误删/tmp导致hadoop无法启停, jps无法查看的解决方法

问题描述

我的hadoop版本是hadoop-cdh4.2.0，由于误删了/tmp目录(不是hadoop.tmp.dir设定的那个目录)，在Namenode，SecondaryNamenode和Datanode上使用jps无法查看到如下结果：

[root@desktop1 ~]# jps
5389 NameNode
5980 Jps
5710 ResourceManager
7032 JobHistoryServer
[root@desktop2 ~]# jps
3187 Jps
3124 SecondaryNameNode
[root@desktop3 ~]# jps
3187 Jps
3124 DataNode
5711 NodeManager

同时，在namenode上， 启停dfs和yarn都无效，显示 no namenode to stop， no datanode to stop 等等。而整个 hadoop集群是正常运转的。

排查原因

jps查看起的进程需要读取/tmp目录下的一些内容。另一方面，在启停hadoop的脚本里，比如

sbin/stop-yarn.sh

实际使用的是

sbin/yarn-deamon.sh

该脚本描述里写道：

# Runs a yarn command as a daemon.
#
# Environment Variables
#
#   YARN_CONF_DIR  Alternate conf dir. Default is ${YARN_HOME}/conf.
#   YARN_LOG_DIR   Where log files are stored.  PWD by default.
#   YARN_MASTER    host:path where hadoop code should be rsync'd from
#   YARN_PID_DIR   The pid files are stored. /tmp by default.
#   YARN_IDENT_STRING   A string representing this instance of hadoop. $USER by default
#   YARN_NICENESS The scheduling priority for daemons. Defaults to 0.

根据 Y ARN_PID_DIR   The pid files are stored. /tmp by default. /tmp目录保存的是pid的进程号，集群无法启停，jps无法查看进程都是因为丢失了pid，或者与/tmp下当前的pid进程号对不上，我的解决方法就是查看各节点上的进程然后替换pid文件里的内容，实施后证明是可行的

解决方案

使用netstat查看pid进程号，

ps -ef | grep datanode | grep -v grep

namenode查看namenode和resourcemanager，/tmp下文件为hadoop-root-namenode.pid和 yarn-root-resourcemanager.pid

secondarynamenode查看secondarynamenode，/tmp下文件为hadoop-root-secondarynamenode.pid

datanode查看datanode和nodemanager，/tmp下文件为hadoop-root-datanode.pid和yarn-root-nodemanager.pid

(以上root为user名字)

下面是我使用的替换datanode机器上的pid的一个脚本，可以参考使用

> /tmp/hadoop-root-datanode.pid && echo `ps -ef | grep datanode | grep -v grep | awk '{print $2}'` > /tmp/hadoop-root-datanode.pid
> /tmp/yarn-root-nodemanager.pid && echo `ps -ef | grep nodemanager | grep -v grep | awk '{print $2}'` > /tmp/yarn-root-nodemanager.pid 

所有机器上都更新好pid文件后，就可以去namenode上启停集群了，jsp命令也生效了。

(全文完)