Миграция кластера Yandex Data Processing с файловой системой HDFS в другую зону доступности

Статья создана

Обновлена 8 апреля 2025 г.

Необходимые платные ресурсы
Создайте кластер через импорт в Terraform
Скопируйте данные в новый кластер
Удалите первоначальный кластер

Подкластеры каждого кластера Yandex Data Processing находятся в одной облачной сети и одной зоне доступности. Вы можете перенести кластер в другую зону доступности. Процесс переноса зависит от типа кластера:

Ниже описано, как перенести кластеры с файловой системой HDFS.
О миграции легковесных кластеров читайте в инструкции.

Примечание

Для кластеров, хосты которых располагаются в зоне доступности ru-central1-d, недоступно использование платформы Intel Broadwell.

Чтобы перенести кластер с файловой системой HDFS:

Перед началом работы создайте подсеть в зоне доступности, в которую вы переносите кластер.

Необходимые платные ресурсы

В стоимость поддержки описываемого решения входит плата за кластеры Yandex Data Processing (см. тарифы Yandex Data Processing).

Создайте кластер через импорт в Terraform

Чтобы в другой зоне доступности создать кластер Yandex Data Processing, настройки которого совпадают с настройками первоначального кластера, импортируйте конфигурацию первоначального кластера в Terraform:

Terraform

Если у вас еще нет Terraform, установите его.
Получите данные для аутентификации. Вы можете добавить их в переменные окружения или указать далее в файле с настройками провайдера.
Настройте и инициализируйте провайдер. Чтобы не создавать конфигурационный файл с настройками провайдера вручную, скачайте его.
Поместите конфигурационный файл в отдельную рабочую директорию и укажите значения параметров. Если данные для аутентификации не были добавлены в переменные окружения, укажите их в конфигурационном файле.
В той же рабочей директории разместите файл с расширением .tf и содержимым:
```
resource "yandex_dataproc_cluster" "old" { }
```
Запишите идентификатор первоначального кластера в переменную окружения:
```
export DATAPROC_CLUSTER_ID=<идентификатор_кластера>
```
Идентификатор можно запросить вместе со списком кластеров в каталоге.
Импортируйте настройки первоначального кластера в конфигурацию Terraform:
```
terraform import yandex_dataproc_cluster.old ${DATAPROC_CLUSTER_ID}
```
Получите импортированную конфигурацию:
```
terraform show
```
Скопируйте ее из терминала и вставьте в файл с расширением .tf.
Расположите файл в новой директории imported-cluster.
Измените скопированную конфигурацию так, чтобы из нее можно было создать новый кластер:
- Укажите новое имя кластера в строке resource и параметре name.
- Удалите параметры created_at, host_group_ids, id и subcluster_spec.id.
- Измените зону доступности в параметре zone_id.
- Укажите идентификатор новой подсети, созданной в нужной зоне доступности, в параметрах subnet_id в блоках subcluster_spec.
- Измените формат SSH-ключа в параметре ssh_public_keys. Исходный формат:
```
ssh_public_keys = [
  <<-EOT
    <ключ>
  EOT,
]
```
  Требуемый формат:
```
ssh_public_keys = [
  "<ключ>"
]
```
В директории imported-cluster получите данные для аутентификации.
В этой же директории настройте и инициализируйте провайдер. Чтобы не создавать конфигурационный файл с настройками провайдера вручную, скачайте его.
Поместите конфигурационный файл в директорию imported-cluster и укажите значения параметров. Если данные для аутентификации не были добавлены в переменные окружения, укажите их в конфигурационном файле.
Проверьте корректность файлов конфигурации Terraform с помощью команды:
```
terraform validate
```
Если в файлах конфигурации есть ошибки, Terraform на них укажет.
Создайте необходимую инфраструктуру:
1. Выполните команду для просмотра планируемых изменений:
```
terraform plan
```
  Если конфигурации ресурсов описаны верно, в терминале отобразится список изменяемых ресурсов и их параметров. Это проверочный этап: ресурсы не будут изменены.
2. Если вас устраивают планируемые изменения, внесите их:
  1. Выполните команду:
```
terraform apply
```
  2. Подтвердите изменение ресурсов.
  3. Дождитесь завершения операции.
В указанном каталоге будут созданы все требуемые ресурсы. Проверить появление ресурсов и их настройки можно в консоли управления.

