scan 操作

3.2 命令格式

# export
hbase org.apache.hadoop.hbase.mapreduce.export <tablename> <outputdir> [<versions> [<starttime> [<endtime>]]]

# inport
hbase org.apache.hadoop.hbase.mapreduce.import <tablename> <inputdir>

• 导出的 outputdir 目录可以不用预先创建，程序会自动创建。导出完成后，导出文件的所有权将由执行导出命令的用户所拥有。
• 默认情况下，仅导出给定 cell 的最新版本，而不管历史版本。要导出多个版本，需要将 <versions> 参数替换为所需的版本数。

3.3 常用命令

1. 导出命令

hbase org.apache.hadoop.hbase.mapreduce.export tablename  hdfs 路径/tablename.db

1. 导入命令

hbase org.apache.hadoop.hbase.mapreduce.import tablename  hdfs 路径/tablename.db

四、snapshot

4.1 简介

hbase 的快照 (snapshot) 功能允许您获取表的副本 (包括内容和元数据)，并且性能开销很小。因为快照存储的仅仅是表的元数据和 hfiles 的信息。快照的 clone 操作会从该快照创建新表，快照的 restore 操作会将表的内容还原到快照节点。clone 和 restore 操作不需要复制任何数据，因为底层 hfiles(包含 hbase 表数据的文件) 不会被修改，修改的只是表的元数据信息。

4.2 配置

hbase 快照功能默认没有开启，如果要开启快照，需要在 hbase-site.xml 文件中添加如下配置项：

<property>
    <name>hbase.snapshot.enabled</name>
    <value>true</value>
</property>

4.3 常用命令

快照的所有命令都需要在 hbase shell 交互式命令行中执行。

1. take a snapshot

# 拍摄快照
hbase> snapshot '表名', '快照名'

默认情况下拍摄快照之前会在内存中执行数据刷新。以保证内存中的数据包含在快照中。但是如果你不希望包含内存中的数据，则可以使用 skip_flush 选项禁止刷新。

# 禁止内存刷新
hbase> snapshot  '表名', '快照名', {skip_flush => true}

2. listing snapshots

# 获取快照列表
hbase> list_snapshots

3. deleting snapshots

# 删除快照
hbase> delete_snapshot '快照名'

4. clone a table from snapshot

# 从现有的快照创建一张新表
hbase>  clone_snapshot '快照名', '新表名'

5. restore a snapshot

将表恢复到快照节点，恢复操作需要先禁用表

hbase> disable '表名'
hbase> restore_snapshot '快照名'

这里需要注意的是：是如果 hbase 配置了基于 replication 的主从复制，由于 replication 在日志级别工作，而快照在文件系统级别工作，因此在还原之后，会出现副本与主服务器处于不同的状态的情况。这时候可以先停止同步，所有服务器还原到一致的数据点后再重新建立同步。

参考资料

1. online apache hbase backups with copytable
2. apache hbase ™ reference guide

更多大数据系列文章可以参见 github 开源项目： 大数据入门指南