HDFS high availability
Federal hdfs
Since the mapping information in the system files and data blocks namenode maintained in memory, so for a massive cluster file, the memory will be the bottleneck of the system scale. Hadoop 2.x version introduced in the federal HDFS (HDFS Federation), achieved by adding namenode in the cluster.
Federation of architecture:
principle
1, namenode each independently, a single roll of maintaining namespace namespace metadata and data blocks pool (block pool) consisting of (namespace volume) - NS-x in FIG.
2, the data block pool contains all the data blocks that namespace file. Namespace volume independent, mutually twenty-two communication, even if a namenode hang, or affect other namenode
. 3, datanode is used as a common data storage device, all of the registered namenode datanode To each cluster, and periodically transmitting a heartbeat and to report all namenode, and execute commands from all the namenode
4, when a namespace is deleted, all of the corresponding block pool datanode will be deleted. When upgrading a cluster, each as a base unit namespacevolume upgrade.
The shortcomings of federal hdfs
Despite the introduction of more namenode manage multiple namespace, but for a single namenode, still single points of failure (Single point of failure), if a namenode hung up, then all clients are unable to manipulate files.
Federal hdfs still need to introduce secondary namenode. Until all secondary namenode meet the following conditions in order to provide services:
1, the image import namespace memory
2, repeat edit log
3, a block from the receive sufficient datanode report mapping and exit secure mode.
Use NAS for HA
Guarantee the availability of the cluster, you can use NAS shared storage. Namenode between standby metadata synchronized by the NAS. But there are about a defect:
1, the hardware must support NAS
2, the deployment of complex, complete deployment namenode NFS mount also need to address a single point and split-brain NFS, error prone
3, can not be achieved at the same time only one namenode write data
QJM availability
Hadoop2 solve the above problems increased QJM (Quorum Journal Manager), composed of a plurality JN, generally configured as an odd number. QJM namenode has one pair of active-standby. When active namenode failure, standby namenode will continue to provide services to take it over.
It works as follows:
1, between namenode journal node shared by a set of editing the log, the STANDBY namenode takeover need to read the entire editing log to synchronize namenode Active state, and continues to read the new Active namenode write operation.
2, datanode report to the need to process the set of active-standby namenode transmission data block, because the mapping information is stored in data blocks namenode memory.
3, the client uses ZKFC (zookeeper failover-controller) to handle namenode failures, the process runs on each namenode, through heartbeat monitoring active namenode is invalid
4, secondary namenode role substituted standby namenode, a standby namenode check point is provided for the active namenode
5, QJM implementation does not use zookeeper. But in the election HA active namenode, using a zookeeper.
6, under certain special circumstances (such Suman), failover may occur, then there are willing to be active namenode-- namenode two split brain. QJM to avoid this phenomenon by fencing (avoid).
NameNode of primary and election mechanism
