HDFS版本升级在CentOS要注意什么

升级前的准备与兼容性

• 明确升级路径：区分是滚动升级（尽量不停机）还是停机升级（简单但影响业务），并准备相应的回滚方案与演练计划。升级前完成全量备份（元数据、配置、重要业务数据）与变更评审。
• 版本与依赖：核对目标 Hadoop/HDFS 与 JDK 的兼容矩阵（如 Hadoop 3.x 通常搭配 JDK 8），确认与 YARN、HBase、Hive、ZooKeeper 等组件的版本兼容性与 API 变更。
• 配置基线：梳理并备份 core-site.xml、hdfs-site.xml 等关键配置；检查新版本对参数、默认值与废弃项的影响，必要时先在测试环境验证。
• 资源与窗口：选择业务低峰时段操作，预留回滚时间窗；确保 NameNode/JournalNode/DataNode 节点磁盘、内存、网络余量充足。
• 操作系统与基础环境：保持 CentOS 与系统库、JDK、SSH、时间同步（如 NTP/chrony）处于健康状态；避免使用 root 直接运行业务进程，统一使用专用 hadoop 用户与 sudo 授权。

升级方式与关键操作

• 滚动升级（HA 集群优先）：
  1. 准备：hdfs dfsadmin -rollingUpgrade prepare；查询状态：hdfs dfsadmin -rollingUpgrade query，待出现 “Proceed with rolling upgrade”。
  2. 升级 NameNode：按顺序升级 Standby NN → 切换 Active/Standby → 升级原 Active NN → 再次切换，确保始终有 Active 提供服务。
  3. 升级 DataNode：按机架/批次逐台或分批停机、升级、启动并确认注册与健康。
  4. 完成：所有节点升级并验证后执行 hdfs dfsadmin -rollingUpgrade finalize。
• 停机升级（非 HA 或无法滚动）：
  1. 依次停止 SecondaryNameNode（SNN）、NameNode，完成升级后按相反顺序启动；随后启动 SNN 与 DataNode。
• 非联邦与联邦：非联邦按上述流程执行；联邦集群需对每个 命名空间 分别执行准备、升级 NN 与 DN、最后完成。
• 重要提醒：升级过程中严禁执行 hdfs namenode -format（会清空元数据）；仅在全新集群初始化时使用。

回滚与验证

• 回滚触发条件：升级失败、关键业务验证不通过、数据/服务一致性异常等。
• 回滚路径：
  • 滚动升级回滚：在 finalize 之前可随时执行 hdfs dfsadmin -rollingUpgrade rollback，按相反顺序回退 NameNode/DataNode 版本并恢复业务。
  • 停机升级回滚：停止集群，恢复 NameNode 元数据与配置 到升级前备份，使用旧版本二进制重启 NameNode/DataNode。
• 升级后验证：
  • 基础健康：hdfs dfsadmin -report、NameNode/DataNode Web UI、进程存活与端口连通性。
  • 数据一致：抽样校验关键目录与文件；核对 块报告、副本数、缺失块 指标。
  • 业务回归：跑通典型作业/查询，观察 延迟、吞吐、错误率；持续监控与日志巡检至少 1–2 个业务周期。

CentOS与网络层面的注意事项

• 用户与权限：使用专用 hadoop 用户运行服务，按需配置 sudo，避免以 root 直接操作 HDFS 进程与目录。
• 主机与网络：规范 主机名/IP 映射（/etc/hosts 或 DNS），保证节点间 SSH 免密 与时钟 同步（NTP/chrony）；跨机房/跨网段注意 带宽与延迟 对升级批次与块复制的影响。
• 防火墙与安全组：放行 HDFS 相关端口（如 NameNode RPC 8020/9000、HTTP 50070/9870，DataNode 50010/1004/1006 等，具体以实际配置为准），或在内网环境临时关闭防火墙以便排障。
• 系统资源：升级窗口内避免系统级变更（内核、库、JDK 大版本）；确保 JournalNode 与 NameNode 元数据目录 所在磁盘空间充足。

常见风险与规避

• 配置不兼容与默认值变化：升级后 参数废弃/行为变更 可能导致写入失败或性能退化；应在测试环境逐项验证并按需调整。
• 升级顺序错误：未遵循 NN 高可用切换 或 DN 分批 原则，可能导致 服务中断 或 数据不可用；严格按流程执行并保留切换记录。
• 元数据损坏/丢失：未备份或误执行 -format 会造成灾难性后果；务必做好 多副本备份 并禁止格式化。
• 回滚窗口错过：滚动升级一旦 finalize 将无法回滚；需在完成全面验证后再执行，并保留回滚预案与时间点。
• 监控与告警缺失：升级后短期 块丢失/复制风暴 常见；应提前准备 容量与复制 告警阈值并加强巡检。