Copier des données d’objets blob de Stockage Azure vers Azure Data Lake Storage Gen1

Data Lake Storage Gen1 fournit un outil en ligne de commande nommé AdlCopy, qui permet de copier des données à partir des sources suivantes :

• De blobs Stockage Azure vers Azure Data Lake Storage Gen1. Vous ne pouvez pas utiliser AdlCopy pour copier des données d’Azure Data Lake Storage Gen1 vers des blobs Stockage Azure.
• Entre deux comptes Data Lake Storage Gen1.

Vous pouvez également utiliser l’outil AdlCopy dans deux modes différents :

• Autonome : l’outil utilise des ressources Data Lake Storage Gen1 pour effectuer la tâche.
• À l’aide d’un compte Data Lake Analytics: les unités affectées à votre compte Data Lake Analytics permettent d’effectuer l’opération de copie. Vous pouvez utiliser cette option lorsque vous souhaitez que les tâches de copie s’effectuent de manière prévisible.

Prérequis

Avant de commencer cet article, vous devez disposer des éléments suivants :

• Un abonnement Azure. Consultez la page Obtention d’un essai gratuit d’Azure.
• Un conteneur de blobs Stockage Azure avec quelques données.
• Un compte Data Lake Storage Gen1. Pour savoir comment en créer un, voir Prise en main d’Azure Data Lake Storage Gen1.
• Compte Data Lake Analytics (facultatif) : voir Prise en main d’Azure Data Lake Analytics pour obtenir des instructions sur la création d’un compte Data Lake Analytics.
• Outil AdlCopy. Installez l’outil AdlCopy.

Syntaxe de l’outil AdlCopy

L’outil AdlCopy utilise la syntaxe suivante.

AdlCopy /Source <Blob or Data Lake Storage Gen1 source> /Dest <Data Lake Storage Gen1 destination> /SourceKey <Key for Blob account> /Account <Data Lake Analytics account> /Units <Number of Analytics units> /Pattern

Les paramètres de la syntaxe sont décrits ci-après :

Utilisation d’AdlCopy (en mode autonome) pour copier des données à partir d’un objet blob Azure Storage

1. Ouvrez une invite de commandes et accédez au répertoire où vous avez installé AdlCopy, généralement %HOMEPATH%\Documents\adlcopy.

2. Exécutez la commande suivante pour copier un objet blob spécifique du conteneur source vers un dossier Azure Data Lake Storage Gen1 :

   AdlCopy /source https://<source_account>.blob.core.windows.net/<source_container>/<blob name> /dest swebhdfs://<dest_adlsg1_account>.azuredatalakestore.net/<dest_folder>/ /sourcekey <storage_account_key_for_storage_container>
   

   Par exemple :

   AdlCopy /source https://mystorage.blob.core.windows.net/mycluster/HdiSamples/HdiSamples/WebsiteLogSampleData/SampleLog/909f2b.log /dest swebhdfs://mydatalakestorage.azuredatalakestore.net/mynewfolder/ /sourcekey uJUfvD6cEvhfLoBae2yyQf8t9/BpbWZ4XoYj4kAS5Jf40pZaMNf0q6a8yqTxktwVgRED4vPHeh/50iS9atS5LQ==
   

   Notes

   La syntaxe ci-dessus spécifie le fichier à copier vers un dossier dans le compte Data Lake Storage Gen1. L’outil de AdlCopy crée un dossier si le nom de dossier spécifié n’existe pas.

   Vous êtes invité à entrer les informations d’identification de l’abonnement Azure sous lequel vous disposez d’un compte Azure Data Lake Storage Gen1. Vous devez voir une sortie similaire à ce qui suit :

   Initializing Copy.
   Copy Started.
   100% data copied.
   Finishing Copy.
   Copy Completed. 1 file copied.
   

3. Vous pouvez également copier tous les objets blob d’un conteneur donné vers le compte Azure Data Lake Storage Gen1 à l’aide de la commande suivante :

   AdlCopy /source https://<source_account>.blob.core.windows.net/<source_container>/ /dest swebhdfs://<dest_adlsg1_account>.azuredatalakestore.net/<dest_folder>/ /sourcekey <storage_account_key_for_storage_container>  
   

   Par exemple :

   AdlCopy /Source https://mystorage.blob.core.windows.net/mycluster/example/data/gutenberg/ /dest adl://mydatalakestorage.azuredatalakestore.net/mynewfolder/ /sourcekey uJUfvD6cEvhfLoBae2yyQf8t9/BpbWZ4XoYj4kAS5Jf40pZaMNf0q6a8yqTxktwVgRED4vPHeh/50iS9atS5LQ==
   

Considérations relatives aux performances

Si vous copiez à partir d’un compte de stockage Blob Azure, vous pouvez être limité au cours de la copie du côté du stockage d’objets blob. Cela dégradera les performances de votre tâche de copie. Pour en savoir plus sur les limites du stockage Blob Azure, consultez les limites du stockage Azure sur Abonnement Azure et limites du service.

