HBASE集群主节点迁移割接手动操作步骤

可乐大数据2023-10-04 19:01

HBASE集群主节点迁移割接手动操作步骤

HBASE集群主节点指的是包含zk、nn、HM和rm服务的节点，一般这类服务都是一起复用在同一批节点上，我把这一类节点统称为HBASE集群主节点。

本文中使用了rsync、pssh等工具，这类是开源的，自己可以下载安装。还有一类是我自己写的环境变量，xcgraceful_stopRegionserver是用于优雅的停regionserver，建议使用脚本停，有时候可能会出现优雅的停失效的问题。dxshell和xcjpsuser是一些我放在环境变量里面，堡垒机全局生效，脚本内容会附在文章末尾。

一、迁移前准备工作

1、迁移规划

shell 复制代码 
迁移节点		 主机名						目标节点		 角色	 							节点别名
10.168.168.1	hbase01.colabigdata.com		10.168.201.1	zk,nn,dn,jn,ZKFC,HM,HRS,rm,nm	node1
10.168.168.2	hbase02.colabigdata.com		10.168.201.2	zk,nn,dn,jn,ZKFC,HM,HRS,rm,nm	node2
10.168.168.3	hbase03.colabigdata.com		10.168.201.3	zk,dn,jn,HRS,nm					node3
10.168.168.4	hbase04.colabigdata.com		10.168.201.4	zk,dn,jn,HRS,nm					node4
10.168.168.5	hbase05.colabigdata.com		10.168.201.5	zk,dn,jn,HRS,nm					node5

2、生成hosts文件

只包含集群在线的节点，不包含未扩容的。用于迁移过程中，每替换一个IP，需要修改一次/etc/hosts文件。

shell 复制代码 
# vim move_hosts
127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

10.168.168.1	hbase01.colabigdata.com
10.168.168.2	hbase02.colabigdata.com
10.168.168.3	hbase03.colabigdata.com
10.168.168.4	hbase04.colabigdata.com
10.168.168.5	hbase05.colabigdata.com
10.168.168.6	hbase06.colabigdata.com
10.168.168.7	hbase07.colabigdata.com
10.168.168.8	hbase08.colabigdata.com
10.168.168.9	hbase09.colabigdata.com
10.168.168.10	hbase10.colabigdata.com

3、准备集群IP列表

此IP列表与hosts是对应关系，用于批量执行命令时使用。

shell 复制代码 
cat > move_list <<EOF
10.168.168.1
10.168.168.2
10.168.168.3
10.168.168.4
10.168.168.5
10.168.168.6
10.168.168.7
10.168.168.8
10.168.168.9
10.168.168.10
EOF

4、准备zk集群IP列表

集群zk在线IP列表(不含新主节点ip)：move_zk_list

shell 复制代码 
cat > move_zk_list <<EOF
10.168.168.1
10.168.168.2
10.168.168.3
10.168.168.4
10.168.168.5
EOF

5、准备除zk集群外IP列表

集群在非zk节点IP列表(不含新主节点ip)：data_list

shell 复制代码 
cat > data_list <<EOF
10.168.168.6
10.168.168.7
10.168.168.8
10.168.168.9
10.168.168.10
EOF

6、准备旧zk集群IP列表

shell 复制代码 
cat > old_zk_list <<EOF
10.168.168.1
10.168.168.2
10.168.168.3
10.168.168.4
10.168.168.5
EOF

7、准备新zk集群IP列表

shell 复制代码 
cat > new_zk_list <<EOF
10.168.201.1
10.168.201.2
10.168.201.3
10.168.201.4
10.168.201.5
EOF

8、目标节点组件安装

五个目标zk节点zookeeper、hdfs、hbase、yarn组件已经提前安装完毕，未启动任何服务。

9、删除cmdb数据，关闭告警和自启脚本

shell 复制代码 
dxshell move_list "userdel -r bdalarm"

dxshell move_list "cd /var/spool/cron;rm -f bdalarm*"

10、关闭主节点dn、nm和rs服务

注意：排除主节点非核心服务，方便迁移

shell 复制代码 
dxshell move_zk_list "su - bigdata -c 'hadoop-daemon.sh stop datanode'"

dxshell move_zk_list "su - yarn -c 'yarn-daemon.sh stop nodemanager'"

#这里是优雅的停Regionserver
xcgraceful_stopRegionserver move_zk_list

###正式开始迁移操作###

二、node5迁移

1、老机器停JN

shell 复制代码 
sudo ssh 10.168.168.5 "su - bigdata -c 'hadoop-daemon.sh stop journalnode'"

sudo ssh 10.168.168.5 "su - bigdata -c 'jps'"

2、老机器停ZK

shell 复制代码 
sudo ssh 10.168.168.5 "su - zookeeper -c 'zkServer.sh stop'"

sudo ssh 10.168.168.5 "su - zookeeper -c 'jps'"

