前言
接觸Hadoop有兩年的時間了，期間遇到很多的問題，既有經典的NameNode和JobTracker內存溢出故障，也有HDFS存儲小文件問題，既有任務調度問題，也有MapReduce性能問題.遇到的這些問題有些是Hadoop自身的缺陷（短板），有些則是使用的不當。
在解決問題的過程中，有時需要翻源碼，有時會向同事、網友請教，遇到復雜問題則會通過mail list向全球各地Hadoop使用者,包括Hadoop Committer（Hadoop開發者）求助。在獲得很多人幫助后，自己將遇到問題和心得整理成文，希望本文可以對那些焦頭爛額的Hadoop新手們有所幫助，少走筆者的彎路。
PS. 本文基于 Cloudera CDH 3u4（同Apache Hadoop 1.0）編寫。相關推薦配置為官方推薦值或者筆者經驗數值，它不是絕對的，可能會因為不同的應用場景和硬件環境有所出入。
1. 選擇Cloudera CDH部署你的Cluster動機
大多數管理員都是從Apache Hadoop開始學習。筆者最開始也使用Apache版本Hadoop進行開發和部署工作，但接觸到Cloudera CDH后，我發現它可以使管理員的工作更簡單，不僅可以獲得最新的特性和Bug修復，有時也會帶來令人驚喜的性能改善。
CDH為什么更好？筆者羅列了以下幾點：
CDH基于穩定版Apache Hadoop，并應用了最新Bug修復或者Feature的Patch。Cloudera常年堅持季度發行Update版本，年度發行Release版本，更新速度比Apache官方快，而且在實際使用過程中CDH表現無比穩定，并沒有引入新的問題。
Cloudera官方網站上安裝、升級文檔詳細，省去Google時間。
CDH支持Yum/Apt包，Tar包，RPM包，Cloudera Manager四種方式安裝，總有一款適合您。官方網站推薦Yum/Apt方式安裝，筆者體會其好處如下： 聯網安裝、升級，非常方便。當然你也可以下載rpm包到本地，使用Local Yum方式安裝。
自動下載依賴軟件包，比如要安裝Hive，則會級聯下載、安裝Hadoop。
Hadoop生態系統包自動匹配，不需要你尋找與當前Hadoop匹配的Hbase，Flume，Hive等軟件，Yum/Apt會根據當前安裝Hadoop版本自動尋找匹配版本的軟件包，并保證兼容性。
自動創建相關目錄并軟鏈到合適的地方（如conf和logs等目錄）；自動創建hdfs, mapred用戶，hdfs用戶是HDFS的最高權限用戶，mapred用戶則負責mapreduce執行過程中相關目錄的權限。
推薦指數：★★★
推薦理由：獲取最新特性和最新Bug修復；安裝維護方便，節省運維時間。
2. Hadoop集群配置與管理安裝和維護Hadoop集群涉及大量的管理工作，包括軟件安裝，設備管理（crontab、iptables等）、配置分發等。
對于小型集群軟件分發和節點管理可以使用PDSH這款軟件，它可以通過免密鑰的SSH將文件分發到目標服務器，以及為一組目標設備發送命令并獲得反饋。如果是大型集群或者硬件配置差別很大的集群，推薦使用puppet這樣的工具幫助你維護配置文件，或者通過Cloudera Manager以GUI的方式的管理集群（注意：Clodera Manager不是開源軟件，免費版最多支持50個節點）。
推薦指數：★★★
推薦理由：提高運維效率
3. 開啟SecondaryNameNodeSecondaryNameNode（下稱SNN）的主要功能是工作是幫助NameNode（下稱NN）合并編輯日志，然后將合并后的鏡像文件copy回NN，以減少NN重啟時合并編輯日志所需的時間。SNN不是NN的熱備，但是通過以下步驟可以實現將SNN切換為NN的目的。首先，SNN節點上導入從NN Copy過來的鏡像文件，然后修改SNN機器名和IP與NN一致，最后重啟集群。
特別注意的是SNN的內存配置要與NN一致，因為合并編輯日志的工作需要將metadata加載到內存完成。另外，不僅僅是SNN，任何保存NN鏡像的節點都可以通過上面步驟變為NN，只是SNN更適合罷了。
推薦指數：★★★
推薦理由：減少NN重啟導致集群服務中斷時間；NN節點故障后，SNN充當NN角色
4. 使用Ganglia和Nagios監控你的集群當運行一個大型mapreduce 作業時，我們通常非常關心該作業對TaskTracker（下稱TT）CPU、內存、磁盤，以及整個網絡的帶寬情況，這時候就需要Ganglia這個工具為我們生成相關圖表來診斷、分析問題。
Ganglia可以監控集群狀態，但當你的服務器down機或者某個TT掛掉，它卻無法通知到你，這時我們可以使用Nagios這款告警軟件，它可以配置郵件告警和短息告警。通過編寫plugins，可以實現自己的監控功能。我們的集群目前做了如下監控：
NameNode、JobTracker內存
DataNode和TaskTracker運行狀態
NFS服務狀態
磁盤使用情況
服務器負載狀態
推薦指數：★★★
