(1)discp原理
在田东等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供
成都网站建设、网站制作 网站设计制作定制制作,公司网站建设,企业网站建设,
品牌网站制作,
成都全网营销推广,成都外贸网站建设公司,田东网站建设费用合理。
DistCp（Distributed Copy）是用于大规模集群内部或者集群之间的高性能拷贝工具，和在linux上执行cp，scp实现效果是一致的，不同的是，cp是将本机的文件和目录拷贝到本机的其它地方，scp则可以将A机器的文件或者目录拷贝到B机器，而Distcp则可以实现的是A（hdfs）集群的数据拷贝到B（hdfs）集群，而分布式使得数据拷贝时，可以实现A级群的DN节点同时向B集群的DN节点发送数据，突破了单机拷贝的网卡速率限制，拷贝效率更高。
同时Distcp它使用Map/Reduce任务实现文件分发，错误处理和恢复，以及报告生成。 它把文件和目录的列表作为map任务的输入，每个任务会完成源列表中部分文件的拷贝。（实际上Distcp只用到了map，没用用到reduce）。
(2)使用场景
1:数据异地灾备。
2:机房下线，数据迁移。
3:数据准实时同步。
(3)discp优势
1:支持带宽限流，可以使用bandwidth参数对distcp的每个map任务限流，同时控制map并发数量即可控制整个拷贝任务的带宽，防止拷贝任务将带宽打满，影响其它业务。
2:支持overwrite（覆盖写），update（增量写），delete（删除写）等多种源和目的校验的拷贝方式，大量数据的拷贝必然要做到数据拷贝过程中的校验，来保证源和目的数据的一致性。
(4)discp命令
hadoop distcp \
-Dmapred.jobtracker.maxtasks.per.job=1800000 \ #任务大map数（数据分成多map任务）
-Dmapred.job.max.map.running=4000 \ #大map并发
-Ddistcp.bandwidth=150000000 \ #带宽
-Ddfs.replication=2 \ #复制因子，两副本
-Ddistcp.skip.dir=$skipPath \ #过滤的目录（不拷贝的目录）
-Dmapred.map.max.attempts=9 \ #每个task大尝试次数
-Dmapred.fairscheduler.pool=distcp \ #指定任务运行的pool
-pugp \ #保留属性（用户，组，权限）
-i \ #忽略失败的task
-skipcrccheck \ #忽略CRC校验（防止源，目标集群hdfs版本不一致导致任务失败。）
hdfs://clusterA:9000/AAA/data \ #源地址
hdfs://clusterB:9000/BBB/data #目标地址
(5)执行输出
[work@hq distcp]$ hadoop distcp \
-Dmapred.jobtracker.maxtasks.per.job=1800000 \
-Dmapred.job.max.map.running=4000 \
-Ddistcp.bandwidth=150000000 \
-Ddfs.replication=2 \
-Dmapred.map.max.attempts=9 \
-Dmapred.fairscheduler.pool=distcp \
-pugp -i -skipcrccheck \
hdfs://clusterA:9000/AAA/data \
hdfs://clusterB:9000/BBB/data
17/06/03 17:06:38 INFO tools.DistCp: srcPaths=[hdfs://clusterA:9000/AAA/data ]
17/06/03 17:06:38 INFO tools.DistCp: destPath=hdfs://clusterB:9000/BBB/data
17/06/03 17:06:39 INFO tools.DistCp: config no skip dir
17/06/03 17:06:40 INFO tools.DistCp: sourcePathsCount=241
17/06/03 17:06:40 INFO tools.DistCp: filesToCopyCount=240
17/06/03 17:06:40 INFO tools.DistCp: bytesToCopyCount=0.0
17/06/03 17:06:40 INFO tools.DistCp: mapTasks: 1
17/06/03 17:06:40 INFO corona.SessionDriver: My serverSocketPort 36822
17/06/03 17:06:40 INFO corona.SessionDriver: My Address 10.160.115.122:36822
17/06/03 17:06:40 INFO corona.SessionDriver: Connecting to cluster manager at jobtracker:8021
17/06/03 17:06:40 INFO corona.SessionDriver: HeartbeatInterval=15000
17/06/03 17:06:40 INFO corona.SessionDriver: Got session ID job_201706031706_267270
17/06/03 17:06:40 INFO tools.DistCp: targetsize=268435456
17/06/03 17:06:40 INFO tools.DistCp: targetfiles=500
17/06/03 17:06:40 INFO corona.SessionDriver: Started session job_201706031706_267270
17/06/03 17:06:45 INFO mapred.JobClient: map 0% reduce 0%
17/06/03 17:06:59 INFO mapred.JobClient: map 3% reduce 0%
17/06/03 17:07:01 INFO mapred.JobClient: map 5% reduce 0%
17/06/03 17:07:05 INFO mapred.JobClient: map 6% reduce 0%
.....