3、老机器改主机名

shell 复制代码 
sudo ssh 10.168.168.5 "hostnamectl set-hostname cola_node5"

4、DNS域名解析变更

使用的域名删除迁移节点IP，变更为目标节点IP。

5、更新/etc/hosts

shell 复制代码 
#将move_list、move_hosts、move_zk_list文件中的 迁移节点IP 修改为目标节点 IP
sed -i 's/10.168.168.5/10.168.201.5/g' move_*

#备份所有节点hosts
sudo pssh -h move_list "cp /etc/hosts /etc/hosts_$(date +%Y%m%d)_movenode5"

#分发全量hosts到move_list列表
sudo pscp.pssh -h move_list move_hosts /etc/hosts

6、依次重启所有zk服务

注意列表IP，不要并发重启

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh stop ; zkServer.sh start'"

7、查看zk服务状态

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh status'"

8、验证zk_followers节点数量

先找到leader节点

shell 复制代码 
echo 'mntr' | nc ${leader} 2015 |grep followers

zk_followers与zk_synced_followers的值相等则正常

9、拷贝node5的jn元数据到目标节点

shell 复制代码 
mkdir baknode5

rsync -e 'sudo ssh' -r 10.168.168.5:/home/bigdata/hadoop/journal baknode5/

rsync -e 'sudo ssh' -r baknode5/journal 10.168.201.5:/home/bigdata/hadoop/

sudo ssh 10.168.201.5 "chown -R bigdata:bigdata /home/bigdata/hadoop"

10、node5目标节点启动JN服务

shell 复制代码 
sudo ssh 10.168.201.5 "su - bigdata -c 'hadoop-daemon.sh start journalnode'"

验证jn同步情况，及日志输出是否正常。namenode的50070页面上查看NameNode Journal Status，Written txid 一致则同步完成。

三、node4迁移

1、老机器停JN

shell 复制代码 
sudo ssh 10.168.168.4 "su - bigdata -c 'hadoop-daemon.sh stop journalnode'"

sudo ssh 10.168.168.4 "su - bigdata -c 'jps'"

2、老机器停ZK

shell 复制代码 
sudo ssh 10.168.168.4 "su - zookeeper -c 'zkServer.sh stop'"

sudo ssh 10.168.168.4 "su - zookeeper -c 'jps'"

3、老机器改主机名

shell 复制代码 
sudo ssh 10.168.168.4 "hostnamectl set-hostname cola_node4"

4、DNS域名解析变更

使用的域名删除迁移节点IP，变更为目标节点IP。

5、更新/etc/hosts

shell 复制代码 
#将move_list、move_hosts、move_zk_list文件中的 迁移节点IP 修改为目标节点 IP
sed -i 's/10.168.168.4/10.168.201.4/g' move_*

#备份所有节点hosts
sudo pssh -h move_list "cp /etc/hosts /etc/hosts_$(date +%Y%m%d)_movenode4"

#分发全量hosts到move_list列表
sudo pscp.pssh -h move_list move_hosts /etc/hosts

6、依次重启所有zk服务

注意列表IP，不要并发重启

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh stop ; zkServer.sh start'"

7、查看zk服务状态

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh status'"

8、验证zk_followers节点数量

先找到leader节点

shell 复制代码 
echo 'mntr' | nc ${leader} 2015 |grep followers

zk_followers与zk_synced_followers的值相等则正常

9、拷贝node4的jn元数据到目标节点

shell 复制代码 
mkdir baknode4

rsync -e 'sudo ssh' -r 10.168.168.4:/home/bigdata/hadoop/journal baknode4/

rsync -e 'sudo ssh' -r baknode4/journal 10.168.201.4:/home/bigdata/hadoop/

sudo ssh 10.168.201.4 "chown -R bigdata:bigdata /home/bigdata/hadoop"

10、node4目标节点启动JN服务

shell 复制代码 
sudo ssh 10.168.201.4 "su - bigdata -c 'hadoop-daemon.sh start journalnode'"

验证jn同步情况，及日志输出是否正常。namenode的50070页面上查看NameNode Journal Status，Written txid 一致则同步完成。

四、第一次nn主备切换

主备切换的目的，是担心nn不是认识新的zk5和zk4，从而有可能导致后续nn迁移失败。做一次nn切换，可以保证active nn在切换后，可以检测认识到新zk5和zk4。这是一种非常保守的做法，只是因为一次生产事故后，做出的一种改变。

1、获取nn1和nn2的状态

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hdfs haadmin -getServiceState nn1'"
standby

sudo ssh 10.168.168.2 "su - bigdata -c 'hdfs haadmin -getServiceState nn2'"
active

2、重启standby nn服务

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hadoop-daemon.sh stop namenode'"

sudo ssh 10.168.168.1 "su - bigdata -c 'hadoop-daemon.sh start namenode'"

