Hbase集群掛掉的一次驚險經歷

作者：柯同學 2021-04-13 18:17:48

大數據

這是以前的一次hbase集群異常事故，由于不規范操作，集群無法啟動，在騰訊云大佬的幫助下，花了一個周末才修好，真的是一次難忘的回憶。

[[392952]]

本文轉載自微信公眾號「Java大數據與數據倉庫」，作者柯同學。轉載本文請聯系Java大數據與數據倉庫公眾號。

這是以前的一次hbase集群異常事故，由于不規范操作，集群無法啟動，在騰訊云大佬的幫助下，花了一個周末才修好，真的是一次難忘的回憶。

版本信息

cdh-6.0.1
hadoop-3.0
hbase-2.0.0

問題

想在空閑時候重啟一下hbase釋放一下內存，順便修改一下yarn的一些配置，結果停掉后，hbase起不來了，錯誤信息就是hbase:namespace表is not online，master一直初始化，具體錯誤信息：

15:41:59.313 [ProcExecTimeout] WARN  org.apache.hadoop.hbase.master.assignment.AssignmentManager - STUCK Region-In-Transition rit=OPENING, location=node4,16020,1589648302672, table=real_time_data, region=74cac15d22e99800ad0ace14c9ed74d6 
15:41:59.313 [ProcExecTimeout] WARN  org.apache.hadoop.hbase.master.assignment.AssignmentManager - STUCK Region-In-Transition rit=OPENING, location=node3,16020,1596598630022, table=real_time_data, region=8e68891d5826c09974d81ad5d705c3b6 
15:41:59.313 [ProcExecTimeout] WARN  org.apache.hadoop.hbase.master.assignment.AssignmentManager - STUCK Region-In-Transition rit=OPENING, location=node3,16020,1596598630022, table=real_time_data, region=75c42d75e2556bf70ff527f2425e8509 
15:41:59.313 [ProcExecTimeout] WARN  org.apache.hadoop.hbase.master.assignment.AssignmentManager - STUCK Region-In-Transition rit=OPENING, location=node3,16020,1596598630022, table=real_time_data, region=2eee04869ac2c35984d4d22e6e9f2f31 
15:42:08.264 [master/node3:16000] INFO  org.apache.hadoop.hbase.client.RpcRetryingCallerImpl - Call exception, tries=15, retries=15, started=128887 ms ago, cancelled=false, msg=org.apache.hadoop.hbase.NotServingRegionException: hbase:namespace,,1558205786137.40562c48c9210c06813adce48773cb6a. is not online on node1,16020,1596957741742 
    at org.apache.hadoop.hbase.regionserver.HRegionServer.getRegionByEncodedName(HRegionServer.java:3273) 
    at org.apache.hadoop.hbase.regionserver.HRegionServer.getRegion(HRegionServer.java:3250) 
    at org.apache.hadoop.hbase.regionserver.RSRpcServices.getRegion(RSRpcServices.java:1414) 
    at org.apache.hadoop.hbase.regionserver.RSRpcServices.get(RSRpcServices.java:2446) 
    at org.apache.hadoop.hbase.shaded.protobuf.generated.ClientProtos$ClientService$2.callBlockingMethod(ClientProtos.java:41998) 
    at org.apache.hadoop.hbase.ipc.RpcServer.call(RpcServer.java:409) 
    at org.apache.hadoop.hbase.ipc.CallRunner.run(CallRunner.java:131) 
    at org.apache.hadoop.hbase.ipc.RpcExecutor$Handler.run(RpcExecutor.java:324) 
    at org.apache.hadoop.hbase.ipc.RpcExecutor$Handler.run(RpcExecutor.java:304) 
, details=row 'default' on table 'hbase:namespace' at region=hbase:namespace,,1558205786137.40562c48c9210c06813adce48773cb6a., hostname=node1,16020,1589648239142, seqNum=55 
... ... 
15:44:58.229 [qtp1792826268-435] WARN  org.eclipse.jetty.servlet.ServletHandler - /master-status 
org.apache.hadoop.hbase.PleaseHoldException: Master is initializing 
    at org.apache.hadoop.hbase.master.HMaster.isInMaintenanceMode(HMaster.java:2827) ~[hbase-server-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.apache.hadoop.hbase.tmpl.master.MasterStatusTmplImpl.renderNoFlush(MasterStatusTmplImpl.java:271) ~[hbase-server-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.apache.hadoop.hbase.tmpl.master.MasterStatusTmpl.renderNoFlush(MasterStatusTmpl.java:389) ~[hbase-server-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.apache.hadoop.hbase.tmpl.master.MasterStatusTmpl.render(MasterStatusTmpl.java:380) ~[hbase-server-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.apache.hadoop.hbase.master.MasterStatusServlet.doGet(MasterStatusServlet.java:81) ~[hbase-server-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at javax.servlet.http.HttpServlet.service(HttpServlet.java:687) ~[javax.servlet-api-3.1.0.jar:3.1.0] 
    at javax.servlet.http.HttpServlet.service(HttpServlet.java:790) ~[javax.servlet-api-3.1.0.jar:3.1.0] 
