yarn集群datanode无法启动问题排查

一、问题场景

hdfs无法访问，通过jps命令查看进程，发现namenode启动成功，但是所有datanode都没有启动，重启集群（start-dfs.sh）后仍然一样

二、原因分析

先看下启动的日志有无报错。打开Hadoop的日志目录

cd $HADOOP_HOME/logs

按时间排序找出最新的datanode日志文件

查看日志文件末尾的100行

cat hadoop-root-datanode-cute-serval.log | tail -n 100

发现报错：datanode和namenode的clusterID不一致，最终导致了datanode无法正常启动

clusterID 是在 HDFS 集群的第一次格式化时生成的唯一标识符，用于确保 NameNode 和所有的 DataNode 属于同一个 HDFS 集群。如果ID 不匹配，DataNode 将无法加入集群。

Hadoop3.2中，NameNode和DataNode的clusterID配置文件在hdfs的数据目录的dfs目录下，在hdfs-site.xml文件中找到hdfs的数据目录，然后打开目录下的dfs目录：

NameNode的clusterID位置：

DataNode的clusterID位置：

存在不一致

三、解决方案

方案一：将无法启动的datanode节点的clusterID手动改为与namenode一致，然后再重启datanode

方案二：完全重新格式化集群。如果集群还在初期部署阶段，可以考虑完全重新格式化整个集群。这将重置所有的 clusterID，但会导致丢失所有数据。要重新格式化，首先停止所有 HDFS 服务，然后在 NameNode 上运行 hdfs namenode -format，接着手动清除所有 DataNode 上的数据目录，最后重新启动整个集群。