3、执行主备切换

注意：等待nn退出安全模式后再执行切换。

如下命令是将active nn从nn2切换到nn1

shell 复制代码 
sudo ssh 10.168.168.2 "su - bigdata -c 'hdfs haadmin -failover nn2 nn1'"

五、node3迁移

1、老机器停JN

shell 复制代码 
sudo ssh 10.168.168.3 "su - bigdata -c 'hadoop-daemon.sh stop journalnode'"

sudo ssh 10.168.168.3 "su - bigdata -c 'jps'"

2、老机器停ZK

shell 复制代码 
sudo ssh 10.168.168.3 "su - zookeeper -c 'zkServer.sh stop'"

sudo ssh 10.168.168.3 "su - zookeeper -c 'jps'"

3、老机器改主机名

shell 复制代码 
sudo ssh 10.168.168.3 "hostnamectl set-hostname cola_node3"

4、DNS域名解析变更

使用的域名删除迁移节点IP，变更为目标节点IP。

5、更新/etc/hosts

shell 复制代码 
#将move_list、move_hosts、move_zk_list文件中的 迁移节点IP 修改为目标节点 IP
sed -i 's/10.168.168.3/10.168.201.3/g' move_*

#备份所有节点hosts
sudo pssh -h move_list "cp /etc/hosts /etc/hosts_$(date +%Y%m%d)_movenode3"

#分发全量hosts到move_list列表
sudo pscp.pssh -h move_list move_hosts /etc/hosts

6、依次重启所有zk服务

注意列表IP，不要并发重启

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh stop ; zkServer.sh start'"

7、查看zk服务状态

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh status'"

8、验证zk_followers节点数量

先找到leader节点

shell 复制代码 
echo 'mntr' | nc ${leader} 2015 |grep followers

zk_followers与zk_synced_followers的值相等则正常

9、拷贝node3的jn元数据到目标节点

shell 复制代码 
mkdir baknode3

rsync -e 'sudo ssh' -r 10.168.168.3:/home/bigdata/hadoop/journal baknode3/

rsync -e 'sudo ssh' -r baknode3/journal 10.168.201.3:/home/bigdata/hadoop/

sudo ssh 10.168.201.3 "chown -R bigdata:bigdata /home/bigdata/hadoop"

10、node3目标节点启动JN服务

shell 复制代码 
sudo ssh 10.168.201.3 "su - bigdata -c 'hadoop-daemon.sh start journalnode'"

验证jn同步情况，及日志输出是否正常。namenode的50070页面上查看NameNode Journal Status，Written txid 一致则同步完成。

注意：如果长时间同步一不一致，可以尝试把正确jn数据重新复制一份到新节点。

六、node2迁移

先确认namenode的active和standby分布在那个节点上。如果node1是active，node2是standby，必须先迁移standby。

迁移到目前为止，当前主节点列表应该和如下一致。

shell 复制代码 
10.168.168.1	hbase01.colabigdata.com
10.168.168.2	hbase02.colabigdata.com
10.168.201.3	hbase03.colabigdata.com
10.168.201.4	hbase04.colabigdata.com
10.168.201.5	hbase05.colabigdata.com

1、获取nn1和nn2的状态

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hdfs haadmin -getServiceState nn1'"
standby

sudo ssh 10.168.168.2 "su - bigdata -c 'hdfs haadmin -getServiceState nn2'"
active

2、先停standby nn节点的zkfc

shell 复制代码 
sudo ssh 10.168.168.2 "su - bigdata -c 'hadoop-daemon.sh stop zkfc'"

3、再停active nn节点的zkfc

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hadoop-daemon.sh stop zkfc'"

注意：如果当前standby为node2，就先操作node2节点的迁移，原则上先操作standby节点。

注：如果node2不是standby，建议提前将node2切换为standby。因为操作步骤中是按照node5~node1顺序迁移写的，如果现场改操作内容，可能会导致操作变复杂。

4、停node2节点所有服务

shell 复制代码 
sudo ssh 10.168.168.2 "su - yarn -c 'yarn-daemon.sh stop resourcemanager'"
sudo ssh 10.168.168.2 "su - yarn -c 'mr-jobhistory-daemon.sh stop historyserver'"
sudo ssh 10.168.168.2 "su - hbase -c 'hbase-daemon.sh stop master'"
sudo ssh 10.168.168.2 "su - bigdata -c 'hadoop-daemon.sh stop journalnode'"
sudo ssh 10.168.168.2 "su - bigdata -c 'hadoop-daemon.sh stop namenode'"
sudo ssh 10.168.168.2 "su - zookeeper -c 'zkServer.sh stop'"

5、老机器改主机名

shell 复制代码 
sudo ssh 10.168.168.2 "hostnamectl set-hostname cola_node2"

6、DNS域名解析变更

使用的域名删除迁移节点IP，变更为目标节点IP。

7、更新/etc/hosts

shell 复制代码 
#将move_list、move_hosts、move_zk_list文件中的 迁移节点IP 修改为目标节点 IP
sed -i 's/10.168.168.2/10.168.201.2/g' move_*