    at org.eclipse.jetty.servlet.ServletHolder.handle(ServletHolder.java:848) ~[jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.servlet.ServletHandler$CachedChain.doFilter(ServletHandler.java:1772) ~[jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.apache.hadoop.hbase.http.lib.StaticUserWebFilter$StaticUserFilter.doFilter(StaticUserWebFilter.java:112) ~[hbase-http-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.eclipse.jetty.servlet.ServletHandler$CachedChain.doFilter(ServletHandler.java:1759) ~[jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.apache.hadoop.hbase.http.ClickjackingPreventionFilter.doFilter(ClickjackingPreventionFilter.java:48) ~[hbase-http-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.eclipse.jetty.servlet.ServletHandler$CachedChain.doFilter(ServletHandler.java:1759) ~[jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.apache.hadoop.hbase.http.HttpServer$QuotingInputFilter.doFilter(HttpServer.java:1374) ~[hbase-http-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.eclipse.jetty.servlet.ServletHandler$CachedChain.doFilter(ServletHandler.java:1759) ~[jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.apache.hadoop.hbase.http.NoCacheFilter.doFilter(NoCacheFilter.java:49) ~[hbase-http-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.eclipse.jetty.servlet.ServletHandler$CachedChain.doFilter(ServletHandler.java:1759) ~[jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.apache.hadoop.hbase.http.NoCacheFilter.doFilter(NoCacheFilter.java:49) ~[hbase-http-2.0.0.3.0.0.0-1634.jar:2.0.0.3.0.0.0-1634] 
    at org.eclipse.jetty.servlet.ServletHandler$CachedChain.doFilter(ServletHandler.java:1759) ~[jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.servlet.ServletHandler.doHandle(ServletHandler.java:582) [jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.handler.ScopedHandler.handle(ScopedHandler.java:143) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.security.SecurityHandler.handle(SecurityHandler.java:548) [jetty-security-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.session.SessionHandler.doHandle(SessionHandler.java:226) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.handler.ContextHandler.doHandle(ContextHandler.java:1180) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.servlet.ServletHandler.doScope(ServletHandler.java:512) [jetty-servlet-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.session.SessionHandler.doScope(SessionHandler.java:185) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.handler.ContextHandler.doScope(ContextHandler.java:1112) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.handler.ScopedHandler.handle(ScopedHandler.java:141) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.handler.HandlerCollection.handle(HandlerCollection.java:119) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.handler.HandlerWrapper.handle(HandlerWrapper.java:134) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.Server.handle(Server.java:534) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.HttpChannel.handle(HttpChannel.java:320) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.server.HttpConnection.onFillable(HttpConnection.java:251) [jetty-server-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.io.AbstractConnection$ReadCallback.succeeded(AbstractConnection.java:283) [jetty-io-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.io.FillInterest.fillable(FillInterest.java:108) [jetty-io-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.io.SelectChannelEndPoint$2.run(SelectChannelEndPoint.java:93) [jetty-io-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.util.thread.strategy.ExecuteProduceConsume.executeProduceConsume(ExecuteProduceConsume.java:303) [jetty-util-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.util.thread.strategy.ExecuteProduceConsume.produceConsume(ExecuteProduceConsume.java:148) [jetty-util-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.util.thread.strategy.ExecuteProduceConsume.run(ExecuteProduceConsume.java:136) [jetty-util-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.util.thread.QueuedThreadPool.runJob(QueuedThreadPool.java:671) [jetty-util-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at org.eclipse.jetty.util.thread.QueuedThreadPool$2.run(QueuedThreadPool.java:589) [jetty-util-9.3.19.v20170502.jar:9.3.19.v20170502] 
    at java.lang.Thread.run(Thread.java:745) [?:1.8.0_121]

