Hadoop集群namenode(standby)，异常挂掉问题

2018-02-24

2月22号，发现namenode02服务器的namenode(standby)节点挂掉，查看hadoop日志/app/hadoop/logs/hadoop-appadm-namenode-prd-bldb-hdp-name02.log
发现2018-02-17 03:29:34，首次报出java.lang.OutOfMemoryError的ERROR，具体报错信息如下

2018-02-17 03:29:34,485 ERROR org.apache.hadoop.hdfs.server.namenode.EditLogInputStream: caught exception initializing http://datanode01:8480/getJournal?jid=cluster1&segmentTxId=2187844&storageInfo=-63%3A1002064722%3A1516782893469%3ACID-02428012-28ec-4c03-b5ba-bfec77c3a32b
java.lang.OutOfMemoryError: unable to create new native thread
        at java.lang.Thread.start0(Native Method)
        at java.lang.Thread.start(Thread.java:714)

　之后在2018-02-17 03:34:34，Shutting down standby NN

2018-02-17 03:34:34,495 FATAL org.apache.hadoop.hdfs.server.namenode.ha.EditLogTailer: Unknown error encountered while tailing edits. Shutting down standby NN.
java.lang.OutOfMemoryError: unable to create new native thread
        at java.lang.Thread.start0(Native Method)
        at java.lang.Thread.start(Thread.java:714)
        at java.util.concurrent.ThreadPoolExecutor.addWorker(ThreadPoolExecutor.java:949)
        at java.util.concurrent.ThreadPoolExecutor.execute(ThreadPoolExecutor.java:1371)
        at com.google.common.util.concurrent.MoreExecutors$ListeningDecorator.execute(MoreExecutors.java:440)
        at com.google.common.util.concurrent.AbstractListeningExecutorService.submit(AbstractListeningExecutorService.java:56)
        at org.apache.hadoop.hdfs.qjournal.client.IPCLoggerChannel.getEditLogManifest(IPCLoggerChannel.java:553)
        at org.apache.hadoop.hdfs.qjournal.client.AsyncLoggerSet.getEditLogManifest(AsyncLoggerSet.java:270)
        at org.apache.hadoop.hdfs.qjournal.client.QuorumJournalManager.selectInputStreams(QuorumJournalManager.java:474)
        at org.apache.hadoop.hdfs.server.namenode.JournalSet.selectInputStreams(JournalSet.java:278)
        at org.apache.hadoop.hdfs.server.namenode.FSEditLog.selectInputStreams(FSEditLog.java:1590)
        at org.apache.hadoop.hdfs.server.namenode.FSEditLog.selectInputStreams(FSEditLog.java:1614)
        at org.apache.hadoop.hdfs.server.namenode.ha.EditLogTailer.doTailEdits(EditLogTailer.java:216)
        at org.apache.hadoop.hdfs.server.namenode.ha.EditLogTailer$EditLogTailerThread.doWork(EditLogTailer.java:342)
        at org.apache.hadoop.hdfs.server.namenode.ha.EditLogTailer$EditLogTailerThread.access$200(EditLogTailer.java:295)
        at org.apache.hadoop.hdfs.server.namenode.ha.EditLogTailer$EditLogTailerThread$1.run(EditLogTailer.java:312)
        at org.apache.hadoop.security.SecurityUtil.doAsLoginUserOrFatal(SecurityUtil.java:455)
        at org.apache.hadoop.hdfs.server.namenode.ha.EditLogTailer$EditLogTailerThread.run(EditLogTailer.java:308)
2018-02-17 03:34:34,500 INFO org.apache.hadoop.util.ExitUtil: Exiting with status 1

　　当天检查系统内存使用情况，发现的确剩余内存不足，于是手动释放了内存，并重新启动了namenode02节点。

free -g 
sync
echo 3 > /proc/sys/vm/drop_caches
echo 1 > /proc/sys/vm/drop_caches