#备份所有节点hosts
sudo pssh -h move_list "cp /etc/hosts /etc/hosts_$(date +%Y%m%d)_movenode2"

#分发全量hosts到move_list列表
sudo pscp.pssh -h move_list move_hosts /etc/hosts

8、备份JN元数据、NN元数据fsimage和editlog日志

shell 复制代码 
mkdir baknode2

rsync -e 'sudo ssh' -r 10.168.168.2/home/bigdata/hadoop/journal baknode2/

rsync -e 'sudo ssh' -r 10.168.168.2:/metadata/namenode baknode2/

rsync -e 'sudo ssh' -r 10.168.168.2:/log/bigdata/hdfs-audit.log baknode2/

9、拷贝JN元数据、NN元数据到新节点

shell 复制代码 
# 拷贝JN元数据到新节点
rsync -e 'sudo ssh' -r baknode2/journal 10.168.201.2:/home/bigdata/hadoop/

sudo ssh 10.168.201.2 "chown -R bigdata:bigdata /home/bigdata/hadoop"

# 拷贝NN元数据到新节点
sudo ssh 10.168.201.2 "mkdir /log/bigdata"

rsync -e 'sudo ssh' -r baknode2/namenode 10.168.201.2:/metadata/

sudo ssh 10.168.201.2 "chown -R bigdata:bigdata /metadata/namenode"

rsync -e 'sudo ssh' -r baknode2/hdfs-audit.log 10.168.201.2:/home/bigdata/hadoop/

sudo ssh 10.168.201.2 "chown -R bigdata:bigdata /log"

sudo ssh 10.168.201.2 "su - bigdata -c 'cd hadoop;ln -nsf /log/bigdata logs; ln -nsf /metadata/namenode namenode'"

10、新机器启动 journalnode 和 namenode

shell 复制代码 
sudo ssh 10.168.201.2 "su - bigdata -c 'hadoop-daemon.sh start journalnode'"

sudo ssh 10.168.201.2 "su - bigdata -c 'hadoop-daemon.sh start namenode'"

a、验证jn同步情况，及日志输出是否正常。namenode的50070页面上查看NameNode Journal Status，Written txid 一致则同步完成。

b、验证standby文件数和block数与active是否一致，是否实时更新，不断观察日志，当standby nn 进入safemode后如有异常，立即停止standby nn进程，确认问题原因。

c、实时观察dn日志Block report是否报错（进入安全模式之后）。

11、依次重启所有zk服务

注意列表IP，不要并发重启

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh stop ; zkServer.sh start'"

12、查看zk服务状态

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh status'"

13、验证zk_followers节点数量

先找到leader节点

shell 复制代码 
echo 'mntr' | nc ${leader} 2015 |grep followers

zk_followers与zk_synced_followers的值相等则正常

14、新机器启动HMaster

shell 复制代码 
sudo ssh 10.168.201.2 "su - hbase -c 'hbase-daemon.sh start master'"

查看16010界面master状态是否正常

15、新机器启动ResourceManager和historyserver服务

shell 复制代码 
sudo ssh 10.168.201.2 "su - yarn -c 'yarn-daemon.sh start resourcemanager'"

sudo ssh 10.168.201.2 "su - yarn -c 'mr-jobhistory-daemon.sh start historyserver'"

16、重启node1节点HMaster服务

shell 复制代码 
sudo ssh 10.168.168.1 "su - hbase -c 'hbase-daemon.sh stop master'"
sudo ssh 10.168.168.1 "su - hbase -c 'hbase-daemon.sh start master'"

17、重启node1节点ResourceManager服务

shell 复制代码 
sudo ssh 10.168.168.1 "su - yarn -c 'yarn-daemon.sh stop resourcemanager && sleep 10s && yarn-daemon.sh start resourcemanager'"

18、第一次滚动重启客户端服务

重启regionserver，datanode、nodemanager服务。所有数据节点在 data_list文件中。

shell 复制代码 
dxshell data_list "su - hbase -c 'hbase-daemon.sh restart regionserver'"

xcjpsuser data_list hbase

dxshell data_list "su - bigdata -c 'hadoop-daemon.sh stop datanode && hadoop-daemon.sh start datanode'"

xcjpsuser data_list bigdata

dxshell data_list "su - yarn -c 'yarn-daemon.sh stop nodemanager && yarn-daemon.sh start nodemanager'"

xcjpsuser data_list yarn

七、第二次nn主备切换

这一次主备切换，主要是为了将active nn切换至新节点，检验新节点是否可以切换成功。第二个目的是将node1变为standby，减少node1迁移的影响。

1、获取nn1和nn2的状态

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hdfs haadmin -getServiceState nn1'"
active

sudo ssh 10.168.201.2 "su - bigdata -c 'hdfs haadmin -getServiceState nn2'"
standby

