企业空间 采购商城 存储论坛
首页 > Hadoop > 正文

Hadoop集群日常运维工作及步骤

2015-08-10 12:08来源:中国存储网
导读:本文介绍Hadoop集群日常运维工作及步骤,namenode中的元数据非常重要,如丢失或者损坏,则整个系统无法使用。因此应该经常对元数据进行备份,最好是异地备份。

本文介绍Hadoop集群日常运维工作及步骤:

(一)备份namenode的元数据

namenode中的元数据非常重要,如丢失或者损坏,则整个系统无法使用。因此应该经常对元数据进行备份,最好是异地备份。
1、将元数据复制到远程站点
(1)以下代码将secondary namenode中的元数据复制到一个时间命名的目录下,然后通过scp命令远程发送到其它机器

  1. #!/bin/bash  
  2. export dirname=/mnt/tmphadoop/dfs/namesecondary/current/`date +%y%m%d%H`  
  3. if [ ! -d ${dirname} ]  
  4. then  
  5. mkdir  ${dirname}  
  6. cp /mnt/tmphadoop/dfs/namesecondary/current/*  ${dirname}  
  7. fi  
  8. scp -r ${dirname} slave1:/mnt/namenode_backup/  
  9. rm -r ${dirname}  

(2)配置crontab,定时执行此项工作
0 0,8,14,20 * * * bash /mnt/scripts/namenode_backup_script.sh

2、在远程站点中启动一个本地namenode守护进程,尝试加载这些备份文件,以确定是否已经进行了正确备份。

(二)数据备份
对于重要的数据,不能完全依赖HDFS,而是需要进行备份,注意以下几点
(1)尽量异地备份
(2)如果使用distcp备份至另一个hdfs集群,则不要使用同一版本的hadoop,避免hadoop自身导致数据出错。

(三)文件系统检查
定期在整个文件系统上运行HDFS的fsck工具,主动查找丢失或者损坏的块。
建议每天执行一次。

  1. [jediael@master ~]$ hadoop fsck /  
  2. ……省略输出(若有错误,则在此外出现,否则只会出现点,一个点表示一个文件)……  
  3. .........Status: HEALTHY  
  4.  Total size:    14466494870 B  
  5.  Total dirs:    502  
  6.  Total files:   1592 (Files currently being written: 2)  
  7.  Total blocks (validated):      1725 (avg. block size 8386373 B)  
  8.  Minimally replicated blocks:   1725 (100.0 %)  
  9.  Over-replicated blocks:        0 (0.0 %)  
  10.  Under-replicated blocks:       648 (37.565216 %)  
  11.  Mis-replicated blocks:         0 (0.0 %)  
  12.  Default replication factor:    2  
  13.  Average block replication:     2.0  
  14.  Corrupt blocks:                0  
  15.  Missing replicas:              760 (22.028986 %)  
  16.  Number of data-nodes:          2  
  17.  Number of racks:               1  
  18. FSCK ended at Sun Mar 01 20:17:57 CST 2015 in 608 milliseconds  
  19.   
  20. The filesystem under path '/' is HEALTHY  


(1)若hdfs-site.xml中的dfs.replication设置为3,而实现上只有2个datanode,则在执行fsck时会出现以下错误;
/hbase/Mar0109_webpage/59ad1be6884739c29d0624d1d31a56d9/il/43e6cd4dc61b49e2a57adf0c63921c09:  Under replicated blk_-4711857142889323098_6221. Target Replicas is 3 but found 2 replica(s).
注意,由于原来的dfs.replication为3,后来下线了一台datanode,并将dfs.replication改为2,但原来已创建的文件也会记录dfs.replication为3,从而出现以上错误,并导致 Under-replicated blocks:       648 (37.565216 %)。

(2)fsck工具还可以用来检查一个文件包括哪些块,以及这些块分别在哪等

  1. [jediael@master conf]$ hadoop fsck /hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7 -files -blocks -racks  
  2.   
  3. FSCK started by jediael from /10.171.29.191 for path /hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7 at Sun Mar 01 20:39:35 CST 2015  
  4. /hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7 21507169 bytes, 1 block(s):  Under replicated blk_7117944555454804881_3655. Target Replicas is 3 but found 2 replica(s).  
  5. 0. blk_7117944555454804881_3655 len=21507169 repl=2 [/default-rack/10.171.94.155:50010, /default-rack/10.251.0.197:50010]  
  6.   
  7. Status: HEALTHY  
  8.  Total size:    21507169 B  
  9.  Total dirs:    0  
  10.  Total files:   1  
  11.  Total blocks (validated):      1 (avg. block size 21507169 B)  
  12.  Minimally replicated blocks:   1 (100.0 %)  
  13.  Over-replicated blocks:        0 (0.0 %)  
  14.  Under-replicated blocks:       1 (100.0 %)  
  15.  Mis-replicated blocks:         0 (0.0 %)  
  16.  Default replication factor:    2  
  17.  Average block replication:     2.0  
  18.  Corrupt blocks:                0  
  19.  Missing replicas:              1 (50.0 %)  
  20.  Number of data-nodes:          2  
  21.  Number of racks:               1  
  22. FSCK ended at Sun Mar 01 20:39:35 CST 2015 in 0 milliseconds  
  23.   
  24.   
  25. The filesystem under path '/hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7' is HEALTHY  


