对象存储使用 DataX 导入或导出 COS

一、环境依赖

·HADOOP-COS 与对应版本的 cos_api-bundle。

·DataX 版本：DataX-3.0。

·适用于 Linux、Windows 和 macOS 系统。

二、获取 DataX 软件包

在网站中下载 DataX。

三、安装 HADOOP-COS

下载 HADOOP-COS 后，将 hadoop-cos-2.x.x-${version}.jar 和 cos_api-bundle-${version}.jar 拷贝到 DataX 解压路径plugin/reader/hdfsreader/libs/以及plugin/writer/hdfswriter/libs/下。

四、修改 datax.py 脚本

打开 DataX 解压目录下的 bin/datax.py 脚本，修改脚本中的 CLASS_PATH 变量为如下：

CLASS_PATH = ("%s/lib/*:%s/plugin/reader/hdfsreader/libs/*:%s/plugin/writer/hdfswriter/libs/*:.") % (DATAX_HOME, DATAX_HOME, DATAX_HOME)

五、在配置 JSON 文件里配置 hdfsreader 和 hdfswriter

示例 JSON 如下：

{ "job": { "setting": { "speed": { "byte": 10485760 }, "errorLimit": { "record": 0, "percentage": 0.02 } }, "content": [{ "reader": { "name": "hdfsreader", "parameter": { "path": "testfile", "defaultFS": "cosn://examplebucket-1250000000/", "column": ["*"], "fileType": "text", "encoding": "UTF-8", "hadoopConfig": { "fs.cosn.impl": "org.apache.hadoop.fs.CosFileSystem", "fs.cosn.userinfo.region": "ap-beijing", "fs.cosn.tmp.dir": "/tmp/hadoop_cos", "fs.cosn.userinfo.secretId": "COS_SECRETID", "fs.cosn.userinfo.secretKey": "COS_SECRETKEY" }, "fieldDelimiter": "," } }, "writer": { "name": "hdfswriter", "parameter": { "path": "/user/hadoop/", "fileName": "testfile1", "defaultFS": "cosn://examplebucket-1250000000/", "column": [{ "name": "col", "type": "string" }, { "name": "col1", "type": "string" }, { "name": "col2", "type": "string" } ], "fileType": "text", "encoding": "UTF-8", "hadoopConfig": { "fs.cosn.impl": "org.apache.hadoop.fs.CosFileSystem", "fs.cosn.userinfo.region": "ap-beijing", "fs.cosn.tmp.dir": "/tmp/hadoop_cos", "fs.cosn.userinfo.secretId": "COS_SECRETID", "fs.cosn.userinfo.secretKey": "COS_SECRETKEY" }, "fieldDelimiter": ":", "writeMode": "append" } } }] }}

配置说明如下：

·hadoopConfig 配置为 cosn 所需要的配置。

·defaultFS 填写为 cosn 的路径，例如cosn://examplebucket-1250000000/。

·fs.cosn.userinfo.region 修改为存储桶所在的地域，例如ap-beijing，详情请参见地域和访问域名。

·COS_SECRETID 和 COS_SECRETKEY 修改为 COS 密钥。

其他配置同 HDFS 配置项即可。

六、执行数据迁移

将配置文件保存为 hdfs_job.json，存放到 job 目录下，在 DataX 安装目录下执行以下命令行：

bin/datax.py job/hdfs_job.json

观察屏幕正常输出如下：

对象存储 使用 DataX 导入或导出 COS