hadoop 精准推荐 hadoop jmx

转载

mob64ca1405d568 2023-12-04 17:27:23

文章标签 hadoop 精准推荐队列 java 大数据 python 文章分类 Hadoop 大数据

【概述】

一个成熟的项目通常都会自带提供metric，反映运行时内部的各个信息，以方便进行监控运维。hadoop也不例外，通过jmx可以查看内部各个metrics信息，本文就来聊聊hdfs的metrics。

【Metrics指标查询】

hdfs的metrics通过jmx获取，具体可以通过http的方式获取，也可以通过命令行的方式来获取。

通过http的方式获取，可以全量获取所有jmx的指标项，也可以精确获取指定组件服务的指定模块的指定指标项。

对于全量获取，其请求的URL格式为：

http://$IP:$PORT/jmx

其中IP、PORT为对应组件服务http的监听ip、端口。以nn为例，端口默认为50070。

而对于精准获取，其请求的URL格式为：

http://$IP:$PORT/jmx?get=MXBeanName::AttributeName

其中MXBeanName的格式为："Hadoop:service=$ServiceName,name=$Name"

ServiceName为组件服务的名称，对于hdfs而言就是NameNode、DataNode、JournalNode；对于yarn而言就是ResourceManager、NodeManager

Name是服务内部不同模块的名称，详见后面的指标详解。

AttributeName则是模块中的具体属性（指标项）。

精准获取的返回结果以JSON格式描述，具体如下代码所示：

{
  "beans": [ {
    "name" : "MXBeanName",
    "AttriuteName" : xxx,
    ...
  } ]
}

如果参数格式不正确，或者找不到对应的MXBean、Attribute，则返回空或者返回包含错误信息的JSON字符串，例如：

// 参数格式不正确
{
  "result" : "ERROR",
  "message" : "query format is not as expected."
}

// 找不到bean
{
  "beans" : []
}

// 找不到Attribute
{
  "beans" : [ {
    "name" : "Hadoop:service=NameNode,name=RpcActivityForPort9000",
    "modulerType" : "RpcActivityForPort9000",
    "result" : "ERROR",
    "message" : "No attribute with name GetBlockLocationsNumOps was found."
  } ]
}

通过命令行获取，其命令为：

hdfs jmxget -server $IP -port $PORT -service NameNode

ip仍旧是组件服务的IP，port则是指定jmi监听端口。

这里就不举例贴代码了，有兴趣的可以实际测试验证。

【概述】

知道了怎么查询（获取）jmx指标后，接下来自然是了解每个指标项的具体含义。这里主要针对namenode组件服务，罗列内部不同模块的主要指标项。

RpcDetailedActivityForPortXXX

模块名称后面的XXX为具体的rpc监听端口，例如默认的9000。因此如果有多个rpc监听端口，也就会有多个这样的模块，每个端口一个。

该模块下的指标主要为客户端和datanode不同rpc请求的统计信息，包括请求次数以及平均响应时长。

指标项	说明
RegisterDatanodeNumOps	接收到的DN的注册次数
RegisterDatanodeAvgTime	dn注册请求的平均处理耗时
SendHeartbeatNumOps	接收到的dn心跳次数
SendHeartbeatAvgTime	心跳请求的平均处理耗时
TransitionToActiveNumOps	HA切换的次数
TransitionToActiveAvgTime	HA切换的平均耗时
BlockReportNumOps	全量块汇报的次数
BlockReportAvgTime	全量块汇报的平均处理耗时
BlockReceivedAndDeletedAvgTime	增量块汇报的次数
BlockReceivedAndDeletedNumOps	增量块汇报的平均处理耗时
AddBlockNumOps	申请新block请求的次数
AddBlockAvgTime	申请新block请求的平均处理耗时

这里只罗列了部分请求，但从上面罗列的指标项可以看出来，针对每类RPC请求，都有两个指标，一个是次数（NumOps），一个是该类请求的平均处理耗时（AvgTime）。

RpcActivityForPortXXX

XXX同样表示具体的rpc监听端口，但与上面提到的rpc模块不同，该模块描述更通用的指标项，也就是rpc服务自身的一些信息，例如监听端口的首发字节数、累计rpc请求数、rpc请求的认证、鉴权情况、rpc队列的情况、以及监听端口的连接情况等信息。

