如何利用Arthas解决启动StandbyNameNode加载EditLog慢的问题

本篇内容主要讲解“如何利用 Arthas 解决启动  StandbyNameNode 加载 EditLog 慢的问题”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“如何利用 Arthas 解决启动  StandbyNameNode 加载 EditLog 慢的问题”吧!

成都创新互联专业为企业提供靖宇网站建设、靖宇做网站、靖宇网站设计、靖宇网站制作等企业网站建设、网页设计与制作、靖宇企业网站模板建站服务，10多年靖宇做网站经验，不只是建网站，更提供有价值的思路和整体网络服务。

公司新搭 HDFS 集群，namenode做ha，但是在启动 StandbyNamenode 节点的时候出现奇怪的现象：空集群加载 Editlog 很慢，每次重启几乎耗时都在二三十分钟

为了方便大家理解，大致说下 StandbyNamenode（以下简称 SNN）启动过程：

• SNN 启动时，如果本地没有 FSImage会去 ANN（ActiveNamenode）拉取 FSImage

• 如果本地有 FSImage，则会根据 transactionId 去 JournalNode 拉取 gap 的 editlog，在本地做合并

问题就出在第 2 步，在从 JournalNode 拉取 EditLog 过程中出现固定 15s 延迟。一般来说，空集群几乎没有操作， editlog 不会太大，不应该出现每次从 JournalNode 拉取 EditLog 都耗费 15s 的时间，日志如下（为了方便观察截取部分日志）：

2020-11-04 18:27:27,577 INFO namenode.RedundantEditLogInputStream (RedundantEditLogInputStream.java:nextOp(177)) - Fast-forwarding stream 'http://cbdp-online1.sDNS.fin ancial.cloud:8480/getJournal?jid=hdfs-ha&segmentTxId=213656&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true' to transaction ID 184269 2020-11-04 18:27:42,582 INFO namenode.FSEditLogLoader (FSEditLogLoader.java:loadEditRecords(289)) - replaying edit log: 1/44 transactions completed. (2%) 2020-11-04 18:27:42,583 INFO namenode.FSImage (FSEditLogLoader.java:loadFSEdits(162)) - Edits file http://cbdp-online1.sdns.financial.cloud:8480/getJournal?jid=hdfs-ha &segmentTxId=213656&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true, http://cbdp-online2.sdns.financial.cloud:8 480/getJournal?jid=hdfs-ha&segmentTxId=213656&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true, http://cbdp-onli ne3.sdns.financial.cloud:8480/getJournal?jid=hdfs-ha&segmentTxId=213656&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgres sOk=true of size 5981 edits # 44 loaded in 15 seconds

......

2020-11-04 18:27:42,583 INFO namenode.RedundantEditLogInputStream (RedundantEditLogInputStream.java:nextOp(177)) - Fast-forwarding stream 'http://cbdp-online1.sdns.financial.cloud:8480/getJournal?jid=hdfs-ha&;segmentTxId=213700&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true' to transaction ID 184269 2020-11-04 18:27:57,588 INFO namenode.FSEditLogLoader (FSEditLogLoader.java:loadEditRecords(289)) - replaying edit log: 1/53 transactions completed. (2%) 2020-11-04 18:27:57,589 INFO namenode.FSImage (FSEditLogLoader.java:loadFSEdits(162)) - Edits file http://cbdp-online1.sdns.financial.cloud:8480/getJournal?jid=hdfs-ha&;segmentTxId=213700&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true, http://cbdp-online2.sdns.financial.cloud:8480/getJournal?jid=hdfs-ha&;segmentTxId=213700&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true, http://cbdp-online3.sdns.financial.cloud:8480/getJournal?jid=hdfs-ha&;segmentTxId=213700&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true of size 7088 edits # 53 loaded in 15 seconds

1.首先通过日志初步定位代码，粗略定位耗时方法

trace org.apache.hadoop.hdfs.server.namenode.FSEditLogLoader loadFSEdits

2.上面的结果只能确定大致耗时方法块，不能精确定位实际耗时方法，如果要精确定位，需要一层一层展开，其中还涉及回调函数、native 函数；为了可以更方便的定位代码，我们先执行 profiler start，观察下耗时函数调用

profiler start/stop

3.继续追踪函数

trace org.apache.hadoop.hdfs.server.namenode.EditLogFileInputStream$URLLog$1 run

4.因为过程中涉及了 jdk 函数追踪，我们需要设置 options unsafe true

trace --skipJDKMethods false sun.net.www.http.HttpClient parseHTTPHeader

trace --skipJDKMethods false java.net.SocketInputStream socktRead '#cost > 10000'

5.我们最后通过调用栈确认代码执行路径

stack *SocketInputStream socketRead "#cost > 10000"

发现由于 StandbyNameNode 的网络读取数据造成阻塞，到此已经碰到 native 函数，在 java 层面已经没有有效方法进行分析。

这时我看到 StandbyNameNode 的日志：

2020-11-04 18:27:42,583 INFO namenode.RedundantEditLogInputStream (RedundantEditLogInputStream.java:nextOp(177)) - Fast-forwarding stream 'http://cbdp-online1.sdns.financial.cloud:8480/getJournal?jid=hdfs-ha&;segmentTxId=213700&storageInfo=-64%3A272699407%3A1603893889358%3ACID-aa8ec1b5-a501-4195-9299-e14abefbdc11&inProgressOk=true' to transaction ID 184269

同时想起了 @赫炎 提出的思路，有可能是在 JournalNode 端读取 EditLog 文件的时候有阻塞。

6.我们在 JournalNode 侧追踪代码调用耗时

trace --skipJDKMethods false org.apache.hadoop.hdfs.qjournal.server.GetJournalEditServlet doGet '#cost > 10000'

发现在调用 java.net.InetSocketAddress.getHostName 处耗时 15s，至此找到了罪魁祸首。

结论：

1. 经分析发现在在开启 Kerberos 的情况下，JournalNode 侧响应 getEditLog 接口调用时会进入方法 isValidRequestor，此时会去解析 SecondNameNode 的 hostName，据此搜索对应的 principal

2. dns 域名解析服务不能获取 SecondNameNode 的默认地址 0.0.0.0:9868，也即不能解析 0.0.0.0 的 hostName，此处超时 15s 返回，这样每次通过 URLLog 获取 JournalNode的EditLog 时，总会有额外耗时 15s，导致 SNN 加载 EditLog 变慢。

为了验证猜想，在每个 JournalNode 节点 hosts 文件配置 0.0.0.0 0.0.0.0，重启 SNN，速度提升了 20 倍

到此，相信大家对“如何利用 Arthas 解决启动  StandbyNameNode 加载 EditLog 慢的问题”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！