High Availability for the HDFS Namenode（翻译）

High Availability for the HDFS Namenode

Sanjay Radia, Suresh Srinivas

Yahoo! Inc

 (本文为namdnoe HA的设计文档翻译)

1.       问题阐述

有许多方法可以改善HDFS Namednoe（NN）的可用性，包括减少启动时间，更新配置而不需要重启集群，减少升级时间与提供一个手动或自动的NN故障切换等。本文主要关注于NN的故障切换以解决NN的单点故障问题。

有许多方法用以解决NN的失败，其中包括使用共享存储，使用虚拟IP与智能客户端。 可以使用Zookeeper用于领导者选举，或者其他架构类似Linux HA。 这些不同的解决方法可以共享一些框架部件， 本文的目的是定义这些框架部件并提供一些具体设计，用以建立一个机器故障切换的解决方案，以此提供HDFS Namenode的高可用性并隔离HDFS的服务。

2.       术语

1)         Active NN － 为客户端提供读写操作的服务的活动NN

2)         Standby NN － 这个NN等待并当Active NN死去的时候成为active

                         i.              BackupNode 在hadoop－0.21中可用于实现Standby的共享存储文件系统的名字空间。

3)         为了不导致混淆，我们不会使用Primary 或者 Secondary来代表Active和Standby，因为Secondary在老版本中是checkpoing 节点。

4)         Hot，Warm， Cold 的故障切换，Standby NN 存储正在运行的Active的子状态 。

                         i.              Cold Standby：Standby NN没有状态。

                       ii.              Warm Standby：Standby 有部分状态：

1.         它已加载fsImage和editLog但是没有收到块报告；

2.         它已加载fsImage和roolled logs与所有块报告。

5)         Hot Standby： Standby已经有Active的所有状态，并立刻启动。

3.       上层应用

1)         计划停机： 一个hadoop集群经常需要停止以升级软件或配置，一个4000节点的hadoop集群需要大约两个小时的时间重启。

2)         非计划停机或服务无响应: Namenode服务经常由于硬件，系统，NN进程失败或NN 进程程序几分钟无响应而出现故障， 然而这些有可能出乎意料的影响一些重要的上层应用。

以上两种情况下，一个warm或hot 故障切换可以减少停机时间， 事实上计划升级是影响HDFS服务不可用的最大因素， 因为HDFS Namenode 失败是很少的。（根据Yahoo 和Facebook的经验）。

4.       不考虑的情况

1)         Active－Active NNs －我们的初始设计是一个NN成为Active而另外一个standby（warm 或hot）， 可选方案是可以考虑允许Standby提供读操作。 我们认为Active－Active 需要额外的工作， 也许需要重新设计。

2)         一个名字空间多于两个NN

3)         大面积的失败，这通常叫做BCP。

5.       支持的失败情况

1)         只要单HW失败（disks，NICs，links等），两个时不进行处理，但这种情况下保证数据不会损坏。

2)         软件失败：例如NN进程失败，或者NN 进程死锁。注意系统无法恢复当standby在刚变成Active的时候出现软件失败。

3)         NN GC是一个棘手的问题，如果一个NN进入GC并且不回复，它不能被认为死。

6.       需求

1)         只有一个NN处于Active

                         i.              只有Active能处理客户端的请求并答复。

                       ii.              只有Active能改变持久化状态；

                      iii.              可选： Standby处理读请求。

2)         第一步支持手动故障切换－一些组织希望使用故障切换仅仅在软件升级的时候，这是导致hadoop集群不可用的最大原因。、

3)         无法自动回滚，如果旧的Active重启或变成健康状态的时候。

4)         数据比可用性更重要

                         i.              手动或者自动故障切换不应该导致数据损坏

5)         尽量不用特殊硬件

6)         HA安装和失败管理应该简单，并得防止数据损坏即使在操作失误的情况下。

7)         短时间的NN垃圾收集不应该被认为失败与触发自动故障切换。

7.       具体用例

1)         单点NN配置，没有故障切换

2)         Active和Standby手动切换

                         i.              Standby可以是cold/warm/hot

3)         Active和Standby 自动切换

                         i.              两个NN启动，一个自动成为Active另外一个成为Standby

                       ii.              Active 和Standby 运行着

                      iii.              Active失败，或者不健康，Standby接替

                      iv.              Active和Standby运行， Active 手动停机

                       v.              Active和Standby运行，Standby失败，Active继续

                      vi.              Active运行，Standby停机维修，Active死并无法启动，Standby启动并成为Active

                    vii.              两个NN启动，只有一个起来，它成为Active

                   viii.              Active和Standby运行，Active状态未知，Standby接替。

8.       设计方案

下面我们描述一些设计方案。在许多地方都有一些选择，例如：是否存储NN的实时状态，如何进行领导者选举（使用zookeeper 或者Linux HA或者其它方法），或者如何实现隔离技术。然而其余的部分很简单。下面两个图表描述使用zookeeper 和Linux HA做共享存储的整体方针；设计可以扩展到BackupNode。

