hbase问题总结【转】

转载地址： http://www.cnblogs.com/shenguanpu/archive/2012/06/12/2546309.html

1 java.io.IOException: java.io.IOException: java.lang.IllegalArgumentException: offset (0) + length (8) exceed the capacity of the array: 4

做简单的incr操作时出现，原因是之前put时放入的是int  长度为 vlen=4 ，不适用增加操作，只能改为long型 vlen=8

 

2 写数据到column时 org.apache.hadoop.hbase.client.RetriesExhaustedWithDetailsException: Failed 1 action: NotServingRegionException: 1 time, servers with issues: 10.xx.xx.37:60020,    或是 org.apache.hadoop.hbase.NotServingRegionException: Region is not online:   这两种出错，master-status中出现Regions in Transition 长达十几分钟，一直处于PENDING_OPEN状态，导致请求阻塞。目前把10.xx.xx.37这台机器下线，运行一夜稳定，没有出现因split造成的阻塞。怀疑是机器问题。Hmaster的日志显示这台region server 不停的open close，不做任何split 或flush

RIT 的全称是region in transcation. 每次hbase master 对region 的一个open 或一个close 操作都会向Master 的RIT中插入一条记录,因为master 对region 的操作要保持原子性,region 的 open 和 close 是通过Hmaster 和 region server 协助来完成的. 所以为了满足这些操作的协调,回滚,和一致性.Hmaster 采用了 RIT 机制并结合Zookeeper 中Node的状态来保证操作的安全和一致性.

OFFLINE, // region is in an offline state
PENDING_OPEN, // sent rpc to server to open but has not begun
OPENING, // server has begun to open but not yet done
OPEN, // server opened region and updated meta
PENDING_CLOSE, // sent rpc to server to close but has not begun
CLOSING, // server has begun to close but not yet done
CLOSED, // server closed region and updated meta
SPLITTING, // server started split of a region
SPLIT // server completed split of a region

 进一步发现是load balance的问题 region server不停重复的被open close，参考http://abloz.com/hbase/book.html#regions.arch.assignment  重启了region server正常

后来的代码运行中又出现region not on line ，是NotServingRegionException抛出的，原因是“Thrown by a region server if it is sent a request for a region it is not serving.”

 为什么会不断请求一个离线的region？且这种错误集中在150个中的3个region，追踪服务器端log，region 会被CloseRegionHandler关掉，过了20分钟左右才重新打开，关掉后客户端请求的region仍然是这个关闭的region？

 

 

3 设置开关不写入hbase并不生效

代码初上线，增加了开关，万一hbase有问题则关闭掉开关。但是出现问题了发现程序卡死，目前认为原因是不断加长的retry机制，60秒超时，1-32秒的10次retry，万一出问题，切换开关也没有用。

需要配置rpc超时参数和retry time解决它

 

4 flush、split、compact导致stop-the-world

出现长时间的flush split操作导致hbase服务器端无法响应请求。需要调整region大小，并测试获取flush次数

 

5 hbase参数设置

hbase.regionserver.handler.count

考虑到sas盘的io能力，设置为50

hbase.hregion.memstore.block.multiplier

当memstore的大小为hbase.hregion.memstore.flush.size的multiplier倍数时，阻塞读写进行flush，默认为2

 

6 region server crush

Regionserver crash的原因是因为GC时间过久导致Regionserver和zookeeper之间的连接timeout。

Zookeeper内部的timeout如下：

minSessionTimeout 单位毫秒，默认2倍tickTime。

maxSessionTimeout 单位毫秒，默认20倍tickTime。

（tickTime也是一个配置项。是Server内部控制时间逻辑的最小时间单位）

如果客户端发来的sessionTimeout超过min-max这个范围，server会自动截取为min或max，然后为这个Client新建一个Session对象。

默认的tickTime是2s，也就是客户端最大的timeout为40s，及时regionserver的zookeeper.session.timeout设置为60s也没用。

 

改动：

1. 将zookeeper集群的tickTime修改为9s，最大的timeout为180s，同时修改zookeeper.session.timeout为120s，这样可以避免GC引发timeout。
2. 添加参数hbase.regionserver.restart.on.zk.expire为true，改参数的作用是当regionserver和zookeeper之间timeout之后重启regionserver，而不是关掉regionserver。

 

7 代码问题导致死锁

master慢查询日志中一个查询达到了2小时，最终导致服务器响应变慢，无法应对大写入。追究原因是getColumns操作一下取出十几万的数据，没有做分页；更改程序分页500条左右，目前没有出现问题