指标项	说明
ReceivedBytes	该端口累计接收数据的大小（单位：字节）
SentBytes	该端口累计发送数据的大小（单位：字节）
RpcQueueTimeNumOps	rpc累计请求数
RpcQueueTimeAvgTime	rpc请求在队列中的平均时长（从接收到被处理过程中在队列中的时长）
RpcProcessingTimeNumOps	rpc累计请求数
RpcPorcessingTimeAvgTime	rpc请求的平均处理耗时
RpcAuthenticationFailures	认证失败的rpc请求个数
RpcAuthenticationSuccess	认证成功的rpc请求个数
RpcAuthorizationFailures	鉴权失败的rpc请求个数
RpcAuthorizationSuccesses	鉴权成功的rpc请求个数
RpcClientBackOff	rpc队列满导致的请求回退个数在rpc的默认调度下，都是采用队列满，就死等的方式而使用org.apache.hadoop.ipc.DecayRpcScheduler，就会出现回退的情况
RpcSlowCalls	慢请求的个数所谓慢请求指的是：采样率大于1024，并且本次请求的处理时长带平均值+加权平均值
NumOpenConnections	当前的连接数
CallQueueLength	当前请求队列的长度，即队列中的rpc请求个数
NumDroppedConnections	累计丢弃的连接数

StartupProgress

记录nn启动的各个阶段的信息、包括各阶段的耗时、完成度、以及各个阶段自身的一些数据，例如从fsimage中加载的inode数，从editlog中加载的事务数等，详细说明如下：

指标项	说明
ElapsedTime	启动阶段的总耗时
PercentComplete	启动的总完成度，1.0表示100%
LoadingFsImageCount	从Fsimage中加载的inode的个数
LoadingFsImageElapsedTime	fsimage加载阶段的总耗时（单位：毫秒）
LoadingFsImageTotal	从fsimage中加载的inode的总数
LoadingFsImagePercentComplete	加载fsimage的完成度
LoadingEditsCount	加载editlog文件的个数，同样1.0表示100%
LoadingEditsElapsedTime	editlog加载阶段的总耗时（单位：毫秒）
LoadingEditsTotal	从editlog中加载的事务总数
LoadingEditsPercentComplete	加载editlog的完成度
SavingCheckpointCount	checkpoing的保存个数
SavingCheckpointElapsedTime	保存checkpoint的总耗时
SavingCheckpointTotal	checkpoint的保存个数
SavingCheckpointPercentComplete	保存checkpoint的完成度
SafeModeCount	块汇报的块个数
SafeModeElapsedTime	安全模式的总耗时
SafeModeTotal	块汇报的块个数
SafeModePercentComplete	安全模式的完成度

FSNamesystem

主要记录文件系统相关的信息、包括文件数、块的数目、以及对块进行分类后的信息、锁等待的信息（对文件系统的操作都会涉及一个全局锁），其他还包括dn节点的信息等

指标项	说明
MissingBlocks	丢失的块的个数
MissingReplOneBlocks	副本数为1并且块丢失的块个数
ExpiredHeartbeats	dn累计心跳超时的次数
LastCheckpointTime	上一次执行checkpoint的时间
TotalLoad	当前总的连接数
LockQueueLength	当前等锁（FSNameSystemLock）的线程个数
BlocksTotal	当前已分配的block数
NumFilesUnderConstruction	当前处于underConstruction的文件数
NumActiveClients	当前持有租约的活跃用户数
PendingReplicationBlocks	当前等待复制的块的个数
UnderReplicatedBlocks	实际副本数小于副本配置数的块的个数
PendingDeletionBlocks	当前等待删除的块的个数

这里只罗列了部分指标，但是可以看出来，大部分是文章《5000字12张图讲解nn内存中的元数据信息》中介绍过的内存中保存元数据信息。

FSNamesystemState

文件系统的状态、包括总的容量、可用容量、剩余容量，以及dn节点信息、块信息等，和上面介绍的FSNamesystem会有大量重复的指标项。

指标项	说明
CapacityTotal	HDFS总的总量大小，由dn上报汇总得出
CapacityUsed	hdfs当前已使用容量大小
CapacityRemaining	hdfs当前剩余容量大小
NumLiveDataNodes	活跃的（心跳正常）dn节点个数
NumDeadDataNodes	心跳异常离线的dn节点个数
PendingReplicationBlocks	当前等待复制的块的个数

NamenodeActivity

nn的活跃信息，主要还是从客户端的角度进行统计，因此会和RpcDetailedActivityForPortXXX有不少相同的指标项。

指标项	说明
FilesCreated	文件创建个数
FilesAppended	文件追加写次数
BlockReceivedAndDeleteOps	增量块汇报次数
StorageBlockReportOps	块汇报次数
BlockOpsQueued	全量块汇报请求等待处理的个数（对于全量块汇报，在nn内部是串行处理的，因此其他的增量块汇报请求会先进入到一个队列中等待）