Hadoop NameNode safemode

最近在应用Hadoop集群时，碰上了任务提交集群后，长时间卡在accepted状态，申请资源困难的情况，经过一系列的日志分析，状况排查，才发现是由于NameNode出现过主备切换导致，之前的NameNode主节点由于某种原因宕掉导致主备切换发生，刚好时间卡在业务高峰期，部分数据块未同步（或其他原因，从日志中看应该是无法与JournalNode集群交互，猜测可能网络异常，但未找到相关日志信息），NameNode切换后被迫进入安全模式后就再没出来，导致后续任务越来越难申请到资源，集群虽然完好，业务差点崩塌……

宕机原因尚待分析，可业务的立即恢复要求度更高，那NameNode安全模式就成了最重要的问题。

经过一番搜索，找到了右侧的博文：《Hadoop安全模式详解及配置》

简单来说，安全模式下的HDFS只支持元数据的操作读取，不支持文件的创建、删除等操作，同时会对数据块进行大量校验，导致资源的分配和申请耗时远超预期。

因此在业务紧急要求恢复的时候，可以尝试将以下两个参数调低，使安全模式尽快结束：

dfs.namenode.replication.min——满足需要的最小副本数

dfs.namenode.safemode.threshold-pct——集群中满足正常配置的数据块比例

<property>
  <name>dfs.namenode.replication.min</name>
  <value>1</value>
  <description>Minimal block replication. 
  </description>
</property>

<property>
  <name>dfs.namenode.safemode.threshold-pct</name>
  <value>0.999f</value>
  <description>
    Specifies the percentage of blocks that should satisfy the minimal
    replication requirement defined by dfs.namenode.replication.min.
    Values less than or equal to 0 mean not to wait for any particular
    percentage of blocks before exiting safemode.
    Values greater than 1 will make safe mode permanent.
  </description>
</property>

如果是为了防止某些异常数据导致始终校验不过的情况，可以尝试将上面的dfs.namenode.safemode.threshold-pct参数调为0或比0小的值后重启NameNode，这样永远不会进入安全模式；或者使用以下命令手动退出安全模式：

hadoop fs –safemode leave