hadoop系列 第一坑： hdfs JournalNode Sync Status

今天早上来公司发现cloudera manager出现了hdfs的警告，如下图：

解决的思路是：

1、首先解决简单的问题，查看警告提示的设置的阀值时多少，这样就可以快速定位到问题在哪了，果然JournalNode Sync Status提示最先消去；

2、然后解决Sync Status问题，首先找到提示语的解释，在官网上可见。然后查看配置参数有无问题，没问题就看log，果然在log中看到了报错信息；

3、最后可定位到该提示是由于JournalNode节点间同步文件没有保持一致，那么使用修复（优雅）或是拷贝（不优雅）的方式即可解决；

4、针对一个问题，解决的方法有多种，有的是“优雅的办法”，有的是“不优雅的办法”，不幸的是我使用了“不优雅的办法”解决了该问题。

如果哪位朋友知道怎么可以初始化JournalNode下的dfs.journalnode.edits.dir目录（把某个namenode上的namespace元数据同步到JournalNode节点上），可以告诉我哦，先谢了！

 

下面是解决问题的整个过程：

第一反应是肯定是JournalNode在同步namespace的镜像和edit log时出现了点问题，很显然是108和109两个节点上的JournalNode同步出现了问题。

我这里时配置了五个节点的JournalNode，现在有2个JournalNode出现了问题，理论上应该是warning，而不是critical。

当出现"Sync Status"、"JournalNode Sync Status"这一类提示的时候，在cloudera官网上时能找到相关解释的，例如：关于namenode的health check在的提示语在下面链接中是能找到相关说明的：

英文地址(推荐)：

http://www.cloudera.com/content/cloudera/en/documentation/core/latest/topics/cm_ht_namenode.html

中文地址(有少量缺失)：

http://www.cloudera.com/content/cloudera/zh-CN/documentation/core/v5-3-x/topics/cm_ht_namenode.html

我们可以找到short name为JournalNode Sync Status的描述如下：

接着在CM里找到了相关参数的设置：

HDFS --->  Configuration ---> View and Edit ---> Monitoring，在Search表单里写入"namenode_out_of_sync_journal_nodes_thresholds"，可以看到配置为

 

现在的配置为从来不提示warning，只要出现JournalNode同步出现问题提示Critical，我们设置如下：

 

现在JournalNode Sync Status的警告没有了，但是Sync Status的警告还在。刚刚处理的是修改了NameNode health check的警告提示符。

 

下面来处理Sync Status警告问题：

同样的，我们找到了它的相关描述http://www.cloudera.com/content/cloudera/en/documentation/core/latest/topics/cm_ht_journalnode.html

 

通过查看这个，并没有解决服务本身问题的描述，同步时间设置为180秒，查看网络io，并没有出现负载偏高的情况。下面只有查看服务的log了：

IPC Server handler  on , call org.apache.hadoop.hdfs.qjournal.protocol.QJournalProtocol.getEditLogManifest from 172.31.13.29:: error: org.apache.hadoop.hdfs.qjournal.protocol.JournalNotFormattedException: Journal Storage Directory /hadop-cdh-data/jddfs/nn/journalhdfs1 not formatted
org.apache.hadoop.hdfs.qjournal.protocol.JournalNotFormattedException: Journal Storage Directory /hadop-cdh-data/jddfs/nn/journalhdfs1 not formatted
 at org.apache.hadoop.hdfs.qjournal.server.Journal.checkFormatted(Journal.java:)
  at org.apache.hadoop.hdfs.qjournal.server.Journal.getEditLogManifest(Journal.java:)
      at org.apache.hadoop.hdfs.qjournal.server.JournalNodeRpcServer.getEditLogManifest(JournalNodeRpcServer.java:)
    at org.apache.hadoop.hdfs.qjournal.protocolPB.QJournalProtocolServerSideTranslatorPB.getEditLogManifest(QJournalProtocolServerSideTranslatorPB.java:)
    at org.apache.hadoop.hdfs.qjournal.protocol.QJournalProtocolProtos$QJournalProtocolService$.callBlockingMethod(QJournalProtocolProtos.java:)
  at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:)
       at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:)
     at org.apache.hadoop.ipc.Server$Handler$.run(Server.java:)
     at org.apache.hadoop.ipc.Server$Handler$.run(Server.java:)
     at java.security.AccessController.doPrivileged(Native Method)
       at javax.security.auth.Subject.doAs(Subject.java:)
       at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:)
     at org.apache.hadoop.ipc.Server$Handler.run(Server.java:)