此命令的用法如下:

  1. [jediael@master ~]$ hadoop fsck -files  
  2. Usage: DFSck <path> [-move | -delete | -openforwrite] [-files [-blocks [-locations | -racks]]]  
  3.         <path>  start checking from this path  
  4.         -move   move corrupted files to /lost+found  
  5.         -delete delete corrupted files  
  6.         -files  print out files being checked  
  7.         -openforwrite   print out files opened for write  
  8.         -blocks print out block report  
  9.         -locations      print out locations for every block  
  10.         -racks  print out network topology for data-node locations  
  11.                 By default fsck ignores files opened for write, use -openforwrite to report such files. They are usually  tagged CORRUPT or HEALTHY depending on their block allocation status  
  12. Generic options supported are  
  13. -conf <configuration file>     specify an application configuration file  
  14. -D <property=value>            use value for given property  
  15. -fs <local|namenode:port>      specify a namenode  
  16. -jt <local|jobtracker:port>    specify a job tracker  
  17. -files <comma separated list of files>    specify comma separated files to be copied to the map reduce cluster  
  18. -libjars <comma separated list of jars>    specify comma separated jar files to include in the classpath.  
  19. -archives <comma separated list of archives>    specify comma separated archives to be unarchived on the compute machines.  
  20.   
  21. The general command line syntax is  
  22. bin/hadoop command [genericOptions] [commandOptions]  


详细解释请见《hadoop权威指南》P376

(四)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

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

查看日志如下:

  1. [jediael@master hadoop]$ pwd  
  2. /var/log/hadoop  
  3. [jediael@master hadoop]$ ls  
  4. hadoop-jediael-balancer-master.log  hadoop-jediael-balancer-master.out  
  5. [jediael@master hadoop]$ cat hadoop-jediael-balancer-master.log  
  6. 2015-03-01 21:08:08,027 INFO org.apache.hadoop.net.NetworkTopology: Adding a new node: /default-rack/10.251.0.197:50010  
  7. 2015-03-01 21:08:08,028 INFO org.apache.hadoop.net.NetworkTopology: Adding a new node: /default-rack/10.171.94.155:50010  
  8. 2015-03-01 21:08:08,028 INFO org.apache.hadoop.hdfs.server.balancer.Balancer: 0 over utilized nodes:  
  9. 2015-03-01 21:08:08,028 INFO org.apache.hadoop.hdfs.server.balancer.Balancer: 0 under utilized nodes:  

(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)。

(五)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)。
通过地址以下地址查看扫描信息:
(1)http://datanote:50075/blockScannerReport
列出总体的检测情况

  1. Total Blocks                 :   1919  
  2. Verified in last hour        :      4  
  3. Verified in last day         :    170  
  4. Verified in last week        :    535  
  5. Verified in last four weeks  :    535  
  6. Verified in SCAN_PERIOD      :    535  
  7. Not yet verified             :   1384  
  8. Verified since restart       :    559  
  9. Scans since restart          :     91  
  10. Scan errors since restart    :      0  
  11. Transient scan errors        :      0  
  12. Current scan rate limit KBps :   1024  
  13. Progress this period         :    113%  
  14. Time left in cur period      :  97.14%  


(2)http://123.56.92.95:50075/blockScannerReport?listblocks
列出所有的块及最新验证状态
blk_8482244195562050998_3796 : status : ok     type : none   scan time : 0               not yet verified
blk_3985450615149803606_7952 : status : ok     type : none   scan time : 0               not yet verified
尚未验证的情况如上。各字段意义可参考权威指南P379

继续阅读
中国存储网声明:此文观点不代表本站立场,如有版权疑问请联系我们。
相关阅读
产品推荐
头条阅读
栏目热点

Copyright @ 2006-2019 chinastor.cn 版权所有 京ICP备14047533号

中国存储网

存储第一站,存储门户,存储在线交流平台