java oozie任务状态_oozie 调度异常 JA009: Filesystem closed

最近几天发现oozie调度的任务经常会被挂起(SUSPENDED), 之前也存在被挂起的情况，但频率很低， 一周也就一两次， 出现问题时由监控脚本重跑，也不影响正常业务，但最近一两天被挂起的非常频繁，甚至一天有3，4个小时的任务被挂起， 影响正常业务.

个人猜测跟hadoop集群状态(稳定性)有一定关系，但咨询hadoop运维人员后得知集群近几天并未做改动，也没异常。

被挂起任务截图:

 

注: loadFlash是一个hive节点，是把flash日志load到hive中, 在这里出现异常，状态变成

START_MANUAL， 点开loadFlash结点, 如下图:

 

从Error Code和Error Message可以看出，此action出现JA009 Filesystem closed异常

为了定位该问题，先来看看oozie日志吧，来到oozie安装目录， 找到oozie.log日志文件, 搜索 JA009: Filesystem closed信息，果然，有很多该异常信息

org.apache.oozie.action.ActionExecutorException: JA009: Filesystem closed

at org.apache.oozie.action.ActionExecutor.convertException(ActionExecutor.java:361)

at org.apache.oozie.action.hadoop.JavaActionExecutor.prepareActionDir(JavaActionExecutor.java:390)

at org.apache.oozie.action.hadoop.JavaActionExecutor.start(JavaActionExecutor.java:636)

at org.apache.oozie.command.wf.ActionStartCommand.call(ActionStartCommand.java:128)

at org.apache.oozie.command.wf.ActionStartCommand.execute(ActionStartCommand.java:249)

at org.apache.oozie.command.wf.ActionStartCommand.execute(ActionStartCommand.java:47)

at org.apache.oozie.command.Command.call(Command.java:202)

at org.apache.oozie.service.CallableQueueService$CompositeCallable.call(CallableQueueService.java:211)

at org.apache.oozie.service.CallableQueueService$CallableWrapper.run(CallableQueueService.java:128)

at java.util.concurrent.ThreadPoolExecutor$Worker.runTask(ThreadPoolExecutor.java:886)

at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:908)

at java.lang.Thread.run(Thread.java:662)

Caused by: java.io.IOException: Filesystem closed

at org.apache.hadoop.hdfs.DFSClient.checkOpen(DFSClient.java:232)

at org.apache.hadoop.hdfs.DFSClient.delete(DFSClient.java:648)

at org.apache.hadoop.hdfs.DistributedFileSystem.delete(DistributedFileSystem.java:255)

at org.apache.oozie.action.hadoop.JavaActionExecutor.prepareActionDir(JavaActionExecutor.java:383)

... 10 more

有了该异常信息， 定位问题方便多了， 将ooize源码工程导入eclipse, 找到 JavaActionExecutor.java文件，定位到 prepareActionDir方法:

void prepareActionDir(FileSystem actionFs, Context context) throws ActionExecutorException {

try {

PathactionDir=context.getActionDir();

PathtempActionDir=newPath(actionDir.getParent(), actionDir.getName() + ".tmp");

if (!actionFs.exists(actionDir)) {

try {

actionFs.copyFromLocalFile(new Path(getOozieRuntimeDir(), getLauncherJarName()), new Path(

tempActionDir, getLauncherJarName()));

actionFs.rename(tempActionDir, actionDir);

}

catch (IOException ex) {

actionFs.delete(tempActionDir, true);

actionFs.delete(actionDir, true);

throw ex;

}

}

}

catch (Exception ex) {

throw convertException(ex);

}

}

从prepareActionDir 方法可以看出， 在使用actionFs的时候有可能会出现Filesystem closed异常(如果拿到的这个actionFs已经关闭自然就会抛出异常了)

接下来看看prepareActionDir 方法中FileSystem actionFs参数是如何传入的，找到调用prepareActionDir 的方法:

@Override

public void start(Context context, WorkflowAction action) throws ActionExecutorException {

try {

XLog.getLog(getClass()).debug("Starting action " + action.getId() + " getting Action File System");

