Hadoop中的问题排查思路

一、概述：

在实际使用hadoop的过程中，由于涉及到多台服务器、每台机器上可能还有多个服务等。所以当集群环境出现问题时，快速定位到错误出现的地方尤为重要。

在排查错误的过程中，基本上就是通过既有的工具来检测集群的运行时环境、集群日志等来分析导致错误的原因。

二、Java heap：

hadoop需要运行在Java运行时环境之上。因此jvm中的内存分配是否处于合理的状态，就是需要检测的一个因素。Java虚拟机中分为多个区域，最值得关注的区域是heap区。heap区的大体划分如下：

创建对象时，会首先在Eden区分配内存来创建。随着时间的推移，Eden会慢慢被填满，此时就会触发一次垃圾回收，将Eden区的对象复制到From区。当From区填满时，则又会触发一次垃圾回收，从From区复制到To区。

在复制的过程中，当某个对象复制的次数达到阈值时，就会从年轻代复制到old区域。

在young区域中，垃圾回收器主要是使用ParNew，它是基于复制的垃圾回收器。

在Old区域，可选择的垃圾回收器有：串行（serialOld），并发（ParallelOld），并行（CMS）等。

可以使用下述的命令来查看垃圾回收的相关信息：

[root@node1 ~]# jps

2352 DFSZKFailoverController

2067 NameNode

2456 ResourceManager

2719 Jps

[root@node1 ~]# jstat -gcutil 2456 2000

  S0     S1     E      O      P     YGC     YGCT    FGC    FGCT     GCT

  0.00   0.00  25.60  56.20  49.73     10    0.202     1    0.161    0.364

  0.00   0.00  25.60  56.20  49.73     10    0.202     1    0.161    0.364

  0.00   0.00  25.60  56.20  49.73     10    0.202     1    0.161    0.364

  0.00   0.00  25.60  56.20  49.73     10    0.202     1    0.161    0.364

  0.00   0.00  25.60  56.20  49.73     10    0.202     1    0.161    0.364

三、通过浏览器界面查看：

hadoop集群中提供了很多基于web服务的界面。

namenode管理界面：http://hostname:50057

ResourceManager管理界面：http://hostname:8088

JobTracker管理界面(hadoop1.x)：http://hostname:50030

四、查看日志：

通过tar包安装的hadoop日志一般位于<hadoop_home>/logs目录下。

通过cdh安装的hadoop日志一般位于/var/log/hadoop目录下。

log的级别设置：在hadoop-daemon.sh中定义：

五、在线分析工具：

1、jstack：用于打印出给定的java进程ID或core file或远程调试服务的Java堆栈信息。

[root@node1 test]# jps

2352 DFSZKFailoverController

2067 NameNode

2456 ResourceManager

2819 Jps

[root@node1 test]# jstack 2456 > rm.dat

[root@node1 test]# ls

rm.dat

[root@node1 test]# vim rm.dat 

2016-01-27 16:30:24

Full thread dump Java HotSpot(TM) 64-Bit Server VM (24.79-b02 mixed mode):

"Attach Listener" daemon prio=10 tid=0x00007fed089fd000 nid=0xb1b runnable [0x0000000000000000]

   java.lang.Thread.State: RUNNABLE

"2141196255@qtp-1207409333-7" daemon prio=10 tid=0x00007fecf4456800 nid=0xab8 in Object.wait() [0x00007fece4c2b000]

   java.lang.Thread.State: TIMED_WAITING (on object monitor)

        at java.lang.Object.wait(Native Method)

        - waiting on <0x00000000c222d760> (a org.mortbay.thread.QueuedThreadPool$PoolThread)

        at org.mortbay.thread.QueuedThreadPool$PoolThread.run(QueuedThreadPool.java:626)

        - locked <0x00000000c222d760> (a org.mortbay.thread.QueuedThreadPool$PoolThread)

"ApplicationMaster Launcher" prio=10 tid=0x00007fed090e5000 nid=0xa9e waiting on condition [0x00007fece502f000]

   java.lang.Thread.State: WAITING (parking)

        at sun.misc.Unsafe.park(Native Method)

        - parking to wait for  <0x00000000c1c1b0e0> (a java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject)

        at java.util.concurrent.locks.LockSupport.park(LockSupport.java:186)

        at java.util.concurrent.locks.AbstractQueuedSynchronizer$ConditionObject.await(AbstractQueuedSynchronizer.java:2043)

"rm.dat" 2017L, 144689C

2、jmap+jhat分析：

A、首先用jps或者ps或许需要查询的进程id。

B、用jmap得到进程的进行时内存镜像，命令如下：

jmap -dump:live,format=b,file=jmap.dat ${PID}

C、用jhat进行内存分析：命令如下：

jhat -J-Xmx2G jmap.dat

D、jhat启动后会建立一个HTTP server，端口为7000，可以通过浏览器查看统计数据。

3、fsck检查文件系统是否有损坏的blocks。

4、使用dfsadmin命令。

六、其他工具：

1、strace：这是一个Linux工具。

2、iostat：查看磁盘是否出现瓶颈。

3、nload：监控当前的网络带宽。

4、iptraf。

5、netstat：查看端口占用。

6、tcpdump：抓包工具。示例如下：

tcpdump -nn -i etho -xX -s 0 tcp and port 2181