hbase日志显示zookeeper连接不稳定KeeperErrorCode = ConnectionLoss

2021-11-29 21:49:10,303 WARN  [main-SendThread(zookeeper-02:2181)] zookeeper.ClientCnxn: Session 0x7cc057820ec8b2 for server crm-zookeeper-02, unexpected error, closing socket connection and attempting reconnect
java.io.IOException: 断开的管道
	at sun.nio.ch.FileDispatcherImpl.write0(Native Method)
	at sun.nio.ch.SocketDispatcher.write(SocketDispatcher.java:47)
	at sun.nio.ch.IOUtil.writeFromNativeBuffer(IOUtil.java:93)
	at sun.nio.ch.IOUtil.write(IOUtil.java:65)
	at sun.nio.ch.SocketChannelImpl.write(SocketChannelImpl.java:471)
	at org.apache.zookeeper.ClientCnxnSocketNIO.doIO(ClientCnxnSocketNIO.java:117)
	at org.apache.zookeeper.ClientCnxnSocketNIO.doTransport(ClientCnxnSocketNIO.java:366)
	at org.apache.zookeeper.ClientCnxn$SendThread.run(ClientCnxn.java:1141)
2021-11-29 21:49:10,404 ERROR [ReplicationExecutor-0] zookeeper.RecoverableZooKeeper: ZooKeeper multi failed after 4 attempts
2021-11-29 21:49:10,404 WARN  [ReplicationExecutor-0] replication.ReplicationQueuesZKImpl: Got exception in copyQueuesFromRSUsingMulti: 
org.apache.zookeeper.KeeperException$ConnectionLossException: KeeperErrorCode = ConnectionLoss
	at org.apache.zookeeper.KeeperException.create(KeeperException.java:99)
	at org.apache.zookeeper.ZooKeeper.multiInternal(ZooKeeper.java:992)
	at org.apache.zookeeper.ZooKeeper.multi(ZooKeeper.java:910)
	at org.apache.hadoop.hbase.zookeeper.RecoverableZooKeeper.multi(RecoverableZooKeeper.java:663)
	at org.apache.hadoop.hbase.zookeeper.ZKUtil.multiOrSequential(ZKUtil.java:1670)
	at org.apache.hadoop.hbase.replication.ReplicationQueuesZKImpl.moveQueueUsingMulti(ReplicationQueuesZKImpl.java:291)
	at org.apache.hadoop.hbase.replication.ReplicationQueuesZKImpl.claimQueue(ReplicationQueuesZKImpl.java:210)
	at org.apache.hadoop.hbase.replication.regionserver.ReplicationSourceManager$NodeFailoverWorker.run(ReplicationSourceManager.java:686)
	at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
	at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
	at java.lang.Thread.run(Thread.java:745)

如上，这种日志每过几秒就出现一次，整个hbase日志都在刷ZooKeeper的东西

ZooKeeper连接不稳定，还导致我们生产环境的regionserver时不时就挂掉。

问题分析：

为什么regionserver会挂呢？

原因分析：该reginserver进行主从同步时需要将一个log日志添加到replication queue中，为此需要在zookeeper中添加一个节点，结果操作zookeeper失败

 

问题：为什么操作zookeeper失败了？

分析：因为zookeeper连接并不稳定，连接经常丢失或者关闭，以下日志平均每分钟出现一次，zookeeper连接断掉后又会自动重试新建连接

问题：为什么zookeeper连接不稳定？

分析：因为reginserver经常向zookeeper发送大小为1.7mb左右的请求，zookeeper认为请求高于阈值（1mb）,于是zookeeper把连接关闭了

源码如下

问题：为什么reginserver经常向zookeeper发送大小为1.7mb左右的请求?

分析：因为reginserver正在尝试在zookeeper删除 hbase//replication/rs/new-crm-08,16020,1627407995288这个文件夹下的所有节点，但是由于这个文件夹下节点实在太多，于是批量删除的时候单次请求大小超过了1MB

 

 

 

 

问题：zookeeper文件夹 hbase//replication/rs/new-crm-08,16020,1627407995288存放的是什么？

分析：是准备主从复制的wal的文件名称。里面的所有wal文件都是7月到9月的。这些wal因为太旧了，在hadoop中早就被运维同事清除了

问题：zookeeper文件夹 hbase//replication/rs/new-crm-08,16020,1627407995288为什么有那么多节点？

分析：疑似主从复制阻塞，导致节点无法被及时删除导致

（后续发现这个znode节点增多疑似是2.02版本hbase的bug）

执行操作：手动命令删除多余的zk节点

结果：hbase恢复正常

相关参考文章：

Hbase2.2.1出现惊人大坑，为什么会出现oldWALs？导致磁盘空间莫名不断增加。 - 程序员大本营

HBase2.0 replication wal znode大量积压问题定位解决-阿里云开发者社区