Ubuntu Hadoop 数据恢复怎么做

Ubuntu环境下Hadoop（HDFS）数据恢复方法

1. 通过HDFS回收站恢复（适用于误删除文件）

HDFS的回收站功能可将删除的文件移动至用户目录下的.Trash文件夹（而非永久删除），默认保留120分钟后自动清理。

启用回收站：需修改core-site.xml配置文件，添加以下参数：

<property>
  <name>fs.trash.interval</name>
  <value>120</value> <!-- 回收站保留时间（分钟），设为0则禁用 -->
</property>
<property>
  <name>fs.trash.checkpoint.interval</name>
  <value>120</value> <!-- 回收站检查间隔（分钟） -->
</property>

保存后重启HDFS服务使配置生效。

恢复文件：误删除的文件会存放在/user/username/.Trash/Current/目录下，使用以下命令恢复至目标路径：
```
hdfs dfs -cp /user/username/.Trash/Current/path/to/deleted_file /path/to/restore
```

2. 通过HDFS快照恢复（适用于已创建快照的目录）

HDFS快照是文件系统在某一时刻的只读副本，可快速恢复到快照创建时的状态。

创建快照：首先允许目录创建快照，然后执行创建操作：

hdfs dfsadmin -allowSnapshot /path/to/directory  # 允许目录创建快照
hdfs dfs -createSnapshot /path/to/directory snapshot1  # 创建名为snapshot1的快照

恢复数据：若文件丢失，从快照目录复制文件至目标路径：

hdfs dfs -cp /path/to/directory/.snapshot/snapshot1/path/to/file /path/to/restore

3. 从备份数据恢复（最可靠的恢复方式）

定期备份是应对严重数据丢失的关键。常见备份方式包括：

使用distcp工具跨集群复制：将备份集群的数据复制到当前集群，适用于大规模数据恢复：
```
hadoop distcp hdfs://backup-namenode:8020/backup/path hdfs://current-namenode:8020/restore/path
```
第三方备份工具：如Cloudera Manager、Ambari等，提供图形化界面和自动化脚本，简化备份与恢复流程。

4. 使用Hadoop自带工具修复（适用于文件系统损坏）

hdfs fsck命令：检查并修复HDFS中的损坏或丢失数据块，语法如下：

hdfs fsck /path/to/check -delete  # -delete参数可删除损坏的块（谨慎使用）

distcp恢复数据块：若数据块丢失，可通过distcp从其他健康节点复制数据块至丢失节点。

5. 第三方工具恢复（适用于未启用回收站/快照的情况）

若未提前配置回收站或快照，可尝试使用extundelete工具恢复ext3/ext4文件系统中的删除文件（需停止HDFS服务以防止数据覆盖）：

安装工具：
```
sudo apt-get install extundelete
```
恢复文件：指定设备名和恢复路径（如恢复/dev/sda1分区下的/path/to/deleted/file）：
```
sudo extundelete /dev/sda1 --restore-file /path/to/deleted/file
```

6. 处理DataNode故障（恢复数据块）

若DataNode宕机，HDFS会自动从其他副本节点复制数据块以维持冗余（默认3副本）。可通过以下命令检查DataNode状态并恢复：

hdfs dfsadmin -report  # 查看DataNode状态
hdfs balancer  # 触发数据均衡，确保副本分布合理

注意事项

优先选择自动化恢复方式：回收站、快照和备份是最快捷的恢复途径，建议提前配置。
避免二次破坏：数据丢失后，立即停止对受影响磁盘的写入操作，防止新数据覆盖旧数据。
测试恢复流程：定期测试备份与恢复流程，确保在实际场景中能正常工作。
专业帮助：若数据极其重要且上述方法无法恢复，建议联系专业数据恢复服务。