CDH集群主节点宕机恢复

1       情况概述

公司的开发集群在周末莫名其妙的主节点Hadoop-1的启动固态盘挂了，由于CM、HDFS的NameNode、HBase的Master都安装在Hadoop-1，导致了整个集群都无法使用，好在数据不在启动盘。

Hadoop-1的系统必须重装，但是不能重装集群，因为要将之前的数据全部保留恢复，所以只能通过集群恢复的手段将集群重新跑起来。

主要服务角色安装情况：

Hadoop-1:

CM，HDFS( NN,DN )，HBase(HMaster, RegionServer)，YARN(NM)，Zookeeper

Hadoop-2:

HDFS( SNN,DN )，HBase(HMaster, RegionServer)，YARN(RM,NM)，Zookeeper

Hadoop-3，Hadoop-4:

HDFS( DN )，HBase(RegionServer)，YARN(NM)，Zookeeper

说明：在写本文档的时候，出现此问题的研发集群已经恢复完成，但是很遗憾没有留下证据，所以这里利用了一个临时的集群重现该问题，并执行恢复

2       面临的问题

1. Hadoop-1系统重装后CM必须得重装，那么怎么将其余好的节点重新加入到新的CM。
2. 新建的NameNode怎么重新使用原来的NameNode的数据，怎么重新管理其余结点的DataNode。

3       恢复记录

3.1   重装系统

最小化安装CentOS 64位系统，

准备好基础环境，恢复到和原来的Hadoop-1一样。

注意要点：

1. 重新配置Hosts
2. 重新配置ssh的无密钥登录。
3. 重新配置时钟服务
4. 重新配置CentOS，及CM、CDH的网络镜像源
5. 挂载数据盘到原来的位置

3.2   重装CM

在Hadoop-1中利用CM的引导文件cloudera-manager-installer.bin重装CM服务，剩下的就是界面操作。前面的步骤和搭建新集群一样，以下为截图：

1.

在到这个界面之前的步骤和安装全新集群基本一样的，因此之前的步骤参照集群搭建文档即可，重点就是这个图，这个地方是选择服务角色的安装主机，一定要和之前的集群保持一致

上面这张图是更改后的，根据原来的集群，NameNode在test-hadoop-1上，而SNN在test-hadoop-2上面，每个节点都存在DataNode，至于HBase的配置还是理论上说可以随意（因为它的数据是在HDFS和Zookeeper上只要它俩对了，HBase的数据自然就恢复了。），但是还是建议和原来的保持一致。

Zookeeper要保持和原来一致。

Yarn主要用于计算，其实也可以是随意的，但是它有NM，所以还是建议保持和原来一致

CM，Spark可以配置是可以随意的，因为这两个东西跟我们的数据没太大关系。

接着往下走,

要是安装了要是原来的集群的自定义数据库不再主节点上，则直接在这里指过去使用原来的数据库，否则直接联本地的。

接着往下走，

这一步是重中之重，一定要注意将数据目录指定到原来的集群的数据目录，保持高度一致，对应修改完就可以启动了。

启动后HDFS报错，因为NameNode会去尝试format，但是已经有数据了，所以format失败，那么基本上意味着我们数据恢复成功80%了，我们进入CM的控制界面，重启所服务，要是不出意外，集群修复就完成了。

4       可能的错误

4.1   Zookeeper

若启动时报zookeeper启动异常，

完整日志如下：

这个错是个很奇怪的错，只发生在新建的主节点上，是因为挂载原来的数据盘时，原来的目录及文件的用户及用户组发生了变化，如下：

新建的主节点test-hadoop-1：

原来的数据结点test-hadoop-2:

可以看到在新建的主节点test-hadoop-1中zookeeper的用户和用户组都成了solr，我们只需要将其修改过来就好了。

再次启动zookeeper若报如下错误：

则在对应的节点重启CM的agent

再次启动zookeeper：

其他的权限错误，就不再说了，对照着改就好了。

5       总结

通过这次集群恢复，有以下几点收获，

1. CM搭建的Hadoop集群中服务和数据是分离的，就算是搭建一个全新的集群，只要将数据目录指定到原来的目录，就可以使用原来的数据。（按理说所有Hadoop集群都是这样。）
2. 要大胆尝试。因为之前想到集群的主节点都挂了，无法避免重新搭建，数据只能全清空，迫于数据的重要性，在测试集群试验了把新搭集群但是数据目录还是原来的，发现hdfs，hbase，kafka，zookeeper的数据都还是原来的，并没有置空。