文/蘇鵬濤

1　引言

隨著電力信息化的建設(shè)推進，電力企業(yè)數(shù)據(jù)中心積累了大量的數(shù)據(jù)資源，數(shù)據(jù)準確性越來越高，量測類數(shù)據(jù)其所占比重也越來越大，已具備良好的數(shù)據(jù)基礎(chǔ)。通過各種基于大數(shù)據(jù)平臺的數(shù)據(jù)挖掘工具或查詢引擎，可以實現(xiàn)快速查詢、負荷預(yù)測、異常分析等高級應(yīng)用，提高企業(yè)運營水平、發(fā)掘數(shù)據(jù)潛在價值。由于生產(chǎn)系統(tǒng)大都為傳統(tǒng)關(guān)系型數(shù)據(jù)庫，這就需要將海量的量測數(shù)據(jù)從傳統(tǒng)關(guān)系型數(shù)據(jù)庫遷移到大數(shù)據(jù)平臺，雖然Sqoop等工具支持將關(guān)系型數(shù)據(jù)庫導(dǎo)入HBase中，但其需要與其它調(diào)度工具如Oozie配合使用才可實現(xiàn)定時任務(wù)，并且沒有自動補傳功能。本方法基于HBaseJava API 實現(xiàn)了一種支持自動補傳的傳統(tǒng)關(guān)系型數(shù)據(jù)庫遷移到HBase的方法。

該方法通過JDBC訪問數(shù)據(jù)源，通過HBaseJava API操作HBase數(shù)據(jù)庫寫入數(shù)據(jù)，可以實現(xiàn)電力量測類數(shù)據(jù)從傳統(tǒng)關(guān)系型數(shù)據(jù)庫向大數(shù)據(jù)平臺HBase數(shù)據(jù)庫的自動遷移，支持增量延時同步功能，能夠做到遷移失敗數(shù)據(jù)的自動補傳，具有穩(wěn)定內(nèi)存消耗、降低集群資源需求、靈活控制遷移方式、快速增加遷移任務(wù)、缺失數(shù)據(jù)自動補傳、異常提醒和任務(wù)定時啟動等優(yōu)點。

2　一種電力量測類數(shù)據(jù)遷移到HBase的方法

2.1　HBase表結(jié)構(gòu)

HBase是建立在Hadoop文件系統(tǒng)上的分布式列式數(shù)據(jù)庫，它是一種NoSQL數(shù)據(jù)庫，主要適用于海量明細數(shù)據(jù)（十億、百億級）的隨機實時查詢，如日志明細、交易清單、軌跡行為等，非常適合于電力量測類海量數(shù)據(jù)的快速查詢、綜合分析等應(yīng)用。

電力量測類數(shù)據(jù)是一種具有明顯時序特性的數(shù)據(jù)，主要由采集日期、采集點（從0點整開始，根據(jù)采集設(shè)備不同，每隔2、5或15分鐘一個）、設(shè)備號、量測類型、采集值（量測值）構(gòu)成，其中設(shè)備號可關(guān)聯(lián)到設(shè)備信息。量測快速查詢主要有兩種類型的需求，一是查詢某一設(shè)備一段時間的曲線（如查詢XX變壓器連續(xù)一個月的負荷典線，了解哪些時段負荷高等），二是查詢某一時間各設(shè)備的數(shù)值（如查詢XX區(qū)所有變壓器負荷，哪些設(shè)備超載等）。為滿足這兩種快速查詢需求，設(shè)計HBase表結(jié)構(gòu)如圖1所示，以公司簡碼、時間、主設(shè)備號、量測類型合并作為Rowkey，以設(shè)備號作為列名，示數(shù)值作為值，公司簡碼作為分區(qū)。

圖1：HBase表結(jié)構(gòu)

圖2：量測類數(shù)據(jù)寬表

圖3：功能結(jié)構(gòu)圖

2.2　遷移方法功能模塊

Sqoop是一款開源的工具，主要用于在Hadoop與傳統(tǒng)的數(shù)據(jù)庫間進行數(shù)據(jù)的相互遷移。它以Shell命令的方式進行調(diào)用，可以將命令中的查詢語句的結(jié)果導(dǎo)入到HBase中。