FileSystem actionFs = getActionFileSystem(context, action);

XLog.getLog(getClass()).debug("Preparing action Dir through copying " + context.getActionDir());

prepareActionDir(actionFs, context);

XLog.getLog(getClass()).debug("Action Dir is ready. Submitting the action ");

submitLauncher(context, action);

XLog.getLog(getClass()).debug("Action submit completed. Performing check ");

check(context, action);

XLog.getLog(getClass()).debug("Action check is done after submission");

}

catch (Exception ex) {

throw convertException(ex);

}

}

通过FileSystem actionFs=getActionFileSystem(context, action);代码可知，actionFs是通过getActionFileSystem方法获取的， 再来看getActionFileSystem方法:

protected FileSystem getActionFileSystem(Context context, Element actionXml) throws ActionExecutorException {

try {

return context.getAppFileSystem();

}

catch (Exception ex) {

throw convertException(ex);

}

}

public FileSystem getAppFileSystem() throws HadoopAccessorException, IOException, URISyntaxException {

WorkflowJobworkflow=getWorkflow();

XConfigurationjobConf=newXConfiguration(new StringReader(workflow.getConf()));

ConfigurationfsConf=newConfiguration();

XConfiguration.copy(jobConf, fsConf);

return Services.get().get(HadoopAccessorService.class).createFileSystem(workflow.getUser(),

workflow.getGroup(), new URI(getWorkflow().getAppPath()), fsConf);

}

至此终于找到actionFs是通过HadoopAccessorService来获取的,看看HadoopAccessorService的createFileSystem方法:

public FileSystem createFileSystem(String user, String group, URI uri, Configuration conf)

throws HadoopAccessorException {

validateNameNode(uri.getAuthority());

conf=createConfiguration(user, group, conf);

try {

return FileSystem.get(uri, conf);

}

catch (IOException e) {

throw new HadoopAccessorException(ErrorCode.E0902, e);

}

}

真相大白，oozie通过调用hadoop的FileSystem.get(uri, conf);  方法来得到FileSystem.

接着看FileSystem.get(uri, conf)源码:

public static FileSystem get(URI uri, Configuration conf) throws IOException {

Stringscheme=uri.getScheme();

Stringauthority=uri.getAuthority();

if (scheme== null) {                       // no scheme: use default FS

return get(conf);

}

if (authority== null) {                       // no authority

URIdefaultUri=getDefaultUri(conf);

if (scheme.equals(defaultUri.getScheme())    // if scheme matches default

&& defaultUri.getAuthority() != null) {  // & default has authority

return get(defaultUri, conf);              // return default

}

}

StringdisableCacheName=String.format("fs.%s.impl.disable.cache", scheme);

if (conf.getBoolean(disableCacheName, false)) {

return createFileSystem(uri, conf);

}

return CACHE.get(uri, conf); // 有缓存哦

}

FileSystem.get(uri, conf)方法会根据conf.getBoolean(disableCacheName, false)的值决定是创建FileSystem还是从cache中获取FileSystem, 而默认情况下conf.getBoolean(disableCacheName, false)值为flase(除非特别指定disableCacheName值为true), 即从cache获取. 问题正是出在这里，我们的oozie作业是小时任务，并由多个action节点组成，每个action节点执行时从cache中获取FileSystem, 有可能该FileSystem因为网络原因或者其他原因已经被closed, 但仍旧被cache, 导致拿到该FileSystem的action在使用时发生IOException异常.定位到问题原因后就需要设法改进，方法也很简单，只要使conf.getBoolean(disableCacheName, false)   为true即可，这样每次都会重新创建一个FileSystem, 也就不会从cache中拿到失效的FileSystem了.

在oozie的workflow里进行如下配置:

oozie.launcher.fs.hdfs.impl.disable.cache

true

另外从源代码中发现oozie对action节点调度过程中的瞬态错误会有重试机制，默认状态下是3次，我在提交作业时修改成10次

oozie.wf.action.max.retries=10

经过上述修改后， oozie调度健壮性得到了提升^_^