Скопируйте данные в новый кластер

Убедитесь, что над HDFS-файлами и директориями, которые вы хотите скопировать, не выполняются какие-либо операции или задания (jobs).

Чтобы посмотреть список запущенных операций и заданий:
1. В консоли управления выберите сервис Yandex Data Processing.
2. Нажмите на имя первоначального кластера и выберите вкладку Операции, затем — Задания.
Примечание

Пока вы не завершили миграцию, не запускайте операции или задания, которые изменяют копируемые HDFS-файлы и директории.
Подключитесь по SSH к хосту-мастеру первоначального кластера.
Получите список директорий и файлов, которые надо скопировать в новый кластер:
```
hdfs dfs -ls /
```
Вместо символа / можно указать нужную вам директорию.
Чтобы протестировать копирование данных в новый кластер Yandex Data Processing, создайте тестовые директории:
```
hdfs dfs -mkdir /user/foo &&\
hdfs dfs -mkdir /user/test
```
В примере ниже для демонстрации копируются только тестовые директории /user/foo и /user/test.
Подключитесь по SSH к хосту-мастеру нового кластера.
Создайте файл srclist:
```
nano srclist
```
Добавьте в него список директорий, предназначенных для переноса:
```
hdfs://<FQDN_первоначального_кластера>:8020/user/foo
hdfs://<FQDN_первоначального_кластера>:8020/user/test
```
В команде укажите FQDN хоста-мастера первоначального кластера. О том, как получить FQDN, читайте в инструкции.
Поместите файл srclist в HDFS-директорию /user:
```
hdfs dfs -put srclist /user
```
Создайте директорию, куда будут скопированы данные. В примере это директория copy, вложенная в /user.
```
hdfs dfs -mkdir /user/copy
```
Скопируйте данные между кластерами с помощью утилиты DistCp:
```
hadoop distcp -f hdfs://<FQDN_нового_кластера>:8020/user/srclist \
hdfs://<FQDN_нового_кластера>:8020/user/copy
```
В команде укажите FQDN хоста-мастера нового кластера.

В результате в директорию /user/copy будут скопированы все директории и файлы, указанные в списке srclist.

Если копируется большой объем данных, используйте в команде флаг -m <максимальное_количество_одновременных_копий>, чтобы ограничить потребление пропускной способности сети. Подробнее см. в документации DistCp.

Объем копируемых данных можно посмотреть в веб-интерфейсе HDFS. Чтобы открыть его:
1. В консоли управления выберите сервис Yandex Data Processing.
2. Нажмите на имя первоначального кластера.
3. На его странице, в разделе UI Proxy, перейдите по ссылке HDFS Namenode UI.
В поле DFS Used указан объем данных в HDFS в первоначальном кластере.
Проверьте, что данные скопировались:
```
hdfs dfs -ls /user/copy
```

Таким образом можно скопировать все нужные данные. Для этого в srclist укажите требуемые директории и файлы.

Удалите первоначальный кластер

О том, как это сделать, читайте в инструкции.

Миграция кластера Yandex Data Processing с файловой системой HDFS в другую зону доступности

Необходимые платные ресурсыНеобходимые платные ресурсы

Создайте кластер через импорт в TerraformСоздайте кластер через импорт в Terraform

Скопируйте данные в новый кластерСкопируйте данные в новый кластер

Удалите первоначальный кластерУдалите первоначальный кластер

Была ли статья полезна?

Необходимые платные ресурсы

Создайте кластер через импорт в Terraform

Скопируйте данные в новый кластер

Удалите первоначальный кластер