2、启动zkfc

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hadoop-daemon.sh start zkfc'"

sudo ssh 10.168.201.2 "su - bigdata -c 'hadoop-daemon.sh start zkfc'"

3、新节点10.168.201.2生成秘钥

shell 复制代码 
su - bigdata

#一路回车
ssh-keygen -t rsa

#在.ssh目录下，新建authorized_keys文件
touch  ~/.ssh/authorized_keys

#修改权限，.ssh必须是700，authorized_keys必须是600。否则可能会提醒你输入密码，免密不成功。
chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys

4、做nn1和nn2互密

shell 复制代码 
将彼此的 ~/.ssh/id_rsa.pub公钥文件内容 --> 追加到~/.ssh/authorized_keys文件中

5、执行主备切换

本次不用等fsimage元数据合并了，只要该节点jn有edits新数据就可以了。

shell 复制代码 
# nn1 to nn2（根据实际情况）
sudo ssh 10.168.201.2 "su - bigdata -c 'hdfs haadmin -failover nn1 nn2'"

6、验证主备切换是否成功

shell 复制代码 
curl -s 'http://10.168.168.1:50070/jmx?qry=Hadoop:service=NameNode,name=FSNamesystem' |jq -r .beans[0].'"tag.HAState"'

curl -s 'http://10.168.201.2:50070/jmx?qry=Hadoop:service=NameNode,name=FSNamesystem' |jq -r .beans[0].'"tag.HAState"'

八、node1迁移

先确认namenode的active和standby分布在那个节点上。node1是最后一个节点了，此刻该节点是standby才对，如果不对，那就是你漏了什么步骤。建议手动切换后，再迁移。

迁移到目前为止，当前主节点列表应该和如下一致。

10.168.168.1	hbase01.colabigdata.com
10.168.201.2	hbase02.colabigdata.com
10.168.201.3	hbase03.colabigdata.com
10.168.201.4	hbase04.colabigdata.com
10.168.201.5	hbase05.colabigdata.com

1、获取nn1和nn2的状态

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hdfs haadmin -getServiceState nn1'"
active

sudo ssh 10.168.201.2 "su - bigdata -c 'hdfs haadmin -getServiceState nn2'"
standby

2、先停standby nn节点的zkfc

shell 复制代码 
sudo ssh 10.168.168.1 "su - bigdata -c 'hadoop-daemon.sh stop zkfc'"

3、再停active nn节点的zkfc

shell 复制代码 
sudo ssh 10.168.201.2 "su - bigdata -c 'hadoop-daemon.sh stop zkfc'"

4、停node1节点所有服务

shell 复制代码 
sudo ssh 10.168.168.1 "su - yarn -c 'yarn-daemon.sh stop resourcemanager'"
sudo ssh 10.168.168.1 "su - hbase -c 'hbase-daemon.sh stop master'"
sudo ssh 10.168.168.1 "su - bigdata -c 'hadoop-daemon.sh stop journalnode'"
sudo ssh 10.168.168.1 "su - bigdata -c 'hadoop-daemon.sh stop namenode'"
sudo ssh 10.168.168.1 "su - zookeeper -c 'zkServer.sh stop'"

5、老机器改主机名

shell 复制代码 
sudo ssh 10.168.168.1 "hostnamectl set-hostname cola_node1"

6、DNS域名解析变更

使用的域名删除迁移节点IP，变更为目标节点IP。

7、更新/etc/hosts

shell 复制代码 
#将move_list、move_hosts、move_zk_list文件中的 迁移节点IP 修改为目标节点 IP
sed -i 's/10.168.168.1/10.168.201.1/g' move_*

#备份所有节点hosts
sudo pssh -h move_list "cp /etc/hosts /etc/hosts_$(date +%Y%m%d)_movenode1"

#分发全量hosts到move_list列表
sudo pscp.pssh -h move_list move_hosts /etc/hosts

8、备份JN元数据、NN元数据fsimage和editlog日志

shell 复制代码 
mkdir baknode1

rsync -e 'sudo ssh' -r 10.168.168.1:/home/bigdata/hadoop/journal baknode1/

rsync -e 'sudo ssh' -r 10.168.168.1:/metadata/namenode baknode1/

rsync -e 'sudo ssh' -r 10.168.168.1:/log/bigdata/hdfs-audit.log baknode1/

9、拷贝JN元数据、NN元数据到新节点

shell 复制代码 
# 拷贝JN元数据到新节点
rsync -e 'sudo ssh' -r baknode1/journal 10.168.201.1:/home/bigdata/hadoop/

sudo ssh 10.168.201.1 "chown -R bigdata:bigdata /home/bigdata/hadoop"

