0023-HOSTS配置问题导致集群异常故障分析

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

1.问题现象

Hadoop集群HDFS、YARN、Hive等服务出现异常告警

重启集群异常告警任然存在大量告警

Cluster 1

HDFS

可用空间抑制...

NameNode 运行状况抑制...

HDFS 金丝雀抑制...

DataNode (ip-172-31-10-118) 日志文件

NameNode 连接抑制...

DataNode (ip-172-31-5-190) 日志文件

NameNode 连接抑制...

DataNode (ip-172-31-9-33) 日志文件

NameNode 连接抑制...

Hive Metastore Server (ip-172-31-6-148) 日志文件

Hive Metastore Canary 抑制...

Impala Daemon (ip-172-31-10-118) 日志文件

进程状态抑制...

Impala Daemon (ip-172-31-5-190) 日志文件

进程状态抑制...

Impala Daemon (ip-172-31-9-33) 日志文件

进程状态抑制...

NameNode (ip-172-31-6-148) 日志文件

安全模式状态抑制...

Server (ip-172-31-5-190) 日志文件

Quorum 成员资格抑制...

Zookeeper服务“Quorum 成员资格”告警

CM节点上的所有服务的角色日志不能正常通过ClouderaManager控制台查看，显示如下错误：

2.问题复现

集群环境：

• CDH5.12.0
• 集群服务（HDFS/Hive/YARN/Zookeeper/Hue/Impala/Kudu/Oozie）

1.还原现场配置，所有服务器hosts配置文件配置

127.0.0.1 ip-172-31-10-156.ap-southeast-1.compute.internal
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6
172.31.8.141 ip-172-31-8-141.ap-southeast-1.compute.internal
172.31.1.175 ip-172-31-1-175.ap-southeast-1.compute.internal
172.31.9.186 ip-172-31-9-186.ap-southeast-1.compute.internal
172.31.10.156 ip-172-31-10-156.ap-southeast-1.compute.internal

配置中的第一行配置为多出的异常配置。

在主机上ping自己的hostname显示

2.重启集群服务

CM出现如下大量告警

Cluster 1
HDFS
可用空间抑制...
 NameNode 运行状况抑制...
 HDFS 金丝雀抑制...
DataNode (ip-172-31-10-118) 日志文件
NameNode 连接抑制...
DataNode (ip-172-31-5-190) 日志文件
NameNode 连接抑制...
DataNode (ip-172-31-9-33) 日志文件
NameNode 连接抑制...
 Hive Metastore Server (ip-172-31-6-148) 日志文件
Hive Metastore Canary 抑制...
HiveServer2 (ip-172-31-6-148) 日志文件
进程状态抑制...
 Impala Daemon (ip-172-31-10-118) 日志文件
进程状态抑制...
 Impala Daemon (ip-172-31-5-190) 日志文件
进程状态抑制...
 Impala Daemon (ip-172-31-9-33) 日志文件
进程状态抑制...
NameNode (ip-172-31-6-148) 日志文件
安全模式状态抑制...
Server (ip-172-31-5-190) 日志文件
Quorum 成员资格抑制...
 ip-172-31-10-118
代理状态抑制...
 ip-172-31-5-190
代理状态抑制...
 ip-172-31-9-33
代理状态抑制...

Zookeeper与现场告警一致，且Zookeeper服务如下状态

在查看CM节点的日志出现如下异常“Connection refused”

Host列表监控状态

3.问题原因

集群在运行正常的情况下，所有节点的hosts文件被修改为127.0.0.1导致

4.解决方法

修改所有节点的hosts文件，将127.0.0.1行配置注释

重启集群服务恢复正常；

醉酒鞭名马，少年多浮夸！ 岭南浣溪沙，呕吐酒肆下！挚友不肯放，数据玩的花！

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

推荐关注Hadoop实操，第一时间，分享更多Hadoop干货，欢迎转发和分享。

原创文章，欢迎转载，转载请注明：转载自微信公众号Hadoop实操