Hadoop集群运维-基础、均衡器

曾经终败给现在 2023-02-28 05:49 4阅读 0赞

为了使Hadoop集群保持健康的状态，集群需要进行日常的维护，主要从基础运维，集群扩容和异常处理三个方面。

1、基础运维  
1.1 启动 / 停止Hadoop

> 在Hadoop\_HOME/bin下执行./start-all.sh或者./stop-all.sh命令。（官方不推荐使用这两个命令）

1.2 启动 / 停止 HDFS

> 在Hadoop\_HOME/bin下执行./start-dfs.sh或者./stop-dfs.sh命令。

1.3 启动 / 停止 MapReduce

> 在Hadoop\_HOME/bin下执行./start-mapred.sh或者./stop-mapred.sh命令。

1.4 启动单个Hadoop进程

> 在Hadoop\_HOME/bin下执行

1.4.1 启动NameNode进程：

> ./hadoop-deamon.sh start namenode

1.4.2 启动DataNode进程：

> ./hadoop-deamon.sh start datanode

1.4.3 启动SecondaryNameNode进程：

> ./hadoop-deamon.sh start secondarynamenode

> 1.4.4 启动JobTracker： ./hadoop-deamon.sh start jobtracker  
> 1.4.5 启动TaskTracker： ./hadoop-deamon.sh start tasktracker \}  
> !!!【在Hadoop2.0中没有这2个】

1.5 启动从节点进程：

在从节点的HADOOP\_HOME/bin下执行命令：  
1.5.1 启动从节点的DataNode：

> ./hadoop-deamon.sh datanode

> 1.5.1 启动从节点的TaskTracker： ./hadoop-deamon.sh tasktracker \}  
> !!!【在Hadoop2.0中没有这个】

2、集群节点动态扩容和卸载  
当集群的存储能力或者计算能力出现瓶颈时，一般采取对集群扩容的方法解决。Hadoop支持集群的动态扩容（即不用重启主节点的进程就可以将节点添加到集群中）。当某些节点需要被移除集群，同样可以动态地卸载节点。

2.1 增加DataNode

如果没有配置dfs.hosts（保存允许连接NameNode的host列表的文件的路径），意味着所以的节点都可以连接NameNode，只需要修改节点上的$HADOOP\_HOME/etc/hadoop//slaves（这个路径因为hadoop的版本不同有所不同），在文件末尾追加新主机的名字即可。然后在被添加的从节点上执行1.5.1的命令。  
如果配置了dfs.hosts，那么在启动DataNode前，需要把新添加的从节点的IP地址添加到dfs.hosts参数指定的文件的末尾。然后在执行命令：

>  hadoop dfsadmin -refreshNodes

【TIPS：在节点被添加到集群后，在需要执行一次start-balabcer.sh脚本，使得集群处于动态平衡状态。最后将各个节点的配置文件统一即可。】

2.2卸载DataNode

> 如果直接使用命令stop datanode来停止DataNode的话，虽然可以达到卸载的目的，但是无法使卸载节点保存的数据移动到集群的其他节点。这样集群的副本数不能维持配置的水平，甚至出现数据丢失的情况。

Hadoop提供一种安全的卸载DataNode的方法，可以保证数据的完整性。依靠dfs.hosts和dfs.hosts.exclude（该文件是保存禁止连接NameNode的host列表的文件的路径），首相将被卸载的节点的IP地址添加到dfs.hosts.exclude参数指定的文件的末尾，再执行命令hadoop dfsadmin -refreshNodes，卸载工作开始，产生大量的数据传输，消耗较大的时间，卸载完成后就可以停止DataNode进程，整个卸载过程可以在Web UI中查看。最后在dfs.hosts和dfs.hosts.exclude参数所表示的文件中修改。再次执行hadoop dfsadmin -refreshNodes

2.3增加TaskTracker

在刚添加的DataNode中启动TaskTracker进程即可。

> 2.4卸载TaskTracker  
> Hadoop没有安全移除TaskTracker的方法，直接运行停止命令即可，当被卸载的TaskTracker有正在执行的任务，那么只能依靠MapReduce计算框架自身的容错性保证任务的执行。  
> !!!【在Hadoop2.0中没有这2个】\*\*

3、利用SecondaryNameNode恢复NameNode  
NameNode存在单点故障，一旦出现问题，就要使用SecondaryNameNode进行恢复。恢复的前提：作为新的NameNode的机器的IP、主机名、Hadoop参数配置、目录结构和被替换的NameNode要完全一致。

确保新的NameNode$\{dfs.name.dir\}，目录存在，并移除其中内容  
把SecondaryNameNode$\{fs.checkpoint.dir\}中所有的内容复制到新的NameNode$\{fs.checkpoint.dir\}中  
在新NameNode中执行命令：hadoop namenode -importCheckpoint（从$\{fs.checkpoint.dir\}中恢复$\{dfs.name.dir\}，并启动NameNode）  
检查文件块的完整性，执行命令：hadoop fsck /  
停止NameNode  
删除新NameNode$\{fs.checkpoint.dir\}目录下的文件  
正式启动NameNode恢复工作  
4、常见运维技巧  
4.1 查看日志

日志是Hadoop运维的重要依据，无论遇到什么异常，首先查看日志。通过查看日志文件的方式查看日志，也可以通过tail -f命令实时查看更新的日志。

4.2清理临时文件

集群操作频繁或日志输出不太合理，日志文件和临时文件会非常巨大，影响HDFS的存储，视情况定期清理。

> HDFS临时文件的路径：/export/hadoop/tmp/mapred/staging  
> 本地临时文件路径：$\{mapred.local.dir\}/mapred/userlogs

