一次Zookeeper 擴展之殤

1、背景

基於公司發展硬性需求，生產VM服務器要統一遷移到ZStack 虛擬化服務器。檢查本身項目使用的服務器，其中zookeeper集羣中招，因此須要進行遷移。

2、遷移計劃

爲了使遷移不對業務產生影響，因此最好是採用擴容 -> 縮容 的方式進行。

說明：
1.原生產集羣爲VM-1,VM-2,VM-3組成一個3節點的ZK集羣；
2.對該集羣擴容，增長至6節點（新增ZS-1,ZS-2,ZS-3），進行數據同步完成；
3.進行縮容，下掉原先來的三個節點（VM-1,VM-2,VM-3）；
4.替換nginx解析地址。

OK! 目標很明確，過程也很清晰，而後開幹。
複製代碼

3、步驟 (過程已在測試環境驗證無問題)：

1. 對新增的三臺服務器進行zk環境配置，和老集羣配置同樣便可，最好使用同一版本（版主使用的是3.4.6）；

2. 對老節點的zoo.cfg 增長新集羣的地址（逐一增長），而後對新增長節點逐一重啓。

4、問題

• ZS-1 啓動成功，zkServer.sh status 報錯,用zkServer.sh status查看，反饋以下異常：

[root@localhost bin]# ./zkServer.sh status
ZooKeeper JMX enabled by default
Using config: /usr/zookeeper/zookeeper-3.4.6/bin/../conf/zoo.cfg
Error contacting service. It is probably not running.

複製代碼

• 此時查看數據，數據同步正常

ZS-1 數據同步正常，可是沒法查看節點的狀態信息；
複製代碼

• 懷疑是由於老節點沒有重啓的緣由；此時去查看原集羣節點信息，發現原集羣節點狀態異常。經排查定位，原集羣的狀態一直處於異常狀態。

• 初步定位緣由多是原集羣的選舉存在異常，致使新節點沒法正常歸入，繼續排查。

• 恢復集羣初始狀態，若是集羣節點的狀態一直無法正常查看。OK 繼續定位...

五 排查過程

如下方法來自於網絡：

可能有如下幾個緣由：

第1、zoo.cfg文件配置：dataLogDir指定的目錄未被建立。

1.zoo.cfg
[root@SIA-215 conf]# cat zoo.cfg
...
dataDir=/app/zookeeperdata/data
dataLogDir=/app/zookeeperdata/log
...

2.路徑
[root@SIA-215 conf]# cd /app/zookeeperdata/
[root@SIA-215 zookeeperdata]# ll
total 8
drwxr-xr-x 3 root root 4096 Apr 23 19:59 data
drwxr-xr-x 3 root root 4096 Aug 29  2015 log
複製代碼

經排查 排除該因素。

第2、myid文件中的整數格式不對，或者與zoo.cfg中的server整數不對應。

[root@SIA-215 data]# cd /app/zookeeperdata/data
[root@SIA-215 data]# cat myid 
2[root@SIA-215 data]# 

複製代碼

定位排查後排除不是該緣由。

第3、防火牆未關閉。

使用service iptables stop 關閉防火牆； 使用service iptables status確認； 使用chkconfig iptables off禁用防火牆。

確認防火牆是關閉的。

[root@localhost ~]# service iptables status
iptables: Firewall is not running.
確認防火牆是關閉的

複製代碼

第4、端口被佔用。

[root@localhost bin]# netstat -tunlp | grep 2181
tcp        0      0 :::12181                    :::*                        LISTEN      30035/java          
tcp        0      0 :::22181                    :::*                        LISTEN      30307/java 

確認端口沒有被佔用
複製代碼

第5、zoo.cfg文件中主機名出錯。

經測試環境測試，主機名正確，多域名解析也正常，不存在此問題

複製代碼

第6、hosts文件中，本機的主機名有兩個對應，只需保留主機名和ip地址的映射。

經測試環境測試，主機名正確，多域名解析也正常，不存在此問題 排除。

複製代碼

第7、zkServer.sh裏的nc命令有問題。

多是機器上沒有安裝nc命令，還有種說法是在zkServer.sh裏找到這句：
 STAT=`echo stat | nc localhost $(grep clientPort 「$ZOOCFG」 | sed -e ‘s/.*=//’) 2> /dev/null| grep Mode`
 在nc與localhost之間加上 -q 1 （是數字1而不是字母l）
 
 zookeeper版本是3.4.6，zkServer.sh里根本沒有這一句（獲取狀態的語句沒有用nc命令）

 # -q is necessary on some versions of linux where nc returns too quickly, and no stat result is output
    clientPortAddress=`grep "^[[:space:]]*clientPortAddress[^[:alpha:]]" "$ZOOCFG" | sed -e 's/.*=//'`
    if ! [ $clientPortAddress ]
    then
        clientPortAddress="localhost"
    fi
    clientPort=`grep "^[[:space:]]*clientPort[^[:alpha:]]" "$ZOOCFG" | sed -e 's/.*=//'`
    STAT=`"$JAVA" "-Dzookeeper.log.dir=${ZOO_LOG_DIR}" "-Dzookeeper.root.logger=${ZOO_LOG4J_PROP}" \
             -cp "$CLASSPATH" $JVMFLAGS org.apache.zookeeper.client.FourLetterWordMain \
             $clientPortAddress $clientPort srvr 2> /dev/null    \
          | grep Mode`
    if [ "x$STAT" = "x" ]
    then
        echo "Error contacting service. It is probably not running."
        exit 1
    else
        echo $STAT
        exit 0
    fi
    ;;

