hadoop hbase集群断电数据块被破坏无法启动

2019独角兽企业重金招聘Python工程师标准>>>

集群机器意外断电重启，导致hbase 无法正常启动，抛出reflect invocation异常，可能是正在执行的插入或合并等操作进行到一半时中断，导致部分数据文件不完整格式不正确或在hdfs上block块不完整。

在网上查了一下相关资料，怀疑有可能是关闭前一些未提交的修改所存放的log文件数据写入一半文件不完整，故把hbase.hlog.split.skip.errors改成true进行尝试。

关于这个参数作用的解释：

当服务器奔溃，重启的时候，会有个回放的过程，把/hbase/WAL/下面记录的log都回放一遍，合并到每个region中，回放过程中如果有error发生，这个参数又是false，那么exception就会向外层输出，回放失败。

但是很遗憾，将此参数修改后hbase集群仍然无法正常启动。

然后就琢磨其他原因，先观察hbase启动时的60010监控页面，

发现部分region FAILED_OPEN错误，its007-meta表一共200个region，只启动成功199个。

似乎想到了什么，对了，很可能是这个region的数据文件格式不正确，那就先检查一下其在hdfs上的文件是否正常。

果不其然，观察hadoop的50070页面，会提示hadoop文件系统的具体路径上有两个数据块出错。

（关于hbase在hdfs上的目录相关文章链接：HBase在HDFS上的目录树）

解决方法：

1.      运行hadoop fsck / -files检查hdfs文件

2.      发现/hbase/oldWALs目录下有一个文件损坏，

运行hadoop fsck / -delete清除损坏的文件

3.      运行hbase hbck -details查看hbase概况，发现Table its007-meta有一个region加载失败

4.      运行hbase hbck -fixMeta尝试修复系统元数据表

5.      运行hbase hbck -fix尝试修复region数据不一致问题。

6.      再次运行hbase hbck -details发现问题仍然未修复，那个region仍然加载失败。

故直接将该region下出错的文件移走，暂时移至hdfs根目录

hadoop fs -move /hbase/data/default/its007-meta/fe6463cba743a87e99f9d8577276bada/meta/9a853fdbe13046fca194051cb9f69f9b /

fe6463cba743a87e99f9d8577276bada是region的名字

9a853fdbe13046fca194051cb9f69f9b是region下出错的HFile，有800k大小（注：一个region下可以有多HFile）

7.      运行hbase hbck -fix重新加载之前失败的region，至此完成修复，丢弃了出错的HFile

总结：

hbase在hdfs上一共两个文件损坏。（关于hdfs文件写入相关文章：hdfs文件写入相关概念）

一个是oldWALs下的，这个是存放一些没用的HLog文件的，这里有文件损坏，说明从WALs中转移没用的HLog写到oldWALs下时，写了一半断电导致hdfs上文件数据块出错；

另一个是region下一个HFile文件损坏，这个文件800k比较小，应该是从Memstore flush到HFile时，写了一半没写完导致其在hdfs上的文件数据块出错。

hbase region数据块出现问题可以先修复

查看hbasemeta情况
hbase hbck
1.重新修复hbase meta表
hbase hbck -fixMeta
2.重新将hbase meta表分给regionserver
hbase hbck -fixAssignments

如果修复失败，我们可以删除hdfs上的异常数据，删除META表中对应的region信息。

转载于:https://my.oschina.net/u/2000675/blog/1031469