【集群迁移】使用Shell脚本获取老集群整个Hive库的建库、建表DDL

【集群迁移】使用Shell脚本获取老集群整个Hive库的建库、建表DDL

前言

做集群迁移时，肤浅的SQL Boy们只会在Hue用Hive执行show create table db1.tb1; 这种方式，来手动一步一步获取到单个表的建表DDL，当然不能说做法有错误，但是这样效率明显低下不少。笔者去年做集群迁移时，首先想到的当然就是使用Java去写JDBC来遍历库表获取到所有的DDL，但是出于安全管控等要求，其中一套老CDH5.16集群是不允许随意放Jar包的，故当时的做法是使用Shell脚本去遍历，非编译的明文脚本过审要容易很多。

Hive和Beeline脚本：https://lizhiyong.blog.csdn.net/article/details/126688391

资深的SQL Boy们或者运维当然也会写这种脚本，其实原理很简单：当执行了hive -e或者beeline命令后，底层就会走JDBC协议连接到Hive Server或者Hive Server2，并最终通过stdout输出给Linux黑窗口，那么只需要借助输出重定向，就可以将这部分有用的内容给固化到文本中，进而自动获取到所需的信息。不需要手动拉取建库、建表的DDL了，方便省事。

获取建库表DDL

话不多说，直接上shell脚本：

#! /bin/bash

current_dir=$(cd $(dirname $0);pwd)
echo "当前路径：${current_dir}"

# 导出Hive库名
hive -e "show databases;" > ${current_dir}/all_database.db

# 删除警告
sed -i '/^WARN:/d' ${current_dir}/all_database.db

# 导出各个Hive库下所有表的DDL
for database in `cat ${current_dir}/all_database.db`
do
	echo "create database if not exists ${database};" >> ${current_dir}/create_database_all_DDL.sql
	hive -e "use ${database};show tables;" > ${current_dir}/${database}.tb
	sed -i '/^WARN:/d' ${current_dir}/${database}.tb
	# 导出建表DDL
	for table in `cat ${current_dir}/${database}.tb`
	do
		hive -e "show create table ${database}.${table};" >> ${current_dir}/${database}_all_DDL.sql
		sed -i '/^WARN:/d' ${current_dir}/${database}_all_DDL.sql
	done
done
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

老的集群会有警告等多余信息，需要去掉它们。但是有的集群并没有这类多余信息，需要具体场景具体分析。

这个脚本会先来个查库操作，获取到所有的库名，然后外层循环遍历所有的库名，并且将建库语句追加到sql文件。之后获取到当前库的所有表名。

内层循环会遍历表名，获取到对应的建表DDL并不断追加到sql文件。

经过2层循环，就获取到了整个Hive库表的所有DDL，后续批量修改location写死的路径【例如：维度表可能会指定使用Alluxio存储来提速，或者内部表、外部表要按业务模块、部门租户等重新划分路径】，或者批量修改为统一Parquet建表，比纯手工肯定是方便不少。

遇到的问题

对于某些机器，可能从来就没有安装过中文语言包，或者集群的Hive、存储元数据的MySQL配置有问题，就会导致当comment中有中文【或者其它语言】时出现乱码。这种情况需要视情况，修改集群MySQL的字符集编码或者给安装中文语言包。还有一部分乱码是历史问题，远古时代的DDL中comment已经乱码了，那就只能知情人士去手动修复。

如果有Kerberos认证，当然需要在头上+一句：

kinit -kt 租户.keytab 租户名称
1

先过了Kerberos认证，并且确认当前租户有权限查看DDL才能执行脚本，否则需要先找网管或者平台管理员开通租户的Ranger或者Sentry权限。

总结

能自动化的事情，尽量去自动化。挑个资源充足的时间段，挂那里自动跑，小集群也就跑个把小时的事情。大集群几百个库的几十万个表的DDL也可以自动拉出来，稍微慢一点。纯人工方式估计干到离职、干到Hive被全面淘汰都干不完！！！

转载请注明出处：https://lizhiyong.blog.csdn.net/article/details/127777207