# 拷贝NN元数据到新节点
sudo ssh 10.168.201.1 "mkdir /log/bigdata"

rsync -e 'sudo ssh' -r baknode1/namenode 10.168.201.1:/metadata/

sudo ssh 10.168.201.1 "chown -R bigdata:bigdata /metadata/namenode"

rsync -e 'sudo ssh' -r baknode1/hdfs-audit.log 10.168.201.1:/home/bigdata/hadoop/

sudo ssh 10.168.201.1 "chown -R bigdata:bigdata /log"

sudo ssh 10.168.201.1 "su - bigdata -c 'cd hadoop;ln -nsf /log/bigdata logs; ln -nsf /metadata/namenode namenode'"

10、新机器启动 journalnode 和 namenode

shell 复制代码 
sudo ssh 10.168.201.1 "su - bigdata -c 'hadoop-daemon.sh start journalnode'"

sudo ssh 10.168.201.1 "su - bigdata -c 'hadoop-daemon.sh start namenode'"

a、验证jn同步情况，及日志输出是否正常。namenode的50070页面上查看NameNode Journal Status，Written txid 一致则同步完成。

b、验证standby文件数和block数与active是否一致，是否实时更新，不断观察日志，当standby nn 进入safemode后如有异常，立即停止standby nn进程，确认问题原因。

c、实时观察dn日志Block report是否报错（进入安全模式之后）。

11、依次重启所有zk服务

注意列表IP，不要并发重启

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh stop ; zkServer.sh start'"

12、查看zk服务状态

shell 复制代码 
dxshell move_zk_list "su - zookeeper -c 'zkServer.sh status'"

13、验证zk_followers节点数量

先找到leader节点

shell 复制代码 
echo 'mntr' | nc ${leader} 2015 |grep followers

zk_followers与zk_synced_followers的值相等则正常

14、新机器启动HMaster

shell 复制代码 
sudo ssh 10.168.201.1 "su - hbase -c 'hbase-daemon.sh start master'"

查看16010界面master状态是否正常

15、新机器启动ResourceManager

shell 复制代码 
sudo ssh 10.168.201.1 "su - yarn -c 'yarn-daemon.sh start resourcemanager'"

16、重启node2节点HMaster服务

shell 复制代码 
sudo ssh 10.168.201.2 "su - hbase -c 'hbase-daemon.sh stop master'"
sudo ssh 10.168.201.2 "su - hbase -c 'hbase-daemon.sh start master'"

17、重启node2节点ResourceManager服务

shell 复制代码 
sudo ssh 10.168.201.2 "su - yarn -c 'yarn-daemon.sh stop resourcemanager ; yarn-daemon.sh start resourcemanager'"

18、第二次滚动重启客户端服务

重启regionserver，datanode、nodemanager服务。所有数据节点在 data_list文件中。

shell 复制代码 
dxshell data_list "su - hbase -c 'hbase-daemon.sh restart regionserver'"

xcjpsuser data_list hbase

dxshell data_list "su - bigdata -c 'hadoop-daemon.sh stop datanode && hadoop-daemon.sh start datanode'"

xcjpsuser data_list bigdata

dxshell data_list "su - yarn -c 'yarn-daemon.sh stop nodemanager && yarn-daemon.sh start nodemanager'"

xcjpsuser data_list yarn

九、第三次nn主备切换

这一次主备切换，主要是为了将active nn切换至node1新节点，检验最后一个新节点是否可以切换成功。

1、获取nn1和nn2的状态

shell 复制代码 
sudo ssh 10.168.201.1 "su - bigdata -c 'hdfs haadmin -getServiceState nn1'"
standby

sudo ssh 10.168.201.2 "su - bigdata -c 'hdfs haadmin -getServiceState nn2'"
active

2、启动zkfc

shell 复制代码 
sudo ssh 10.168.201.1 "su - bigdata -c 'hadoop-daemon.sh start zkfc'"

sudo ssh 10.168.201.2 "su - bigdata -c 'hadoop-daemon.sh start zkfc'"

3、新节点10.168.201.1生成秘钥

shell 复制代码 
su - bigdata

#一路回车
ssh-keygen -t rsa

#在.ssh目录下，新建authorized_keys文件
touch  ~/.ssh/authorized_keys

#修改权限，.ssh必须是700，authorized_keys必须是600。否则可能会提醒你输入密码，免密不成功。
chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys

4、做nn1和nn2互密

shell 复制代码 
将彼此的 ~/.ssh/id_rsa.pub公钥文件内容 --> 追加到~/.ssh/authorized_keys文件中

5、执行主备切换

本次不用等fsimage元数据合并了，只要该节点jn有edits新数据就可以了。

但这是最后一次主备切换，standby节点会在一个小时之后生成一个新的fsimage文件，并同步到active节点。

shell 复制代码 
# nn2 to nn1（根据实际情况）
sudo ssh 10.168.201.1 "su - bigdata -c 'hdfs haadmin -failover nn2 nn1'"

6、验证主备切换是否成功

shell 复制代码 
curl -s 'http://10.168.201.1:50070/jmx?qry=Hadoop:service=NameNode,name=FSNamesystem' |jq -r .beans[0].'"tag.HAState"'

curl -s 'http://10.168.201.2:50070/jmx?qry=Hadoop:service=NameNode,name=FSNamesystem' |jq -r .beans[0].'"tag.HAState"'

