高效纳管迁移HDFS数据，如何做到业务无感？

Hadoop作为部署数据湖最常用的技术，以其生态为核心的大数据框架已经十分成熟。随着数据总量和形式的不断增长，存算分离成了大数据架构发展的主流方向。

此前，杉岩数据对Hadoop生态中HDFS当前存在的一些局限性作了分析，并介绍了基于杉岩数据高性能存储引擎的大数据存算分离场景存储解决方案。本文将进一步介绍在实际项目落地过程中，杉岩数据MOSFS存算分离方案处理新老架构更替的具体方法与操作步骤。

场景分析 ：从存算一体到存算分离

场景一：新建独立计算平台采用存算分离架构

第一次建设大数据计算平台就直接采用存算分离架构，同时在有新业务系统扩展时规划搭建独立的计算平台场景。这是新大数据平台搭建且独立运作的场景，不涉及到老数据的使用，也是最简单的存算分离落地场景。

场景二：新建大数据平台完全替换原有平台

直接新建更强的大数据计算平台完全替换原有计算平台，在计算平台升级换代时采用存算分离架构。该场景下原有平台的计算与存储直接淘汰，但由于存在历史数据，需要将原有的HDFS数据迁移到新的分离存储中。

场景三：独立部署分离存储扩容HDFS

在实际数据湖建设项目中，更多是利旧场景，在新增独立分离存储外，将继续使用原有的计算平台，同时原有HDFS的存储空间与数据需要保留，以实现HDFS空间的整体扩容。

杉岩数据MOSFS实现存算分离平滑落地

针对存在老HDFS数据的后两种场景，杉岩数据推出大数据存算分离场景的存储解决方案，可通过MOSFS支持的符号链接方式，实现对原有HDFS的纳管与数据自动迁移，使用提供的自动化工具通过特定步骤操作即可便捷地完成。

图 MOSFS纳管迁移HDFS实现存算分离

步骤一：执行初始化，实现MOSFS到HDFS映射通路

使用MOSFS迁移工具在HDFS的指定路径（比如/name目录）执行初始化命令，执行之后通过MOSFS的客户端访问mosfs://name/，就能完整访问HDFS对应/name目录里的内容，两者是完全等价的。在完成初始化操作之后，MOSFS就具备了读写HDFS存储空间的能力，该过程原有数据流程没有更改，所以业务系统的运行完全无感。

步骤二：计算平台切换schema为mosfs

将fs.hdfs.impl的配置修改为MOSFS的实现，此修改实现上层计算组件访问存储的schema切换为mosfs://。初始化已经完成了MOSFS到HDFS的通路建立，因此当完成配置修改并重启计算组件后，各个组件便可通过mosfs://的方式来读写原有HDFS存储的数据。该步骤的执行涉及到计算组件的重启，但是业务受影响的时间很短。

步骤三：同步目录结构，实现读写分流

完成上一步骤后，业务的数据读写还在原有的HDFS中执行，再使用自动化工具执行目录同步。执行完成后，MOSFS的命名空间中会按照HDFS中相同的拓扑结构创建所有目录及对应的文件，但文件依旧会以符号链接的方式映射到HDFS中的相同文件上。这时业务侧读数据时，依旧会通过符号链接方式直接读取原有HDFS存储中的对应文件，而写操作则会在MOSFS的存储空间中直接写入新的文件。

此步骤在实现新老数据读写分流的同时，对业务层无影响。

执行完以上三个步骤，MOSFS对原有HDFS的纳管操作就完成了场景三独立部署分离存储扩容HDFS中存算分离架构的实现。此过程没有改变原有存储空间的目录结构，对业务应用系统无影响。

图 MOSFS纳管HDFS实现读写分流

在实践中，现有HDFS也可通过ViewFS机制实现多HDFS集群的扩展，但ViewFS机制在应对已有老数据的目录扩容时需要创建新的子目录，如需使用老数据，则需要业务侧做代码的调整适配或将老数据迁移。 MOSFS依靠符号链接方式实现多集群的数据读写分流，解决了HDFS通过ViewFS机制不能将多个存储空间挂载到相同挂载点的情况，满足了已有存储目录的扩容需求。

步骤四：迁移数据

在场景二新建大数据平台完全替换原有平台中，为了实现存算分离的落地，需要将原有HDFS集群中的数据完整地迁移到分离部署的MOSFS中。我们依旧使用迁移工具执行copy命令触发数据的自动迁移，具体执行过程中还可以通过业务负载以及对应硬件资源来调整迁移任务的并发数，在不影响前端业务的情况下高效地完成数据的迁移。单个原有HDFS文件的符号链接在对应文件数据完成迁移后会执行删除链接操作，在符号链接删除前业务通过符号链接访问HDFS数据，删除后直接访问MOSFS存储中的文件数据。迁移完成的文件生效切换仅涉及一个元数据的更新操作，所以实际的数据迁移过程不影响业务层。

在数据迁移过程中，MOSFS迁移工具支持通过反向迁移随时回滚，撤销迁移操作。如已有新增数据写入到MOSFS中，也能把这些新增数据拷贝回原始的存储系统。

步骤五：删除老数据

执行完前4个步骤，所有的业务数据读写都已在新的分离部署存储中，就可以删除老数据或拆除原有的集群，实现新的存算分离架构对原有存算一体架构的升级改造。

总结

图 MOSFS多源汇聚兼容多种存储

通过前面的介绍，可以看到，依靠MOSFS强大的符号链接特性与迁移工具，执行简单的操作步骤即可完成对HDFS的纳管与数据迁移，让MOSFS具备多种场景下存算分离架构平滑落地的能力。在涉及老数据迁移的场景中，纳管迁移对业务的影响也仅仅在于一次配置修改与计算组件重启，对客户的业务系统影响较小。同时，MOSFS的底座基于杉岩数据高性能存储引擎，还具备更多场景的数据纳管与连通能力。