17/06/03 17:11:15 INFO mapred.JobClient: map 97% reduce 0%
17/06/03 17:11:17 INFO mapred.JobClient: map 100% reduce 0%
17/06/03 17:11:25 INFO corona.SessionDriver: Stopping session driver
(6)主要参数
Hadoop 1版本
distcp [OPTIONS] *
选项：
-p [rbugp] 状态
r：复制数
b：块大小
u：用户
g：组
p：权限
t：修改和访问时间
-p单独相当于-prbugpt
-i 忽略失败
-basedir 从复制文件时，使用作为基本目录
-log 将日志写入
-m 大并发副本数
-overwrite 覆盖目的地
-update 如果src大小与dst大小不同，则覆盖
-skipcrccheck 不要使用CRC检查来确定src是否是 不同于dest。
-copybychunk 剁碎和复制的文件
-f 将中的列表用作src列表
-filelimit 将文件的总数限制为<= n
-filelimitpermap 每个地图要复制的大文件数
-sizelimit 将总大小限制为<= n个字节
-sizelimitpermap 每个映射要复制的大字节数
-delete 删除dst中存在的文件，但不在src中
-mapredSslConf 映射器任务的SSL配置文件名
-usefastcopy 使用FastCopy（仅适用于DFS）
注1：如果设置了-overwrite或-update，则每个源URI和目标URI保持同级一致。
例如：
hadoop distcp -p -update hdfs://A:9000//home/aa hdfs://B:9000//home/bb
支持的通用选项是
-conf 指定应用程序配置文件
-D 给定属性的使用值
-fs 指定一个namenode
-jt 指定jobtracker在corona上
-jtold 指定jobtracker在mapreduce上
-files <逗号分隔的文件列表>指定要复制到map reduce cluster的逗号分隔文件
-libjars <逗号分隔的jars列表> 指定要包含在类路径中的逗号分隔的jar文件。
-archives <逗号分隔的归档列表> 指定要在计算机上取消归档的逗号分隔的归档。
Hadoop 2版本
用法：distcp OPTIONS [source_path ...]
OPTIONS
-append 重新使用目标文件中的现有数据并追加新的如果可能，给他们的数据
-async 应该是distcp执行阻塞
-atomic 提交所有更改或无
-bandwidth 以MB为单位指定每个map的带宽
-delete 从目标中删除，源文件丢失
-diff 使用snapshot diff报告来标识源和目标之间的差异
-f 需要复制的文件列表
-filelimit （已弃用！）限制复制到<= n的文件数
-i 在复制期间忽略故障
-log DFS上的distcp执行日志文件夹保存
-m 要用于副本的大并发map数
-mapredSslConf 配置ssl配置文件，用于hftps：//
-overwrite 选择无条件覆盖目标文件，即使它们存在。
-p 保留源文件状态（rbugpcaxt）
（复制，块大小，用户，组，权限，校验和类型，ACL，XATTR，时间戳）
如果-p是指定为no ，然后保留复制，块大小，用户，组，权限，校验和类型和时间戳。
原始的* xattrs是源和目的地都保留路径位于/.reserved/raw层次结构中（HDF只要）。原始*
xattrpreservation是独立的-p标志。请参阅DistCp文档更多细节。
-sizelimit （已弃用！）限制复制到<= n的文件数字节
-skipcrccheck 是否跳过源和源之间的CRC检查目标路径。
-strategy 复制策略使用。默认是分工基于文件大小
-tmp 要用于原子的中间工作路径承诺
-update 更新目标，仅复制missingfiles或目录
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
分享文章：Distcp分布式拷贝-创新互联
文章源于：
http://cdkjz.cn/article/dhoiis.html