量測類數(shù)據(jù)多表關(guān)聯(lián)后的數(shù)據(jù)寬表如圖2所示。每個設(shè)備每天一條數(shù)據(jù)，96個列記錄96個測點值，與圖1HBase表結(jié)構(gòu)相比有兩個結(jié)構(gòu)上的差異。一是需要將一行數(shù)據(jù)中的n個時間點轉(zhuǎn)換為n行；二是需要將每個主設(shè)備號下的n行的每個設(shè)備號轉(zhuǎn)換為一行的n個列，并且以設(shè)備號作為列名。這就同時涉及到行轉(zhuǎn)列和列轉(zhuǎn)行，由于Sqoop依賴于SQL語句查詢結(jié)果，要通過一個SQL語句實現(xiàn)此結(jié)構(gòu)轉(zhuǎn)換非常困難，語句極其復(fù)雜。本遷移方法使用Java語言開發(fā)，通過SQL查詢出寬表數(shù)據(jù)，再對每一條寬表數(shù)據(jù)按照配置的規(guī)則拆分組裝，這樣兩個循環(huán)結(jié)構(gòu)即可實現(xiàn)此結(jié)構(gòu)轉(zhuǎn)換。其功能結(jié)構(gòu)如圖3所示。

本方法能根據(jù)主機硬件信息、HBase集群信息設(shè)定最佳的寫入方式，由查詢模塊、配置模塊、日志模塊、轉(zhuǎn)換模塊、寫入模塊、管理模塊六個功能模塊組成。

查詢模塊通過JDBC從關(guān)系型數(shù)據(jù)庫查詢數(shù)據(jù)；

配置模塊用于配置連接、表、查詢條件、結(jié)果輸出格式、寫入方式等；

日志模塊記錄每張表每次遷移的狀態(tài)；

轉(zhuǎn)換模塊按照對應(yīng)HBase結(jié)構(gòu)將查詢模塊查到的結(jié)果數(shù)據(jù)轉(zhuǎn)換為寫入模塊需要的格式；

寫入模塊按照配置模塊寫入?yún)?shù)通過API將數(shù)據(jù)寫入HBase中；

管理模塊定時啟動遷移任務(wù)并根據(jù)日志模塊記錄的日志信息補傳未成功遷移的數(shù)據(jù)。

所有模塊均由Java語言開發(fā)，數(shù)據(jù)存儲于MySQL數(shù)據(jù)庫，使用JDBC方式分批訪問量測數(shù)據(jù)，使用JavaHBase API訪問HBase。

2.3　遷移流程

遷移流程如圖4所示。

開始：每日由管理模塊定時啟動遷移任務(wù)。

步驟1：管理模塊檢索日志模塊記錄的遷移日志，判斷歷史遷移日期中是否存在異常狀態(tài)記錄或有日志缺失。若有執(zhí)行步驟2，若無執(zhí)行步驟3。

步驟2：管理模塊生成缺失、異常日志信息列表。執(zhí)行步驟4。

步驟3：查詢模塊讀取配置模塊參數(shù)，按參數(shù)分批查詢需遷移的數(shù)據(jù)表前一日數(shù)據(jù)。執(zhí)行步驟5。

步驟4：查詢模塊讀取配置模塊參數(shù)，按參數(shù)分批查詢需遷移的數(shù)據(jù)表對應(yīng)的生成缺失、異常日志信息列表中的最早日期數(shù)據(jù)，并從列表中刪除此條記錄。執(zhí)行步驟5。

步驟5：轉(zhuǎn)換模塊按配置模塊參數(shù)將步驟3或步驟4查詢結(jié)果轉(zhuǎn)換為HBase需要的結(jié)構(gòu)。執(zhí)行步驟6。

步驟6：寫入模塊通過API，按照配置模塊參數(shù)多線程并行寫入HBase。執(zhí)行步驟7。

步驟7：日志模塊記錄或更新日志。執(zhí)行步驟8。

步驟8：管理模塊判斷日志記錄中是否已有前一日日志，若有執(zhí)行步驟11，若無執(zhí)行步驟9。

步驟9：查詢模塊檢查生成缺失、異常日志信息列表，若已無信息執(zhí)行步驟10，若有信息執(zhí)行步驟4。

步驟10：查詢模塊讀取配置模塊參數(shù)按參數(shù)分批查詢需遷移的數(shù)據(jù)表前一日數(shù)據(jù)。執(zhí)行步驟5。

步驟11：管理模塊結(jié)束當次遷移任務(wù)，并檢查日志記錄中是否存在異常次數(shù)大于等于2的日志記錄。若有發(fā)出警告日志，提醒人工檢查。

整個遷移過程中，若日志模塊、管理模塊發(fā)生異常，會造成日志缺失；其它模塊發(fā)生異常會記錄異常日志到日志模塊中。后一日遷移任務(wù)均可根據(jù)日志記錄自動補傳。當發(fā)生補傳無效情況時，管理模塊生成告警日志，提醒人工干預(yù)檢測處理，以此機制確保遷移的自動化和可靠性。