7、主节点启动datanode服务

shell 复制代码 
sudo pssh -h move_zk_list "su - bigdata -c 'hadoop-daemon.sh start datanode'"

8、主节点启动regionserver服务

shell 复制代码 
sudo pssh -h move_zk_list "su - hbase -c 'hbase-daemon.sh start regionserver'"

9、主节点启动nodemanager服务

shell 复制代码 
sudo pssh -h move_zk_list "su - yarn -c 'yarn-daemon.sh start nodemanager'"

10、观察fsimage元数据是否生成

因为到目前为止，主节点服务迁移已经完成了。这里有最后一次主备切换，standby nn节点会在一个小时之后生成一个新的fsimage文件，并同步到active nn节点上。所以一定要观察standby nn和active nn是否有新的fsimage文件。

十、缩容需要下线的数据节点

老数据节点HRegionServer，nodemanager，dn要decommission

shell 复制代码 
#olddata 添加需要下线的IP列表
cat > olddata <<EOF
10.168.168.6
10.168.168.7
10.168.168.8
10.168.168.9
10.168.168.10
EOF

#优雅的停hregionserver
xcgraceful_stopRegionserver olddata
xcjpsuser olddata hbase

#停nodemanager
dxshell olddata "su - yarn -c 'yarn-daemon.sh stop nodemanager'"
xcjpsuser olddata yarn

#decommission做dn节点
#登录主节点
sudo ssh 10.168.201.1
#备份配置文件
su - bigdata
cd software/hadoop/etc/hadoop/
cp exclude exclude_$(date +%Y%m%d)
#添加下线节点
vi exclude
#刷新生效
hdfs dfsadmin -refreshNodes

#登录主节点
sudo ssh 10.168.201.2
#备份配置文件
su - bigdata
cd software/hadoop/etc/hadoop/
cp exclude exclude_$(date +%Y%m%d)
#添加下线节点
vi exclude
#刷新生效
hdfs dfsadmin -refreshNodes

附：脚本

这一类脚本就是平时总结通用的内容，存放在堡垒机环境变量路径下，方便随时可以调用。

1、dxshell脚本

shell 复制代码 
#!/bin/bash
# Author : LJ
# Date   : 2021/10/11
# Func   : 通用批处理查询。

if [ $# -lt 2 ]
then
	echo -e "\033[1;31m 参数不足，请重新执行... \033[0m"
	echo -e "\033[1;32m 此脚本传参使用方法：$0 第一个参数为待查询的ip列表文件名 第二个参数为等待执行的shell命令,命令中如果有"$",注意转译。 \033[0m"
	exit ;
fi
workdir=`pwd`

list=$1
list_ip=`cd ${workdir};cat $list|awk '{print $1}'`
#此脚本适用于通用查询，用户就在root下就可以。
user=

xcommand=$2

sum=`cat $list|sed '/^$/d'|wc -l`
num=1


for ip in ${list_ip[@]} ; do
        echo -e "\033[1;31m$num\033[1;32m/$sum	=============== $ip 节点 \033[1;33m执行命令：${xcommand} \033[1;32m返回结果如下: =============== \033[0m"
        sudo ssh $ip -C "${xcommand}" 
	let num++
done

2、xcjpsuser脚本

shell 复制代码 
#!/bin/bash
if [ $# -lt 2 ]
then
        echo -e "\033[1;31m 参数不足，请重新执行... \033[0m"
        echo -e "\033[1;32m 此脚本传参使用方法：$0 第一个参数为待查询的ip列表文件名 第二个参数为有jdk的用户,用于执行jps命令 \033[0m"
        exit ;
fi
workdir=`pwd`

list=$1
list_ip=`cd ${workdir};cat $list|awk '{print $1}'`
user=$2

sum=`cat $list|sed '/^$/d'|wc -l`
num=1

for ip in ${list_ip[@]} ; do
	echo -e "\033[1;31m$num\033[1;32m/$sum	 =============== $ip 节点 $user 用户下 现有java进程 =============== \033[0m"
        sudo ssh $ip -C "su - $user -c 'jps|grep -v Jps'" 
	let num++
done