複製代碼

六 如下是本身排查的方式：

目前現象老集羣數據同步正常，也能進行leader選舉（從日誌獲取），可是沒法查看節點狀態，同異常信息；進行集羣擴容，數據不能同步。

解決方法：

一、嘗試進行foreground 模式啓動，選擇一臺非主節點進行重啓，能夠前臺查看啓動日誌。

zkserver.sh start-foreground

節點啓動正常，無異常輸出。

複製代碼

二、查看shell腳本：分析zkServer.sh。

• "Error contacting service. It is probably not running." 這塊日誌出現如下腳本中。

STAT=`"$JAVA" "-Dzookeeper.log.dir=${ZOO_LOG_DIR}" "-Dzookeeper.root.logger=${ZOO_LOG4J_PROP}" \
             -cp "$CLASSPATH" $JVMFLAGS org.apache.zookeeper.client.FourLetterWordMain \
             $clientPortAddress $clientPort srvr 2> /dev/null    \
          | grep Mode`
    if [ "x$STAT" = "x" ]
    then
        echo "Error contacting service. It is probably not running."
        exit 1
    else
        echo $STAT
        exit 0
    fi
    ;;

複製代碼

• 截取其中一部分腳本內容：咱們能夠初步定爲應該是 $STAT 獲取存在異常 若是STAT變量爲空，則會顯示Error contacting service. It is probably not running.： OK，那就分析下這個$STAT究竟是什麼鬼？

if [ 「x$STAT」 = 「x」 ]
then
echo 「Error contacting service. It is probably not running.」
exit 1
else
echo $STAT
exit 0
fi

複製代碼

三、嘗試用shell的debug模式 看下執行過程：

• 截取片斷執行日誌以下 ：果真STAT變量確實爲空，致使輸出Error contacting service. It is probably not running.而且退出。

++ grep '^[[:space:]]*clientPort[^[:alpha:]]' /app/zookeeper-3.4.6/bin/../conf/zoo.cfg
+ clientPort=5181
++ grep Mode
++ /opt/jdk1.8.0_131/bin/java -Dzookeeper.log.dir=. -Dzookeeper.root.logger=INFO,CONSOLE -cp '/app/zookeeper-3.4.6/bin/../build/classes:/app/zookeeper-3.4.6/bin/../build/lib/*.jar:/app/zookeeper-3.4.6/bin/../lib/slf4j-log4j12-1.6.1.jar:/app/zookeeper-3.4.6/bin/../lib/slf4j-api-1.6.1.jar:/app/zookeeper-3.4.6/bin/../lib/netty-3.7.0.Final.jar:/app/zookeeper-3.4.6/bin/../lib/log4j-1.2.16.jar:/app/zookeeper-3.4.6/bin/../lib/jline-0.9.94.jar:/app/zookeeper-3.4.6/bin/../zookeeper-3.4.6.jar:/app/zookeeper-3.4.6/bin/../src/java/lib/*.jar:/app/zookeeper-3.4.6/bin/../conf:.:/opt/jdk1.8.0_131/lib/dt.jar:/opt/jdk1.8.0_131/lib/tools.jar' org.apache.zookeeper.client.FourLetterWordMain localhost 5181 srvr
+ STAT=
+ ‘[‘ x = x ‘]’
+ echo ‘Error contacting service. It is probably not running.’
Error contacting service. It is probably not running.
+ exit 1

複製代碼

四、修改shell腳本：分析zkServer.sh 在腳本總增長輸出STAT 內容，此次咱們不進行過濾。

STAT1=`"$JAVA" "-Dzookeeper.log.dir=${ZOO_LOG_DIR}" "-Dzookeeper.root.logger=${ZOO_LOG4J_PROP}" \
             -cp "$CLASSPATH" $JVMFLAGS org.apache.zookeeper.client.FourLetterWordMain \
             $clientPortAddress $clientPort srvr 2> test.log \ `

echo "$STAT1"
複製代碼

• 最好的方式是copy一個新腳本，以避免污染本來的腳本。我是這麼作的；而後運行該腳本。

[root@localhost bin]# ./zkServer.sh  status
ZooKeeper JMX enabled by default
Using config: /usr/zookeeper/zookeeper-3.4.10/bin/../conf/zoo.cfg
Error contacting service. It is probably not running.

複製代碼

• 而後查看生成的test.log 文件：果真存在異常內容。

in thread 「main」 java.lang.NumberFormatException: For input string: 「2181
at java.lang.NumberFormatException.forInputString(NumberFormatException.java:65)
at java.lang.Integer.parseInt(Integer.java:492)
at java.lang.Integer.parseInt(Integer.java:527)
at org.apache.zookeeper.client.FourLetterWordMain.main(FourLetterWordMain.java:76)

複製代碼

• 從日誌信息來看，提示說2181這個端口號形成的。 不是一個合法的數字。

zkServer.sh裏有這麼一句：

clientPort=`grep 「^[[:space:]]*clientPort[^[:alpha:]]」 「$ZOOCFG」 | sed -e ‘s/.*=//’`
grep 「^[[:space:]]*clientPort[^[:alpha:]]」 「$ZOOCFG」 | sed -e ‘s/.*=//’在執行過程當中，實際命令以下：
grep ‘^[[:space:]]*clientPort[^[:alpha:]]’ /app/zookeeper-3.4.6/bin/../conf/zoo.cfg | sed -e ‘s/.*=//’

複製代碼

• 最終能夠基本確認配置文件存在問題。

• 替換配置文件：重啓 問題解決。

• 存在緣由多是編輯zoo.cfg 編碼格式等等引發文件內容解析異常。

做者： 毛正衛