本文介绍Hadoop中名称节点（NN）故障转移的两种常见情况及其处理方式，包括原Active NN因各种原因失效但文件系统完好的情况，以及原Active NN元数据损坏的情况，并演示了如何在不同情况下恢复集群正常运行。
NN是HDFS的核心，一旦破坏，hadoop整个系统将瘫痪。hadoop2.2.0提供了NN HA，提高了NN的可用性。但如果发生了NN故障转移，那么需要处理故障点。本实验主要是针对NN故障转移的几种情况的处理：
实验一：原Active NN意外挂机或JVM溢出等原因造成，但原Active NN文件系统完好
实验二：原Active NN元数据损坏或重新部署新的NN
本实验环境搭建指导：
HDFS HA系列实验之二：HA+JournalNode+zookeeper
根据上面相关资料重新配置HA+JournalNode+zookeeper环境，并格式化后启动，然后使用物理机192.168.100.111(机器名wyy)作为客户端来访问集群。
[hadoop@product202 ~]$ /app/hadoop/zookeeper345/bin/zkServer.sh start
[hadoop@product202 ~]$ /app/hadoop/hadoop220/sbin/hadoop-daemon.sh start journalnode
[hadoop@product203 ~]$ /app/hadoop/zookeeper345/bin/zkServer.sh start
[hadoop@product203 ~]$ /app/hadoop/hadoop220/sbin/hadoop-daemon.sh start journalnode
[hadoop@product204 ~]$ /app/hadoop/zookeeper345/bin/zkServer.sh start
[hadoop@product204 ~]$ /app/hadoop/hadoop220/sbin/hadoop-daemon.sh start journalnode
[hadoop@product201 ~]$ cd /app/hadoop/hadoop220/
[hadoop@product201 hadoop220]$ bin/hdfs namenode -format
[hadoop@product201 hadoop220]$ bin/hdfs zkfc -formatZK
[hadoop@product201 hadoop220]$ sbin/hadoop-daemon.sh start zkfc
[hadoop@product202 ~]$ cd /app/hadoop/hadoop220/
[hadoop@product202 hadoop220]$ sbin/hadoop-daemon.sh start zkfc
[hadoop@product201 hadoop220]$ sbin/hadoop-daemon.sh start namenode
[hadoop@product202 hadoop220]$ bin/hdfs namenode -bootstrapStandby
[hadoop@product202 hadoop220]$ sbin/hadoop-daemon.sh start namenode
[hadoop@product201 hadoop220]$ sbin/hadoop-daemons.sh start datanode
1：实验一
客户端通过http://product201:50070可以发现product201处于active状态
客户端通过http://product202:50070可以发现product202处于standby状态
重启product201（因为没有zookeeper和JN进程在跑，可以直接重新启动来模拟机器故障），这时：
客户端通过http://product201:50070已经无法访问
客户端通过http://product202:50070可以发现product202处于active状态
此时文件操作正常
启动product201的NN守护进程
[hadoop@product201 hadoop220]$ sbin/hadoop-daemon.sh start zkfc
[hadoop@product201 hadoop220]$ sbin/hadoop-daemon.sh start namenode
客户端通过http://product201:50070可以发现product201处于standby状态
客户端通过http://product202:50070可以发现product202处于active状态
此时文件操作正常
在product202上kill DFSZKFailoverController进程和namenode进程，模拟product202故障，
[hadoop@product202 hadoop220]$ jps
2374 NameNode
2472 JournalNode
2558 DFSZKFailoverController
2930 Jps
1706 QuorumPeerMain
[hadoop@product202 hadoop220]$ kill 2374
[hadoop@product202 hadoop220]$ kill 2558
[hadoop@product202 hadoop220]$ jps
2472 JournalNode
2998 Jps
1706 QuorumPeerMain
这时：
客户端通过http://product201:50070可以发现product201处于active状态
客户端通过http://product202:50070已经无法访问
在客户端上传文件
hadoop@wyy:/app/hadoop/hadoop220$ bin/hdfs dfs -put /home/mmicky/data/demo.txt /test/.
hadoop@wyy:/app/hadoop/hadoop220$ bin/hdfs dfs -ls /test
Found 4 items
-rw-r--r-- 3 hadoop supergroup 258570165 2014-02-23 15:21 /test/2013.txt
-rw-r--r-- 3 hadoop supergroup 25721132 2014-02-23 15:28 /test/IP.txt
-rw-r--r-- 3 hadoop supergroup 7118627 2014-02-23 16:42 /test/access_log.txt
-rw-r--r-- 3 hadoop supergroup 1572 2014-02-23 17:07 /test/demo.txt
然后重启product202
[hadoop@product202 hadoop220]$ sbin/hadoop-daemon.sh start zkfc
[hadoop@product202 hadoop220]$ sbin/hadoop-daemon.sh start namenode
[hadoop@product202 hadoop220]$ bin/hdfs haadmin -failover nn1 nn2
客户端通过http://product201:50070可以发现product201处于standby状态
客户端通过http://product202:50070可以发现product202处于active状态
可以发现客户端新上传的文件在product202中可以浏览。
2：实验二
在product201处于standby之后重启，然后删除hadoop的数据文件来模拟实验环境。
[hadoop@product201 hadoop220]$ rm -rf mydata logs
[hadoop@product201 hadoop220]$ sbin/hadoop-daemon.sh start zkfc
[hadoop@product201 hadoop220]$ bin/hdfs namenode -bootstrapStandby
[hadoop@product201 hadoop220]$ sbin/hadoop-daemon.sh start namenode
客户端通过http://product201:50070可以发现product201处于standby状态
客户端通过http://product202:50070可以发现product202处于active状态
[hadoop@product201 hadoop220]$ bin/hdfs haadmin -failover nn2 nn1
将product201切换成active NN后，通过http://product201:50070可以浏览HDFS中的文件。
TIPS：
bin/hdfs namenode -bootstrapStandby只是在最初同步元数据的时候使用
扫一扫
1170
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