推薦理由：Ganglia可以幫你記錄集群狀態，方便診斷問題；Nagios可以再遇到問題時第一時間通知你。
5. 設置好內存至關重要Hadoop集群安裝完畢后，第一件事就是修改bin/hadoop-evn.sh文件設置內存。主流節點內存配置為32GB，典型場景內存設置如下
NN: 15-25 GB JT：2-4GB DN：1-4 GB TT：1-2 GB，Child VM 1-2 GB 集群的使用場景不同相關設置也有不同，如果集群有大量小文件，則要求NN內存至少要20GB，DN內存至少2GB。
推薦指數：★★★★★
推薦理由：幾個組件中NN對內存最為敏感，它有單點問題，直接影響到集群的可用性；JT同樣是單點，如果JT內存溢出則所有MapReduce Job都無法正常執行。
6. 管理員玩轉MapReduceHadoop原生MapReduce需要Java語言編寫，但是不會Java也沒問題，通過Hadoop streaming框架管理員可以使用Python，Shell，Perl等語言進行MapReduce開發，但更簡單的辦法是安裝和使用Hive或者Pig。
推薦指數：★★★
推薦理由：減少運維時間，快速響應各種ad-hot需求和故障診斷。
7. NameNode HA前面已經說過，NN是整個集群可能出現的單點故障。
Hadoop通過在hdfs.site.xml文件的dfs.name.dir屬性指定保持的metadata路徑，如果希望保持到多個路徑，可以使用逗號分割配置多個路徑。
dfs.name.dir /data/cache1/dfs/nn,/data/cache2/dfs/nn Hadoop官方推薦配置為metadata配置多個path，其中包含一個NFS的路徑。但根據筆者一次集群嚴重故障經驗，即使這樣，還是導致了所有鏡像文件損壞，包括SNN上的鏡像文件，所以定期備份一個可用的副本還是很有必要的。
推薦指數：★★★★★
推薦理由：Cloudera3uX和Apache1.0的NN單點問題是大家最頭痛問題之一，多些準備，少許痛苦。
8. 使用firewall阻止壞人進入Hadoop的安全控制非常簡單，只包含簡單的權限，即只根據客戶端用戶名，決定使用權限。它的設計原則是：“避免好人做錯事，但不阻止壞人做壞事”。
如果你知道某臺NN的IP和端口，則可以很輕松獲取HDFS目錄結構，并通過修改本機機器用戶名偽裝成HDFS文件所屬owner，對該文件進行刪除操作。
通過配置kerberos，可以實現身份驗證。但很多管理員使用更簡單有效的辦法——通過防火墻對訪問IP進行控制。
推薦指數：★★★★★
推薦理由：安全無小事，防范于未然。
9. 開啟垃圾箱(trash)功能動機
我曾經犯下一個錯誤，在我加班非常累，大腦稍有混亂的時候，不小心刪除執行了一個命令“hadoop fs -rmr /xxx/xxx”，沒有刪除提示，幾TB的數據，一下子就沒有了。簡直讓我崩潰，后悔莫及。這時你多希望有個時間機器可以讓HDFS恢復到刪除前的狀態。
trash功能就是這個時間機器， 它默認是關閉的，開啟后，被你刪除的數據將會mv到操作用戶目錄的".Trash"文件夾，可以配置超過多長時間，系統自動刪除過期數據。這樣一來，當操作失誤的時候，可以把數據mv回來。開啟垃圾箱步驟如下：
vi core-site.xml ，添加下面配置，value單位為分鐘。
fs.trash.interval 1440 筆者 在CDH3u4下不用重啟Namenode就可以生效。開啟垃圾箱后，如果希望文件直接被刪除，可以在使用刪除命令時添加“–skipTrash” 參數，如下：
hadoop fs –rm –skipTrash /xxxx推薦指數：★★★★★
推薦理由：想要時間機器嗎？
10. 去社區尋找幫助Hadoop是一個非常優秀的開源項目，但它仍存有很多尚未解決的問題，諸如，NN,JT單點問題，JT掛死問題，Block在小文件下匯報效率低下等問題。此時可以通過如下渠道找到可以幫助你的人，筆者幾次集群嚴重故障都是通過Cloudera公司的google user group直接獲得幾位 committer的幫助。通常前一天提問，第二天就會有反饋。下面是兩個能夠幫助的你的社區，當然你也可以幫助其他人：
Apache hadoop的mail list :
http://hadoop.apache.org/mailing_lists.html
Cloudera CDH google group:
https://groups.google.com/a/cloudera.org/forum/#!forum/cdh-user
推薦指數：★★★★★
推薦理由：沒有人比軟件作者更熟悉Hadoop本身，去社區求助，幫你解決很多自己無法跨越的問題。
Cloudera簡介：公司是一家Hadoop軟件服務公司，提供免費軟件CDH和Cloudera Manager Free Edition，同時提供Hadoop相關資訊、培訓、技術支持等服務。Hadoop創始人Dong Cutting在該公司任架構師，同時該公司擁有多名Apache Committer。