博客
关于我
DataNode(面试开发重点3)
阅读量:798 次
发布时间:2019-03-25

本文共 1302 字,大约阅读时间需要 4 分钟。

Hadoop节点退役指南

1. 概念解释

在Hadoop集群中,节点的退役有两种方式:白名单和黑名单。

  • 白名单:允许指定主机访问NameNode,未在白名单中的主机将被逐出。
  • 黑名单:强制指定主机退出集群。请确保主机名称不同时出现在白名单和黑名单中。

2. 白名单退役

配置步骤

  • 创建配置文件

    在NameNode路径 /opt/module/hadoop-2.7.2/etc/hadoop/ 下创建 dfs.hosts 文件。

    cd /opt/module/hadoop-2.7.2/etc/hadoopvim dfs.hosts

    添加以下主机名称(不包括 hadoop105):

    hadoop102hadoop103hadoop104
  • 更新hdfs-site.xml

    在NameNode配置文件中添加 dfs.hosts 属性。

    vim ./hdfs-site.xml

    添加以下内容:

    dfs.hosts
    /opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts
  • 刷新节点

    执行节点刷新命令。

    hdfs dfsadmin -refreshNodes

    预期输出:

    Refresh nodes successful
  • 验证效果

    在浏览器中查看集群状态,白名单中的主机应以 allowed 状态显示。


  • 3. 黑名单退役

    配置步骤

  • 创建配置文件

    在NameNode路径下创建 dfs.hosts.exclude 文件。

    cd /opt/module/hadoop-2.7.2/etc/hadoopvim dfs.hosts.exclude

    添加将要退役的主机名称(例如 hadoop105)。

  • 更新hdfs-site.xml

    在hdfs-site.xml中添加 dfs.hosts.exclude 属性。

    vim ./hdfs-site.xml

    添加以下内容:

    dfs.hosts.exclude
    /opt/module/hadoop-2.7.2/etc/hadoop/dfs.hosts.exclude
  • 刷新节点

    执行节点刷新命令。

    hdfs dfsadmin -refreshNodes

    预期输出:

    Refresh nodes successful
  • 查看退役状态

    在浏览器中查看节点状态,应显示退役节点状态为 decommission in progress


  • 成熟前的注意事项

  • 确保副本数合理。若副本数为3,且服务节点数小于等于3,则无法退役,需调整副本数后再操作。
  • 等待节点状态更新为 decommissioned,此时可停止节点服务。
    hadoop-daemon.sh stop datanode

    输出示例:

    stopping datanode

  • 4. 集群再平衡

    数据不均衡时,可运行脚本实现集群再平衡。

    ./start-balancer.sh

    此脚本会协调节点之间的数据分配,确保数据平衡。

    转载地址:http://oasyk.baihongyu.com/

    你可能感兴趣的文章
    numpy
    查看>>
    NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
    查看>>
    numpy 或 scipy 有哪些可能的计算可以返回 NaN?
    查看>>
    numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
    查看>>
    numpy 数组与矩阵的乘法理解
    查看>>
    NumPy 数组拼接方法-ChatGPT4o作答
    查看>>
    numpy 用法
    查看>>
    Numpy 科学计算库详解
    查看>>
    Numpy.fft.fft和numpy.fft.fftfreq有什么不同
    查看>>
    Numpy.ndarray对象不可调用
    查看>>
    Numpy:按多个条件过滤行?
    查看>>
    Numpy:条件总和
    查看>>
    numpy、cv2等操作图片基本操作
    查看>>
    numpy中的argsort的用法
    查看>>
    NumPy中的精度:比较数字时的问题
    查看>>
    numpy判断对应位置是否相等,all、any的使用
    查看>>
    Numpy如何使用np.umprod重写range函数中i的python
    查看>>
    numpy学习笔记3-array切片
    查看>>
    numpy数组替换其中的值(如1替换为255)
    查看>>
    numpy数组索引-ChatGPT4o作答
    查看>>