# 在namenode02节点执行，
su - appadm
hadoop-daemon.sh start namenode

为了验证释放是由于namenode节点剩余内存不足，而导致的namenode(standby)挂掉，开发人员调整了MapReduce JOB的运行频率。为了尽快模拟出长时间运行后的状态，抽了一个原本1天跑一次的JOB改成5分钟跑一次。

在持续跑了2天JOB之后，从云平台CAS监控上看到namenode主机的历史内存使用趋势图

22 号17:00~18:00 增加了JOB运行频率，22号18:20之前，内存使用率维持在40%左右，18:20~19:10，线性增长到70%，并维持在这个水平，一直到23号 14:42，之后缓慢增长，突破80%临界值。在24号 0:00~1:00 这个时间段，达到90%的峰值。

根据stackoverflow上面，对该问题的描述，提问题的人物理内存是12G，也就是建议把 -Xmx值设置为物理内存的3/4。我们生产环境的namenode 物理内存为8G，datanode 物理内存为 125G

https://stackoverflow.com/questions/9703436/hadoop-heap-space-and-gc-problems

18:43 2018-2-24 保理Hadoop生产集群变更
在5台服务器上分别执行，以下命令
vim /app/hadoop/etc/hadoop/hadoop-env.sh
添加如下参数
export HADOOP_OPTS="-XX:+UseParallelGC -Xmx4g"

为了方便日后操作，特记录下集群重启操作步骤

保理Hadoop/Hive/HBase/Zookeeper集群 重启操作步骤
########################################################
############
1、关闭 Hive
# 在namenode01，关闭hiveserver2
lsof -i :9999|grep -v "ID"|awk '{print "kill -9",$2}'|sh

# 在datanode01，关闭metastore
ps -ef |grep HiveMetaStore |grep -v grep|awk '{print "kill -9",$2}'|sh

############
2、关闭 HBase
# 在namenode01执行，关闭HBase
stop-hbase.sh

############
3、关闭 Hadoop
# 在namnode01执行，关闭Hadoop
stop-all.sh

############
4、关闭 Zookeeper
# 在3个datanode节点执行
zkServer.sh stop
zkServer.sh status


########################################################
手动释放Linux系统内存
sync
echo 3 > /proc/sys/vm/drop_caches
echo 1 > /proc/sys/vm/drop_caches

########################################################
############
5、启动 Zookeeper
# 在3个datanode节点执行
zkServer.sh start
zkServer.sh status

############
6、启动 Hadoop
# 在namenode01执行
start-all.sh

# 在namenode02执行，重启namenode
hadoop-daemon.sh stop namenode
hadoop-daemon.sh start namenode


# HDFS Namenode01:9000 (active) WEB UI
http://172.31.132.71:50070/ 

# HDFS Namenode02:9000 (standby) WEB UI
http://172.31.132.72:50070/ 

# YARN WEB UI
http://172.31.132.71:8088/ 

############
7、启动 HBase
# 在namenode01和namenode02节点，分别执行
start-hbase.sh

# Master WEB UI
http://172.31.132.71:60010/ 

# Backup Master WEB UI
http://172.31.132.72:60010/ 

# RegionServer WEB UI
http://172.31.132.73:60030/ 
http://172.31.132.74:60030/ 
http://172.31.132.75:60030/ 

############
8、启动 Hive
# 在namenode01，启动hiveserver2
hive --service hiveserver2 &

# 在datanode01，启动metastore
hive --service metastore &

# 在namenode01，启动hwi(Web界面)
hive --service hwi &

# HWI WEB UI
http://172.31.132.71:9999/hwi 
########################################################

加完参数，并重启了整个hadoop/hbase集群之后，内存使用率已经降了下来，以下是刚重启完之后的namenode服务器内存使用情况，等观察2天后，再继续上图

posted @ 2018-02-24 19:08 岑亮阅读(1428) 评论(0) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

岑亮

Hadoop集群namenode(standby)，异常挂掉问题

公告