IPC Server handler  on , call org.apache.hadoop.hdfs.qjournal.protocol.QJournalProtocol.heartbeat from 172.31.9.109:: error: java.io.FileNotFoundException: /hadop-cdh-data/jddfs/nn/journalhdfs1/current/last-promised-epoch.tmp (No such file or directory)
java.io.FileNotFoundException: /hadop-cdh-data/jddfs/nn/journalhdfs1/current/last-promised-epoch.tmp (No such file or directory)
  at java.io.FileOutputStream.open(Native Method)
     at java.io.FileOutputStream.<init>(FileOutputStream.java:)
 at java.io.FileOutputStream.<init>(FileOutputStream.java:)
 at org.apache.hadoop.hdfs.util.AtomicFileOutputStream.<init>(AtomicFileOutputStream.java:)
  at org.apache.hadoop.hdfs.util.PersistentLongFile.writeFile(PersistentLongFile.java:)
     at org.apache.hadoop.hdfs.util.PersistentLongFile.set(PersistentLongFile.java:)
   at org.apache.hadoop.hdfs.qjournal.server.Journal.updateLastPromisedEpoch(Journal.java:)
 at org.apache.hadoop.hdfs.qjournal.server.Journal.checkRequest(Journal.java:)
    at org.apache.hadoop.hdfs.qjournal.server.Journal.heartbeat(Journal.java:)
       at org.apache.hadoop.hdfs.qjournal.server.JournalNodeRpcServer.heartbeat(JournalNodeRpcServer.java:)
     at org.apache.hadoop.hdfs.qjournal.protocolPB.QJournalProtocolServerSideTranslatorPB.heartbeat(QJournalProtocolServerSideTranslatorPB.java:)
     at org.apache.hadoop.hdfs.qjournal.protocol.QJournalProtocolProtos$QJournalProtocolService$.callBlockingMethod(QJournalProtocolProtos.java:)
  at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:)
       at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:)
     at org.apache.hadoop.ipc.Server$Handler$.run(Server.java:)
     at org.apache.hadoop.ipc.Server$Handler$.run(Server.java:)
     at java.security.AccessController.doPrivileged(Native Method)
       at javax.security.auth.Subject.doAs(Subject.java:)
       at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:)
     at org.apache.hadoop.ipc.Server$Handler.run(Server.java:)

此时可以看见存放同步文件的目录/hadop-cdh-data/jddfs/nn/journalhdfs1找不到，ssh远程连入该节点查看果然没有这个目录。

到这里，基本上可以定位到问题了，解决的办法有2种：一是通过相关命令来初始化这个目录（我觉得这种方法才是解决该问题的正确方法），二是直接拷贝正常journalnode上的文件过来。

本人使用的是方法二，这里有一点需要注意，就是复制的时间不能过长，应该是不能超过journalnode_sync_status_startup_tolerance设置的值（个人理解），因为第一次打zip包下载在传到其它节点上后使用就超时了，第二次使用scp直接拷贝就可以了，命令如下：

rm -rf journalhdfs1
scp -r -i /root/xxxxxxx.pem root@ip-xxx-xx-xx-111:/hadop-cdh-data/jddfs/nn/journalhdfs1 ./
chown -R hdfs:hdfs journalhdfs1

注：在namespace元数据过大时，需要注意dfs.image.transfer.bandwidthPerSec参数的设置，它是同步数据时的带宽限制。

然后重启了这两个JournalNode（也可以先关闭，文件复制好之后启动）节点，问题解决。

 

另外，我建了个QQ群：305994766，希望对大数据、算法研发、系统架构感兴趣的朋友能够加入进来，大家一起学习，共同进步（进群请说明自己的公司-职业-昵称）