 

8 operation too slow

2012-07-26 05:30:39,141 WARN org.apache.hadoop.ipc.HBaseServer: (operationTooSlow): {"processingtimems":69315,"ts":9223372036854775807,"client":"10.75.0.109:34780","starttimems":1343251769825,"queuetimems":0,"class":"HRegionServer","responsesize":0,"method":"delete","totalColumns":1,"table":"trackurl_status_list","families":{"sl":[{"timestamp":1343251769825,"qualifier":"zzzn1VlyG","vlen":0}]},"row":""}
删除一行数据用了69315s

而且神奇的是row为""，row无法设置null进去，但可以增加空串。做了一轮测试
空row-key  删除不存在的column  耗时 700ms

空row-key  删除存在的column  耗时 5ms

非空row-key  删除任意的column  耗时 3ms

不清楚是否是个bug，也还不知道怎么就传了个空row-key进去，目前策略为在代码端避免对空row-key做操作。

9 responseTooSlow

2012-07-31 17:52:06,619 WARN org.apache.hadoop.ipc.HBaseServer: (responseTooSlow): {"processingtimems":1156438,"call":"multi(org.apache.hadoop.hbase.client.MultiAction@3dbb29e5), rpc version=1, client version=29, methodsFingerPrint=-1508511443","client":"10.75.0.109:35245","starttimems":1343727170177,"queuetimems":0,"class":"HRegionServer","responsesize":0,"method":"multi"}

引用hbase说明：The output is tagged with operation e.g. (operationTooSlow) if the call was a client operation, such as a Put, Get, or Delete, which we expose detailed fingerprint information for. If not, it is tagged (responseTooSlow) and still produces parseable JSON output, but with less verbose information solely regarding its duration and size in the RPC itself.

目前做法是取消了对某个key多个column的批量delete操作避免阻塞，没有发现新问题

10 output error

2012-07-31 17:52:06,812 WARN org.apache.hadoop.ipc.HBaseServer: IPC Server Responder, call get([B@61574be4, {"timeRange":[0,9223372036854775807],"totalColumns":1,"cacheBlocks":true,"families":{"c":["ALL"]},"maxVersions":1,"row":"zOuu6TK"}), rpc version=1, client version=29, methodsFingerPrint=-1508511443 from 10.75.0.151:52745: output error

11 rollbackMemstore问题

较频繁出现这样的log：
2012-08-07 10:21:49,887 DEBUG org.apache.hadoop.hbase.regionserver.HRegion: rollbackMemstore rolled back 0 keyvalues from start:0 to end:0

方法解释为：Remove all the keys listed in the map from the memstore. This method is called when a Put has updated memstore but subequently fails to update the wal. This method is then invoked to rollback the memstore.

很奇怪的是开始和结束的index都为0   

方法中循环： for (int i = start; i < end; i++) {  

因此是空数据，空回滚。需要进一步调查

 

12 新上线一个region server  导致region not on line

往错误的region server服务器请求region

 

13 请求不存在的region，重新建立tablepool也不起作用

请求的时间戳 1342510667

最新region rowkey相关时间戳 1344558957

最终发现维持region location表的属性是在HConnectionManager中

get Get，delete Delete，incr Increment 是在 ServerCallable类 withRetries处理

   情景1 若有出错（SocketTimeoutException ConnectException RetriesExhaustedExcetion），则清理regionServer location

   情景2 numRetries 若设置为1 ，则 循环只执行一次，connect(tries!=0) 为connect(false),即reload=false，不会进行location更新，当为numRetries>1的时候才会重新获取

get Gets List, put Put或Puts List，delete Deletes List 则调用HConnectionManager的 processBatch去处理，当发现批量get或者put、delete操作结果有问题，则刷新regionServer location

设置 numRetries为>1次， 我这里是3次，解决问题

14 zookeeper.RecoverableZooKeeper(195): Possibly transient ZooKeeper exception: org.apache.zookeeper.KeeperException$ConnectionLossException: KeeperErrorCode = ConnectionLoss for /hbase/master

这是在我单机做测试时出现的，无论是从ide或是bin启动hbase，从shell里可以正常连接，从测试程序中无法连接，zookeeper端口是2181,客户端端口应该与zookeeper无关才对，

最终更改配置21818端口换为2181 运行正常，应该是单机环境才要做这种更改。

    hbase.zookeeper.property.clientPort
    2181
    Property from ZooKeeper's config zoo.cfg.
    The port at which the clients will connect.