Utilisation d’AdlCopy (en mode autonome) pour copier des données à partir d’un autre compte Azure Data Lake Storage Gen1

Vous pouvez également utiliser AdlCopy pour copier des données entre deux Azure Data Lake Storage Gen1.

1. Ouvrez une invite de commandes et accédez au répertoire où vous avez installé AdlCopy, généralement %HOMEPATH%\Documents\adlcopy.

2. Exécutez la commande suivante pour copier un fichier spécifique d’un compte Data Lake Storage Gen1 vers un autre.

   AdlCopy /Source adl://<source_adlsg1_account>.azuredatalakestore.net/<path_to_file> /dest adl://<dest_adlsg1_account>.azuredatalakestore.net/<path>/
   

   Par exemple :

   AdlCopy /Source adl://mydatastorage.azuredatalakestore.net/mynewfolder/909f2b.log /dest adl://mynewdatalakestorage.azuredatalakestore.net/mynewfolder/
   

   Notes

   La syntaxe ci-dessus spécifie le fichier à copier vers un dossier dans le compte Data Lake Storage Gen1 de destination. L’outil de AdlCopy crée un dossier si le nom de dossier spécifié n’existe pas.

   Vous êtes invité à entrer les informations d’identification de l’abonnement Azure sous lequel vous disposez d’un compte Azure Data Lake Storage Gen1. Vous devez voir une sortie similaire à ce qui suit :

   Initializing Copy.
   Copy Started.|
   100% data copied.
   Finishing Copy.
   Copy Completed. 1 file copied.
   

3. La commande suivante copie tous les fichiers depuis un dossier spécifique dans le compte Data Lake Storage Gen1 source vers un dossier dans le compte Data Lake Storage Gen1 de destination.

   AdlCopy /Source adl://mydatastorage.azuredatalakestore.net/mynewfolder/ /dest adl://mynewdatalakestorage.azuredatalakestore.net/mynewfolder/
   

Considérations relatives aux performances

Lorsque vous utilisez AdlCopy comme outil autonome, la copie est exécutée sur les ressources managées par Azure et partagées. Les performances que vous pouvez obtenir dans cet environnement dépendent de la charge du système et des ressources disponibles. Ce mode est idéal pour les petits transferts sur une base ad hoc. Aucun paramètre ne doit être réglé lorsque vous utilisez AdlCopy comme outil autonome.

Utilisation d’AdlCopy (avec un compte Data Lake Analytics) pour copier des données

Vous pouvez également utiliser votre compte Data Lake Analytics pour exécuter la tâche AdlCopy afin de copier les données d’objets blob de Stockage Azure vers Data Lake Storage Gen1. Vous utilisez généralement cette option lorsque les données à déplacer sont situées dans une plage de plusieurs gigaoctets et téraoctets et que vous souhaitez que le débit des performances soit amélioré et prévisible.

Pour utiliser votre compte Data Lake Analytics avec AdlCopy pour copier des données depuis un objet blob Azure Storage, vous devez ajouter la source (objet blob Azure Storage) comme source de données de votre compte Data Lake Analytics. Pour obtenir des instructions sur l’ajout de sources de données à votre compte Data Lake Analytics, consultez Gérer les sources de donnés d’un compte Data Lake Analytics.

Exécutez la commande suivante pour copier à partir d’un objet blob Azure Storage vers un compte Data Lake Storage Gen1 l’aide du compte Data Lake Analytics :

AdlCopy /source https://<source_account>.blob.core.windows.net/<source_container>/<blob name> /dest swebhdfs://<dest_adlsg1_account>.azuredatalakestore.net/<dest_folder>/ /sourcekey <storage_account_key_for_storage_container> /Account <data_lake_analytics_account> /Units <number_of_data_lake_analytics_units_to_be_used>

Par exemple :

AdlCopy /Source https://mystorage.blob.core.windows.net/mycluster/example/data/gutenberg/ /dest swebhdfs://mydatalakestorage.azuredatalakestore.net/mynewfolder/ /sourcekey uJUfvD6cEvhfLoBae2yyQf8t9/BpbWZ4XoYj4kAS5Jf40pZaMNf0q6a8yqTxktwVgRED4vPHeh/50iS9atS5LQ== /Account mydatalakeanalyticaccount /Units 2