常規操作

到這里，我嘗試使用hbck命令查看詳情并修復，發現hbase2.0.0版本hbck已經廢棄了修復的命令。

----------------------------------------------------------------------- 
NOTE: As of HBase version 2.0, the hbck tool is significantly changed. 
In general, all Read-Only options are supported and can be be used 
safely. Most -fix/ -repair options are NOT supported. Please see usage 
below for details on which options are not supported. 
----------------------------------------------------------------------- 
 
省略若干... 
省略若干... 
省略若干... 
 
NOTE: Following options are NOT supported as of HBase version 2.0+. 
 
  UNSUPPORTED Metadata Repair options: (expert features, use with caution!) 
   -fix              Try to fix region assignments.  This is for backwards compatiblity 
   -fixAssignments   Try to fix region assignments.  Replaces the old -fix 
   -fixMeta          Try to fix meta problems.  This assumes HDFS region info is good. 
   -fixHdfsHoles     Try to fix region holes in hdfs. 
   -fixHdfsOrphans   Try to fix region dirs with no .regioninfo file in hdfs 
   -fixTableOrphans  Try to fix table dirs with no .tableinfo file in hdfs (online mode only) 
   -fixHdfsOverlaps  Try to fix region overlaps in hdfs. 
   -maxMerge <n>     When fixing region overlaps, allow at most <n> regions to merge. (n=5 by default) 
   -sidelineBigOverlaps  When fixing region overlaps, allow to sideline big overlaps 
   -maxOverlapsToSideline <n>  When fixing region overlaps, allow at most <n> regions to sideline per group. (n=2 by default) 
   -fixSplitParents  Try to force offline split parents to be online. 
   -removeParents    Try to offline and sideline lingering parents and keep daughter regions. 
   -fixEmptyMetaCells  Try to fix hbase:meta entries not referencing any region (empty REGIONINFO_QUALIFIER rows) 
 
  UNSUPPORTED Metadata Repair shortcuts 
   -repair           Shortcut for -fixAssignments -fixMeta -fixHdfsHoles -fixHdfsOrphans -fixHdfsOverlaps -fixVersionFile -sidelineBigOverlaps -fixReferenceFiles-fixHFileLinks 
   -repairHoles      Shortcut for -fixAssignments -fixMeta -fixHdfsHoles

然后，查閱資料看到了hbck2，官方地址：https://github.com/apache/hbase-operator-tools/tree/master/hbase-hbck2，這個工具，本來以為抓住了救命的稻草，結果：

=================================================================== 
HBCK2 Overview 
HBCK2 is currently a simple tool that does one thing at a time only. 
In hbase-2.x, the Master is the final arbiter of all state, so a general principal for most HBCK2 commands is that it asks the Master to effect all repair. This means a Master must be up before you can run HBCK2 commands. 
The HBCK2 implementation approach is to make use of an HbckService hosted on the Master. The Service publishes a few methods for the HBCK2 tool to pull on. Therefore, for HBCK2 commands relying on Master's HbckService facade, first thing HBCK2 does is poke the cluster to ensure the service is available. This will fail if the remote Server does not publish the Service or if the HbckService is lacking the requested method. For the latter case, if you can, update your cluster to obtain more fix facility. 
HBCK2 versions should be able to work across multiple hbase-2 releases. It will fail with a complaint if it is unable to run. There is no HbckService in versions of hbase before 2.0.3 and 2.1.1. HBCK2 will not work against these versions. 
Next we look first at how you 'find' issues in your running cluster followed by a section on how you 'fix' found problems. 
===================================================================

wtm，服了。hbase2.0.0 ~ 2.0.2以及hbase2.1.0 ~ 2.1.0是不適用的，既不能使用hbck，也不能使用hbck2，這里出現了斷層。

解決辦法

1. 修復master，讓集群正常啟動

由于目前master無法初始化，集群無法啟動，因為元數據表hbase:meta信息有損壞，hbase:namespace表is not online，首先需要讓hbase:namespace表上線，啟動hbase集群再說，否則后續的修復工作都進行不了;然后修復那些表(此時內心是崩潰的，都準備重搭建集群了)。

查看hbase源碼，發現hbase元數據表hbase:namespace表如果沒有會重建，TableNamespaceManager.java：

思路：備份hbase:namespace表hdfs數據，刪除hbase:namespace表，啟動時讓其重建，然后將備份的數據bulkload進新建的hbase:namespace表中去。

刪除hbase:meta中hbase:namespace那一行數據，并且mv走hbase:namespace表對應的hdfs目錄到臨時目錄備份，這樣相當于把hbase:namespace這個表刪除了。

然后，重啟hbase集群，namespace表會被重建，集群終于起來了。此時，hbase:namespace這張表里面保存的namespace只有default這個默認的namespace，我們通過bulkload命令，把臨時目錄里面的hfile文件移到hbase:namespace這張表里面，這樣就還原了命名空間表。

2. 修復hbase表

很不容易，hbase集群已經起來了，通過web ui發現，此時里面的表都是空的，無法找到每個region對應的hdfs數據文件。

由于hbase中的hbase:meta表保存所有表的region分配等信息，現在由于集群異常停止，破壞了hbase:meta表，應該是hbase:meta表有損壞，導致hbase:namespace表無法找到對應分配的region。

思路：通過.regioninfo來修復hbase:meta表，參考博客：https://blog.csdn.net/xyzkenan/article/details/103476160

工具地址：https://github.com/DarkPhoenixs/hbase-meta-repair

總結

總算解決了，虛驚一場，珍惜美好的生活吧。這次異常，hbase集群無法啟動，兩個表現：

namespace region is not online;
Master is initializing;

解決思路是：

首先刪除hbase:namespace表，讓hbase啟動服務時自動創建，解決了hbase無法啟動問題：
然后，通過.regioninfo文件修復hbase:meta表。

責任編輯：武曉燕來源： Java大數據與數據倉庫

Hbase 集群配置