Namenode(包括 YARN ResourceManager) 的主备选举是通过 ActiveStandbyElector 来完成的，ActiveStandbyElector 主要是利用了 Zookeeper 的写一致性、 临时节点和观察者机制
主备选举实现如下
1、 创建锁节点： 如果 ZKFC 检测到对应的 NameNode 的状态正常，那么表示这个 NameNode有资格参加Zookeeper 的主备选举。如果目前还没有进行过主备选举的话，那么相应的会发起一次主备选举，尝试在 Zookeeper 上创建一个路径为/hadoopha/${dfs.nameservices}/ActiveStandbyElectorLock 的临时结点， Zookeeper 的写一致性会保证最终只会有一次结点创建成功，那么创建成功的 NameNode 就会成为主 NameNode， 进而切换为 Active 状态。而创建失败的 NameNode 则切换为 Standby 状态。
2、 注册 Watcher 监听： 不管创建/hadoop-ha/${dfs.nameservices}/ActiveStandbyElectorLock 节点是否成功， ZKFC 随后都会向 Zookeeper 注册一个 Watcher 来监听这个节点的状态变化事件， ActiveStandbyElector 主要关注这个节点的 NodeDeleted 事件。
3、 自动触发主备选举： 如果 Active NameNode 状态异常时， ZKFailoverController 会主动删除临时结点/hadoop-ha/${dfs.nameservices}/ActiveStandbyElectorLock，这样处于 Standby 状态的NameNode 会收到这个结点的 NodeDeleted 事件。收到这个事件之后，会马上再次进入到建/hadoopha/${dfs.nameservices}/ActiveStandbyElectorLock 结点的流程，如果创建成功，这个本来处于 Standby 状态的 NameNode 就选举为主 NameNode 并随后开始切换为 Active 状态。
4、 当然，如果是 Active 状态的 NameNode 所在的机器整个宕掉的话，那么根据 Zookeeper 的临时节点特性， /hadoop-ha/${dfs.nameservices}/ActiveStandbyElectorLock 节点会自动被删除，从而也会自动进行一次主备切换。
Namenode 脑裂
脑裂的原因
如果 Zookeeper 客户端机器负载过高或者正在进行 JVM Full GC，那么可能会导致 Zookeeper 客户端到服务端的心跳不能正常发出，一旦这个时间持续较长，超过了配置的 Zookeeper Session Timeout 参数的话， Zookeeper 服务端就会认为客户端的 session 已经过期从而将客户端的 Session 关闭。“假死”有可能引起分布式系统常说的双主或脑裂(brain-split) 现象。具体到本文所述的 NameNode，假设 NameNode1 当前为 Active 状态，NameNode2 当前为 Standby 状态。如果某一时刻 NameNode1 对应的 ZKFC 进程发生了“假死”现象，那么 Zookeeper 服务端会认为 NameNode1 挂掉了，根据前面的主备切换逻辑， NameNode2 会替代 NameNode1 进入 Active 状态。但是此时 NameNode1 可能仍然处于 Active 状态正常运行，即使随后 NameNode1 对应的 ZKFailoverController 因为负载下降或者 Full GC 结束而恢复了正常，感知到自己和 Zookeeper 的 Session 已经关闭，但是由于网络的延迟以及 CPU 线程调度的不确定性，仍然有可能会在接下来的一段时间窗口内NameNode1 认为自己还是处于 Active 状态。这样 NameNode1 和 NameNode2 都处于Active 状态，都可以对外提供服务。这种情况对于 NameNode 这类对数据一致性要求非常高的系统来说是灾难性的，数据会发生错乱且无法恢复。
规避脑裂
Hadoop 的 fencing 机制防止脑裂： 中文翻译为隔离，也就是想办法把旧的 Active NameNode
隔离起来，使它不能正常对外提供服务。 ZKFC 为了实现 fencing，会在成功创建 Zookeeper临时结点 hadoop-ha/${dfs.nameservices}/ActiveStandbyElectorLock 从而成为 ActiveNameNode 之后，创建另外一个路径为/hadoop-ha/${dfs.nameservices}/ActiveBreadCrumb 的持久节点，这个节点里面也保存了 Active NameNode 的地址信息。 正常关闭 Active NameNode时， ActiveStandbyElectorLock 临时结点会自动删除，同时， ZKFC 会删除 ActiveBreadCrumb结点。但是如果在异常的状态下 Zookeeper Session 关闭 (比如前述的 Zookeeper 假死)，那么由于 ActiveBreadCrumb 是持久节点，会一直保留下来。后面当另一个 NameNode 选主成功之后，会注意到上一个 Active NameNode 遗留下来的这个节点，从而会对旧的 ActiveNameNode 进行 fencing
Hadoop 的两种 fencing 机制：
1) sshfence：通过 SSH 登录到目标机器上，执行命令将对应的进程杀死；
2) shellfence：执行一个用户自定义的 shell 脚本来将对应的进程隔离；
只有在成功地执行完成 fencing 之后，选主成功的 ActiveStandbyElector 才会回调ZKFailoverController 的 becomeActive 方法将对应的 NameNode 转换为 Active 状态，开始
对外提供服务。
NameNode 共享存储实现
基于 QJM 的共享存储系统的总体架构： 基于 QJM 的共享存储系统主要用于保存EditLog，并不保存 FSImage 文件。 FSImage 文件还是在 NameNode 的本地磁盘上。
QJM共享存储的基本思想来自于 Paxos 算法，采用多个称为 JournalNode 的节点组成的JournalNode 集群来存储 EditLog。每个 JournalNode 保存同样的 EditLog 副本。
每次NameNode 写 EditLog 的时候，除了向本地磁盘写入 EditLog 之外，也会并行地向JournalNode 集群之中的每一个 JournalNode 发送写请求，只要大多数 (majority) 的
JournalNode 节点返回成功就认为向 JournalNode 集群写入 EditLog 成功。如果有 N 台JournalNode，那么根据大多数的原则，最多可以容忍有 (N-1)/2 台 JournalNode 节点挂掉。 基于 QJM 的共享存储系统的数据同步机制： Active NameNode 和 StandbyNameNode 使用JouranlNode 集群来进行数据同步的过程如图所示， Active NameNode 首先把 EditLog 提交到 JournalNode 集群，然后 Standby NameNode 再从 JournalNode 集群定时同步 EditLog
1) Active NameNode 提交 EditLog 到 JournalNode 集群的过程实际上是同步阻塞的，但是并不需要所有的 JournalNode 都调用成功，只要大多数 JournalNode 调用成功就可以了。如果无法形成大多数，那么就认为提交 EditLog 失败， NameNode 停止服务退出进程。
2) 当 NameNode 进入 Standby 状态之后，会启动一个线程， 定期从 JournalNode 集群上同步 EditLog，然后把同步的 EditLog 回放到内存之中的文件系统镜像上 (并不会同时把EditLog 写入到本地磁盘上)。