Ubuntu环境下HDFS故障处理指南
一、快速定位流程
二、常见故障与处理要点
| 症状 | 可能原因 | 处理要点 |
|---|---|---|
| 启动后没有NameNode | JAVA_HOME未设或配置错误；未首次格式化；配置/主机名不一致；端口被占用；进程未完全起来 | 1) 在hadoop-env.sh中正确设置JAVA_HOME；2) 首次部署执行hdfs namenode -format（仅在首次！）；3) 核对core-site.xml的fs.defaultFS与**/etc/hosts一致；4) 检查端口（如9000**）与防火墙；5) 用start-dfs.sh完整启动并用jps确认进程 |
| 客户端报Connection refused/无法连接 | NameNode未启动或端口不通；/etc/hosts解析错误；防火墙/安全组阻断 | 1) 确认NameNode进程与监听端口；2) 修正**/etc/hosts主机名映射；3) 放行相关端口（如9000**）；4) 从客户端测试连通与访问 |
| DataNode反复退服或无法注册 | dfs.datanode.data.dir权限/路径错误；磁盘满或坏盘；网络不通；副本因子/磁盘数配置不当 | 1) 检查目录权限与可用空间；2) 查看DataNode日志定位具体异常；3) 保障节点间网络与端口可达；4) 合理设置dfs.replication与dfs.datanode.failed.volumes.tolerated |
| 读写失败（如FileNotFoundException、副本不足、配额/句柄限制） | 文件/目录不存在或权限不足；副本数不足；目录配额或ulimit过低 | 1) 用hdfs dfs -ls -R确认路径与权限；2) 调整dfs.replication或等待块复制；3) 检查并放宽目录配额与文件最大打开句柄数 |
| EditLog不连续或NameNode启动失败 | 异常关机/磁盘写入失败导致元数据不一致 | 1) 参考HA环境执行手动checkpoint；2) 依据日志修复或恢复一致性后重启；3) 必要时从备份恢复元数据 |
| 集群外访问失败 | 公网/跨域访问限制；客户端配置与服务端不一致 | 1) 避免直接用公网IP访问HDFS；2) 在集群外节点正确安装并配置客户端（与集群版本、配置一致） |
三、关键操作命令清单
四、预防与运维建议
五、重要注意事项