NN HA with Shared Storage and Zookeeper

v\:* {behavior:url(#default#VML);} o\:* {behavior:url(#default#VML);} w\:* {behavior:url(#default#VML);} .shape {behavior:url(#default#VML);}

NN HA with Shared Storage and Linux HA

1)    NN元数据的共享存储与无共享存储

Active与Standby既可以共享存储（例如NFS）或者Active把edits形成流发给Standby（就像0.21里BackupNode的实现）。其中一些考虑如下：

                         i.              共享存储成为单点故障，因此需要其高可用。Bookkeeper 是一个比较好的解决方法但是在prime time还未准备好，可以考虑成为长远的方法。使用bookkeeper ，NN不需要在本地磁盘保持状态，导致NN结束时‘无状态’。某些组织由于其他原因在其集群中已经存在HA NFS。

                       ii.              BackupNode更便宜，因为它不需要使用共享服务器。然而其不支持用例的第三条。

                      iii.              BackupNode不需要隔离技术，只要不必解决用例的第三条时。共享存储需要隔离。然而，如果我们使用Stonith来解决隔离问题，那么就能解决所有隔离需求。

                      iv.              BackupNode不具有对称性，因此不能接替除非有Active的完整状态。

                       v.              当BackupNode停机时，还是依赖于remote存储以存储Active的额外状态，这就转回到了共享存储。

2)   并行块报告给Active和Atandby

我们的设计中需要并行发送块报告给Active和Standby以保证warm或hot故障切换。块报告可以直接由datanode发送，也可以通过中间层把块报告发给Active和Standby。

3)   客户端在故障切换时重定向

当Active失败时，客户端需要重新连接到新的Active，这叫做客户端故障切换。有多种方法可以实现。

        i.      更改DNS的绑定：这不是一个好方法，因为操作系统以及许多库把DNS缓存着，因此不会立刻做相应的改变。

       ii.      智能客户端：基于服务器的重定向，重试或者重新查找Active。

1.   注意基于服务器的重定向需要注意脑裂，无论服务器是否重定向。这种情况下一个更好的隔离方法是需要共享存储，因此只有一端可以写editlog。

2.   是否可以在HTTP或JMX下工作。

3.   故障切换时间将更长，因为在找到新NN的地址前客户端总是需要与第一个NN（有可能已经死了）交互。

     iii.      使用一个负载平衡器来发送客户端的请求到正确的NN,但这在大规模的环境中（例如：10万客户端）是很困难的。

       iv.      IP故障切换－这在生产环境下经常用到。

1.   Namenode服务器使用虚拟IP地址，虚拟IP地址被Active使用。

2.   问题：在跨交换机的环境下是否工作，是否只能在VLAN中使用。

4)   客户端在NN启动时超时

NN在某些情况下花很长时间启动，加载image，应用edits恢复块位置信息。这有可能导致客户端超时并认为NN死了。因此，当Active启动的时候，应该在客户端的请求中返回“启动中”以表示客户端应该等待。这种模式是safemode的特殊例子。

5)   故障切换控制使用独立于NN进程的故障切换控制器（Watchdog）

我们的方法是使用独立于NN进程的故障切换控制器进程。这个故障切换控制器与Linux HA的资源管理器非常相似。在基于Linux HA的解决方法中，作为其一部分的RM可以直接使用。而zookeeper ，我们可以自己写一个，或者配置Linux HA的资源管理器使用zookeeper 。

故障切换控制器执行以下功能：

        i.      监控健康的NN，OS和HW，以及其他资源例如网络连接。

       ii.      使用heartbeat以此选举领导者。（heartbeat发送给zookeeper，使用zookeeper 选举领导者 ）

     iii.      在领导选举中Active被选中。Active故障切换控制器指示其监控的NN从Standby转换为Active。（注意每个NN启动的时候都是Standby，只有在接到故障切换控制器的指示后才成为active）

使用独立的故障切换控制器进程有以下的优点：

        i.      把这个功能集成到NN会导致心跳机制患上GC的失败。

       ii.      故障切换控制器应该是写成紧凑的代码，从失败的应用中独立出来以增加容错。

     iii.      把选举机制做成插件形式。

6)   隔离（fencing）