4.3定期执行数据均衡脚本

导致HDFS数据不均衡的原因很多，（如新增加DataNode，快速删除HDFS上的文件，计算任务分布不均），数据不均衡会降低MapReduce计算本地化的可能，降低作业执行的效率，Hadoop自带均衡器脚本路径$HADOOP\_HOME/bin/start-balancer.sh

在执行这个脚本后，网络的带宽会被大量的消耗，此时如果有任务在执行，那么任务会变的超级慢，可以通过dfs.balance.bandwidthPerSec来设置传输速率（在Hadoop优化中有提到怎么设置），在均衡器执行的过程中，可以随时中断，不会影响数据的数据的完整性

5、常见异常处理  
【异常中的参数和路径根据集群的不同可能会不同】

（1）ERROR  
org.apache.hadoop.hdfs.server.datanode.DataNode：java.io.IOException：Incompatible  
namespaceIDs in /home/hadoop/dfs/data:namenode  
namespaceID=39895076;datanode namespaceID=1030326122  
原因：NameNode被重新格式化，DataNode数据版本与NameNode不一致 解决：  
（1）删除DataNode所有文件  
（2）修改DataNode的 dfs/data/current/VERSION 文件与NameNode相同

（2）ERROR  
org.apache.hadoop.hdfs.server.datanode.DataNode： org.apache.hadoop.utilDiskChecker$DiskError  
原因：磁盘损坏  
解决：更换磁盘

（3）Hive查询时的FileNotFound Exception  
原因：文件缺失不存在，或者因为权限问题数据没有正确写入Hive的读取路径 解决：设置dfs.permissions=false  
或者设置Hive读取路径正确的可写权限

（4）INFO org.apache.hadoop.hdfs.server.datanode.DataNode：writeBlock  
blk\_-8336485569098955809\_2093928 received exception  
java.io.IOException: Permission denied  
原因：之前用错误的账号启动了Hadoop，导致HDFS存储所使用的本地目录变更，导致目录不可写入，DataNode无法启动  
解决：切换至高权限用户，变更正确权限，重启DataNode

（5）FAILED： RuntimeException org.apache.hadoop.ipc.RemoteException  
（org.apache.hadoop.hdfs.server.namenode.SafeModeException）：Cannot  
create  
directory/tmp/hive-hadoop/hive\_2014-202-12\_17-08-53\_924\_3815707560010618162.  
Name node is in safe mode  
原因：NameNode处于安全模式  
解决：当Hadoop启动时NameNode会处于安全模式，此时DataNode回向NameNode上传数据块列表，让NameNode得到块的位置信息，对每一个文件的副本进行统计，当最小副本满足一定比例，系统退出安全模式，当不满足时，对数据块进行复制。安全模式下系统处于只读状态，NameNode不会处理任何块的复制和删除命令，所以作业都不能正常启动，使用hadoop  
dfsadmin -safemode leave 命令退出安全模式。

（6）java.lang。OutOfMemoryError:java heap space  
原因：内存溢出  
解决：通过增大内存和减小内存消耗2个方面的优化

（7）error：org.apache.hadoop.hdfs.server.namenode.LeaseExpiredException:  
No lease on /tmp/hive-hadoop  
/hive\_2014-03-07\_03-00-16\_430\_6468012546084389462/  
\_tmp.-ext-10001/tmp.000053\_1 File does not exist. Holder DFSClient\_attempt\_201403051238\_0516\_r\_000053\_1 dose not have any open  
files 原因：dfs.datanode.max.xcievers参数达到上限  
解决：增大hdfs-site.xml中dfs.datanode.max.xcievers参数

（8）Error：JAVA\_HOME is not set

原因：JAVA\_HOME环境变量缺失  
解决：在$HADOOP\_HOME/conf/hadoop-env.sh文件中配置

（9）ERROR org.apache.hadoop.hdfs.server.datanode.Datanode:  
java.io.IOException : Call to …failed on local exception L  
java.net.NoRouteToHostException:No route to host  
原因：有可能是防火墙导致DataNode连接不上NameNode，导致DataNode无法启动  
解决：关闭防火墙（每个Linux系统的命令不同）  
**原文链接：https://blog.csdn.net/Wee\_Mita/article/details/52517446**

### **2、均衡器** ###

随时时间推移，各个datanode上的块分布来越来越不均衡，这将降低MR的本地性，导致部分datanode相对更加繁忙。

均衡器是一个hadoop守护进程，它将块从忙碌的DN移动相对空闲的DN，同时坚持块复本放置策略，将复本分散到不同的机器、机架。

建议定期执行均衡器，如每天或者每周。

(1)通过以下命令运行均衡器

[jediael@master log]$ start-balancer.sh
    starting balancer, logging to /var/log/hadoop/hadoop-jediael-balancer-master.out

（2）均衡器将每个DN的使用率与整个集群的使用率接近，这个“接近”是通过-threashold参数指定的，默认是10%。  
（3）不同节点之间复制数据的带宽是受限的，默认是1MB/s，可以通过hdfs-site.xml文件中的dfs.balance.bandwithPerSec属性指定（单位是字节）。

### **3、datanode块扫描器** ###

每个datanode均会运行一个块扫描器，定期检测本节点上的所有块，若发现存在错误（如检验和错误），则通知namenode，然后由namenode发起数据重新创建复本或者修复。  
扫描周期由dfs.datanode.scan.period.hours指定，默认为三周（504小时）。