3、xcgraceful_stopRegionserver脚本

shell 复制代码 
#!/bin/bash
# Author : LJ
# Date   : 2023/3/15
# Func   : 批量优雅的停一批节点HRegionServer服务

if [ $# -lt 1 ]
then
	echo -e "\033[1;31m 参数不足，请重新执行... \033[0m"
	echo -e "\033[1;32m 此脚本传参使用方法：$0 第一个参数为待查询的ip列表文件名 \033[0m"
	exit ;
fi
#workdir=`pwd`
list_ip="$1"
#sum记录节点个数
sum=`cat "${list_ip}"|wc -l`
#使用stop_count数组，用于记录stop次数，次数用于初始化赋值
for (( i=0; i<"$sum"; i=i+1 )) ; do
	stop_count[i]=0
done
#对ip进行遍历执行stop，stop不成功的节点会使用数组i--进行再次重试。如果重试大于5次，直接使用kill -9 stop。
for (( i=0; i<"$sum"; i=i+1 )) ; do
	let num=${i}+1
	let stop_count[i]++
	arr[i]=`sed -n "${num}p" ${list_ip}`
	ip="${arr[i]}"
	#操作第一实例 HRegionServer
	rg1_wc=`sudo ssh $ip -C "ps -ef|grep -w '/home/hbase/logs'|grep -w 'org.apache.hadoop.hbase.regionserver.HRegionServer'|grep -v grep|wc -l"`
        if [ "${rg1_wc}" -eq 1 ] ; then
                echo -e "\033[1;31m$num\033[1;32m/$sum 开始 第 ${stop_count[i]} 次优雅的停 ${ip} 节点的 HRegionServer1 服务 执行时间: $(date +%Y-%m-%d\ %H:%M:%S) \033[0m"
		sudo ssh $ip -C 'su - hbase -c "graceful_stop.sh --maxthreads 32 -e `hostname` "' >/dev/null 2>&1
		sleep 30
        fi
	#操作第二实例 HRegionServer
        rg2_wc=`sudo ssh $ip -C "ps -ef|grep -w '/home/hbase/logs2'|grep -w 'org.apache.hadoop.hbase.regionserver.HRegionServer'|grep -v grep|wc -l"`
        if [ "${rg2_wc}" -eq 1 ] ; then
		echo -e "\033[1;31m$num\033[1;32m/$sum 开始 第 ${stop_count[i]} 次优雅的停 ${ip} 节点的 HRegionServer2 服务 执行时间: $(date +%Y-%m-%d\ %H:%M:%S) \033[0m"
                sudo ssh $ip -C 'su - hbase -c "graceful_stop.sh --config /home/hbase/software/hbase/conf2 --maxthreads 32 -e `hostname` "' >/dev/null 2>&1
		sleep 30
        fi
	#stop操作结果检查，只要还存在 HRegionServer 进程，就返回继续执行本节点stop操作
	check_rg_wc=`sudo ssh $ip -C 'su - hbase -c "jps|grep -i HRegionServer"|wc -l'`
        #判断是否还要 HRegionServer 进程
        if [ "${check_rg_wc}" -ne 0 ] ; then
                if [ "${stop_count[i]}" -gt 5 ] ; then
                        echo -e "\033[1;31m$num\033[1;32m/$sum \033[1;33m 优雅的停第 ${stop_count[i]} 没成功，重试次数大于5次，跳过本节点操作 执行时间: $(date +%Y-%m-%d\ %H:%M:%S) \033[0m"
                        echo "${ip}"
                else
                        let i--
                fi
        else
                echo -e "\033[1;31m$num\033[1;32m/$sum \033[1;33m ${ip} 节点(已经)无 HRegionServer 服务 执行时间: $(date +%Y-%m-%d\ %H:%M:%S) \033[0m"
        fi
done
相关推荐
恒辉信达几秒前
hhdb客户端介绍（53）
数据库·mysql·hhdb·数据库可视化界面客户端
喝醉酒的小白22 分钟前
ES 集群 A 和 ES 集群 B 数据流通
大数据·elasticsearch·搜索引擎
炭烤玛卡巴卡26 分钟前
初学elasticsearch
大数据·学习·elasticsearch·搜索引擎
it噩梦29 分钟前
es 中使用update 、create 、index的区别
大数据·elasticsearch
天冬忘忧1 小时前
Flink优化----数据倾斜
大数据·flink
李昊哲小课1 小时前
deepin 安装 zookeeper
大数据·运维·zookeeper·debian·hbase
筒栗子2 小时前
复习打卡大数据篇——Hadoop MapReduce
大数据·hadoop·mapreduce
金州饿霸2 小时前
Hadoop集群（HDFS集群、YARN集群、MapReduce计算框架）
大数据·hadoop·hdfs
指尖上跳动的旋律2 小时前
shell脚本定义特殊字符导致执行mysql文件错误的问题
数据库·mysql
一勺菠萝丶2 小时前
MongoDB 常用操作指南（Docker 环境下）
数据库·mongodb·docker
热门推荐
01【一文读懂】NTN（非地面网络）技术介绍02优化手机性能，解决卡顿问题：关闭这3个微信开关，释放内存空间03玄机平台应急响应—webshell查杀0419个Web前端交互式3D JavaScript框架和库05基于大语言模型（LLM）的合成数据生成、策展和评估的综述06(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明07Cube-Studio：开源大模型全链路一站式中台08HCIA-datacom数通题库和录播视频资料09Docker 夺命连环 15 问10组基轨迹建模 GBTM的介绍与实现（Stata 或 R）