De même, exécutez la commande ci-après pour copier tous les fichiers à partir d’un dossier spécifique du compte Data Lake Storage Gen1 source vers un dossier du compte Data Lake Storage Gen1 de destination à l’aide du compte Data Lake Analytics :

AdlCopy /Source adl://mysourcedatalakestorage.azuredatalakestore.net/mynewfolder/ /dest adl://mydestdatastorage.azuredatalakestore.net/mynewfolder/ /Account mydatalakeanalyticaccount /Units 2

Considérations relatives aux performances

Lors de la copie de données de l’ordre des téraoctets, l’utilisation d’AdlCopy avec votre propre compte Azure Data Lake Analytics offre des performances meilleures et plus prévisibles. Le paramètre qui doit être réglé est le nombre d’unités d’Azure Data Lake Analytics à utiliser pour la tâche de copie. L’augmentation du nombre d’unités augmente les performances de votre tâche de copie. Chaque fichier copié peut utiliser une unité au plus. Spécifier plus d’unités que le nombre de fichiers copiés n’améliore pas les performances.

Utilisation d’AdlCopy pour copier des données à l’aide de critères spéciaux

Dans cette section, vous apprenez à utiliser AdlCopy pour copier des données depuis une source (dans notre exemple ci-dessous, nous utilisons un objet Azure Storage Blob) vers un compte Data Lake Storage Gen1 de destination à l’aide de critères spéciaux. Par exemple, vous pouvez utiliser la procédure ci-dessous pour copier tous les fichiers portant l’extension .csv à partir de l’objet blob source vers la destination.

1. Ouvrez une invite de commandes et accédez au répertoire où vous avez installé AdlCopy, généralement %HOMEPATH%\Documents\adlcopy.

2. Exécutez la commande suivante pour copier tous les fichiers portant l’extension *.csv à partir d’un objet blob spécifique du conteneur source vers un dossier Data Lake Storage Gen1 :

   AdlCopy /source https://<source_account>.blob.core.windows.net/<source_container>/<blob name> /dest swebhdfs://<dest_adlsg1_account>.azuredatalakestore.net/<dest_folder>/ /sourcekey <storage_account_key_for_storage_container> /Pattern *.csv
   

   Par exemple :

   AdlCopy /source https://mystorage.blob.core.windows.net/mycluster/HdiSamples/HdiSamples/FoodInspectionData/ /dest adl://mydatalakestorage.azuredatalakestore.net/mynewfolder/ /sourcekey uJUfvD6cEvhfLoBae2yyQf8t9/BpbWZ4XoYj4kAS5Jf40pZaMNf0q6a8yqTxktwVgRED4vPHeh/50iS9atS5LQ== /Pattern *.csv
   

Facturation

• Si vous utilisez l’outil AdlCopy de manière autonome, vous êtes facturé en fonction des coûts de sortie correspondant au déplacement des données, si le compte Azure Storage source n’est pas situé dans la même région que le compte Data Lake Storage Gen1.
• Si vous utilisez l’outil AdlCopy avec votre compte Data Lake Analytics, les tarifs de facturation Data Lake Analytics standard s’appliquent.

Considérations sur l’utilisation d’AdlCopy

• AdlCopy (pour la version 1.0.5) prend en charge la copie de données à partir de sources qui contiennent collectivement plusieurs milliers de fichiers et dossiers. Cependant, si vous rencontrez des problèmes lors de la copie d’un jeu de données volumineux, vous pouvez distribuer les fichiers/dossiers dans différents sous-dossiers et utiliser comme source le chemin d’accès à ces sous-dossiers.

Considérations de performances sur l’utilisation d’AdlCopy

AdlCopy prend en charge la copie de données contenant des milliers de fichiers et dossiers. Toutefois, si vous rencontrez des problèmes lors de la copie d’un jeu de données volumineux, vous pouvez distribuer les fichiers et dossiers dans des sous-dossiers plus petits. AdlCopy est conçu pour les copies ad hoc. Si vous tentez de copier des données sur une base périodique, vous envisagez d’utiliser Azure Data Factory, qui fournit une gestion complète des opérations de copie.

Notes de publication

• 1.0.13 : si vous copiez des données vers le même compte Azure Data Lake Storage Gen1 à l’aide de plusieurs commandes AdlCopy, il n’est plus nécessaire de ré-entrer vos informations d’identification pour chaque exécution. Adlcopy met alors en cache ces informations sur plusieurs exécutions.

Étapes suivantes

• Sécuriser les données dans Data Lake Storage Gen1
• Utiliser Azure Data Lake Analytics avec Data Lake Storage Gen1
• Utiliser Azure HDInsight avec Data Lake Storage Gen1