2.4　遷移效果

測試環(huán)境為CDH大數(shù)據(jù)平臺，其HBase集群由7臺配置相同的服務(wù)器構(gòu)成，每臺服務(wù)器均安裝了一個獨立的Sqoop組件。由于量測數(shù)據(jù)量較大，Sqoop使用的轉(zhuǎn)換SQL較復(fù)雜，采用一個Sqoop命令遷移全部數(shù)據(jù)時較容易發(fā)生卡死，因此將其拆分為多個命令。7臺服務(wù)器，每臺啟動一個Sqoop遷移，每個Sqoop特意改造為遷移不同HBase分區(qū)的數(shù)據(jù)，以確保數(shù)據(jù)均衡，達到最大效率。Sqoop偽代碼如下：

其中--query "......"部分需要將整個邏輯寫為一個可執(zhí)行的SQL語句。

遷移方法配置為分批查詢，每批次查詢固定量的數(shù)據(jù)，在內(nèi)存中轉(zhuǎn)換寫入后再抽取下一批數(shù)據(jù)，以確保使用較低的內(nèi)存達到較高的效率。管理模塊根據(jù)HBase集群數(shù)，每臺HBase主機單獨啟動一個遷移進程，每個進程遷移不同分區(qū)數(shù)據(jù)，確保所有HBase節(jié)點均合理利用起來。

通過測試，轉(zhuǎn)換寫入1億行原始數(shù)據(jù)，寫入HBase后數(shù)據(jù)大小約900G。若用Sqoop用時4小時38分，平均速率約每秒56M，單個進程每秒8M。使用本遷移方法用時5小時01分，平均速率約每秒51M，單個進程每秒7.3M。服務(wù)器資源消耗兩者相當，遷移方法由于有日志等其它開銷，效率稍低于Sqoop。

雖然數(shù)據(jù)遷移效率略低于Sqoop，但若需補傳少量數(shù)據(jù)時，Sqoop會將全部數(shù)據(jù)重傳，所有已傳數(shù)據(jù)變?yōu)闅v史版本，極大增加了系統(tǒng)存儲負擔。若Sqoop要達到本方法的補傳效果，需要人為查詢HBase中表數(shù)據(jù)情況，再更改Sqoop中的SQL語句，當HBase表中數(shù)據(jù)量極大時，很難查到失敗數(shù)據(jù)的斷面信息，操作可行性極低。

本方法在數(shù)據(jù)遷移過程中，通過直接Kill進程方式強制結(jié)束數(shù)據(jù)遷移。遷移方法進程在被Kill之前已完成遷移的數(shù)據(jù)其日期已被記錄于日志中，Kill后進程停止，其后日志缺失。重啟遷移任務(wù)，管理模塊根據(jù)日志自動將缺失日志的日期的數(shù)據(jù)補傳，僅補傳Kill執(zhí)行后的缺失數(shù)據(jù)，覆蓋前次數(shù)據(jù)使其成為歷史版本。

3　結(jié)論

圖4：遷移流程圖

本文研究了一種電力量測類數(shù)據(jù)遷移到HBase的方法，包含查詢模塊、配置模塊、日志模塊、轉(zhuǎn)換模塊、寫入模塊、管理模塊等六個功能模塊，通過配置查詢語句、轉(zhuǎn)換數(shù)據(jù)結(jié)構(gòu)和設(shè)定系統(tǒng)參數(shù)，基于JDBC訪問電力量測類數(shù)據(jù)傳統(tǒng)關(guān)系型數(shù)據(jù)庫、HBase Java API操作HBase數(shù)據(jù)庫，實現(xiàn)寫入遷移數(shù)據(jù)、記錄遷移日志、定時啟動任務(wù)和自動補傳數(shù)據(jù)功能。本方法可以實現(xiàn)電力量測類數(shù)據(jù)從傳統(tǒng)關(guān)系型數(shù)據(jù)庫到HBase數(shù)據(jù)庫的自動遷移，支持增量延時同步功能，能夠做到遷移失敗數(shù)據(jù)的自動補傳，能夠以較高效率將電力量測類數(shù)據(jù)導(dǎo)入HBase，并解決了缺失數(shù)據(jù)自動補傳的問題，降低了電力量測類數(shù)據(jù)遷移到HBase的執(zhí)行難度，提高了數(shù)據(jù)遷移的靈活性、便利性和穩(wěn)定性。