linux hdfs怎样恢复故障

在 Linux 环境下，HDFS（Hadoop 分布式文件系统）故障恢复通常要分“故障类型”来处理。下面我按常见故障场景 → 恢复步骤给你一个实用指南。

一、先确认 HDFS 整体状态

在 NameNode 或任意客户端节点执行：

hdfs dfsadmin -report

或

hdfs haadmin -getServiceState nn1
hdfs haadmin -getServiceState nn2

重点看：

NameNode 是否 Active / Standby
DataNode 数量是否正常
是否有 Missing / Corrupt 块

二、NameNode 故障恢复

1️⃣ NameNode 进程挂掉（非 HA）

jps

如果没有 NameNode：

hadoop-daemon.sh start namenode

或

systemctl start hadoop-namenode

2️⃣ NameNode 元数据损坏（fsimage / edits）

如果有 Secondary NameNode / Checkpoint：

hdfs namenode -importCheckpoint

如果没有备份，只能从最近 fsimage 恢复：

hdfs namenode -rollback

（仅限升级失败场景）

⚠️ 元数据损坏通常 无法 100% 恢复数据

三、HA 模式下 NameNode 切换失败

查看状态

hdfs haadmin -getServiceState nn1
hdfs haadmin -getServiceState nn2

手动切换

hdfs haadmin -transitionToActive nn1

ZKFC 异常

hadoop-daemon.sh start zkfc

四、DataNode 故障恢复

DataNode 宕机

hadoop-daemon.sh start datanode

DataNode 无法注册到 NameNode

检查：

/etc/hosts
dfs.datanode.address
防火墙

systemctl stop firewalld

磁盘坏掉

换盘
清空 dfs.datanode.data.dir
重启 DataNode（HDFS 会自动复制副本）

五、数据块损坏 / 丢失

检查损坏块

hdfs fsck / -list-corruptfileblocks

删除损坏文件（无法恢复）

hdfs fsck / -delete

副本不足

hdfs dfs -setrep -R 3 /

六、误删文件恢复（回收站）

HDFS 有 Trash（默认开启）：

hdfs dfs -ls /user/用户名/.Trash

恢复：

hdfs dfs -mv /user/用户名/.Trash/... /目标路径

⚠️ 如果关闭了 Trash，基本无法恢复

七、整体安全模式（SafeMode）

查看

hdfs dfsadmin -safemode get

强制离开（谨慎）

hdfs dfsadmin -safemode leave

八、推荐生产环境配置（防故障）

✅ NameNode HA（ZKFC）
✅ 副本数 ≥ 3
✅ 定期 fsck
✅ 开启 Trash
✅ 监控（Prometheus + Grafana）

九、如果你愿意，我可以

根据你 具体报错日志 给精准方案
帮你判断是 NameNode / DataNode / 网络 / 磁盘 问题
给你一套 HDFS 故障排查命令清单

你可以直接贴：

报错信息 / jps 输出 / hdfs dfsadmin -report 结果