一、背景
基於公司發展硬性需求，生產VM服務器要統一遷移到ZStack 虛擬化服務器。檢查自己項目使用的服務器，其中zookeeper集群中招，所以需要進行遷移。
二、遷移計划
為了使遷移不對業務產生影響，所以最好是采用擴容 -> 縮容 的方式進行。
說明：
1.原生產集群為VM-1,VM-2,VM-3組成一個3節點的ZK集群；
2.對該集群擴容，增加至6節點（新增ZS-1,ZS-2,ZS-3），進行數據同步完成；
3.進行縮容，下掉原先來的三個節點（VM-1,VM-2,VM-3）；
4.替換nginx解析地址。
OK! 目標很明確，過程也很清晰，然后開干。三、步驟 (過程已在測試環境驗證無問題)：
-
對新增的三台服務器進行zk環境配置，和老集群配置一樣即可，最好使用同一版本（版主使用的是3.4.6）；
-
對老節點的zoo.cfg 增加新集群的地址（逐一增加），然后對新增加節點逐一重啟。
四、問題
ZS-1啟動成功，zkServer.sh status 報錯,用zkServer.sh status查看，反饋如下異常：
[root@localhost bin]# ./zkServer.sh status ZooKeeper JMX enabled by default Using config: /usr/zookeeper/zookeeper-3.4.6/bin/../conf/zoo.cfg Error contacting service. It is probably not running.
此時查看數據，數據同步正常
ZS-1 數據同步正常，但是無法查看節點的狀態信息；
-
懷疑是因為老節點沒有重啟的原因；此時去查看原集群節點信息，發現原集群節點狀態異常。經排查定位，原集群的狀態一直處於異常狀態。
-
初步定位原因可能是原集群的選舉存在異常，導致新節點無法正常納入，繼續排查。
-
恢復集群初始狀態，如果集群節點的狀態一直沒法正常查看。OK 繼續定位...
五、排查過程
以下方法來自於網絡：
可能有以下幾個原因：
第一、zoo.cfg文件配置：dataLogDir指定的目錄未被創建。
1.zoo.cfg [root@SIA-215 conf]# cat zoo.cfg ... dataDir=/app/zookeeperdata/data dataLogDir=/app/zookeeperdata/log ... 2.路徑 [root@SIA-215 conf]# cd /app/zookeeperdata/ [root@SIA-215 zookeeperdata]# ll total 8 drwxr-xr-x 3 root root 4096 Apr 23 19:59 data drwxr-xr-x 3 root root 4096 Aug 29 2015 log
經排查 排除該因素。
第二、myid文件中的整數格式不對，或者與zoo.cfg中的server整數不對應。
[root@SIA-215 data]# cd /app/zookeeperdata/data [root@SIA-215 data]# cat myid 2[root@SIA-215 data]#
定位排查后排除不是該原因。
第三、防火牆未關閉。
使用service iptables stop 關閉防火牆； 使用service iptables status確認； 使用chkconfig iptables off禁用防火牆。
確認防火牆是關閉的。
[root@localhost ~]# service iptables status iptables: Firewall is not running. 確認防火牆是關閉的
第四、端口被占用。
[root@localhost bin]# netstat -tunlp | grep 2181 tcp 0 0 :::12181 :::* LISTEN 30035/java tcp 0 0 :::22181 :::* LISTEN 30307/java 確認端口沒有被占用
第五、zoo.cfg文件中主機名出錯。
經測試環境測試，主機名正確，多域名解析也正常，不存在此問題
第六、hosts文件中，本機的主機名有兩個對應，只需保留主機名和ip地址的映射。
經測試環境測試，主機名正確，多域名解析也正常，不存在此問題 排除。
第七、zkServer.sh里的nc命令有問題。
可能是機器上沒有安裝nc命令，還有種說法是在zkServer.sh里找到這句： STAT=`echo stat | nc localhost $(grep clientPort “$ZOOCFG” | sed -e ‘s/.*=//’) 2> /dev/null| grep Mode` 在nc與localhost之間加上 -q 1 （是數字1而不是字母l） zookeeper版本是3.4.6，zkServer.sh里根本沒有這一句（獲取狀態的語句沒有用nc命令） # -q is necessary on some versions of linux where nc returns too quickly, and no stat result is output clientPortAddress=`grep "^[[:space:]]*clientPortAddress[^[:alpha:]]" "$ZOOCFG" | sed -e 's/.*=//'` if ! [ $clientPortAddress ] then clientPortAddress="localhost" fi clientPort=`grep "^[[:space:]]*clientPort[^[:alpha:]]" "$ZOOCFG" | sed -e 's/.*=//'` STAT=`"$JAVA" "-Dzookeeper.log.dir=${ZOO_LOG_DIR}" "-Dzookeeper.root.logger=${ZOO_LOG4J_PROP}" \ -cp "$CLASSPATH" $JVMFLAGS org.apache.zookeeper.client.FourLetterWordMain \ $clientPortAddress $clientPort srvr 2> /dev/null \ | grep Mode` if [ "x$STAT" = "x" ] then echo "Error contacting service. It is probably not running." exit 1 else echo $STAT exit 0 fi ;;
六、以下是自己排查的方式：
目前現象老集群數據同步正常，也能進行leader選舉（從日志獲取），但是無法查看節點狀態，同異常信息；進行集群擴容，數據不能同步。
解決方法：
1、嘗試進行foreground 模式啟動，選擇一台非主節點進行重啟，可以前台查看啟動日志。
zkserver.sh start-foreground
節點啟動正常，無異常輸出。
2、查看shell腳本：分析zkServer.sh。
- "Error contacting service. It is probably not running." 這塊日志出現以下腳本中。
STAT=`"$JAVA" "-Dzookeeper.log.dir=${ZOO_LOG_DIR}" "-Dzookeeper.root.logger=${ZOO_LOG4J_PROP}" \ -cp "$CLASSPATH" $JVMFLAGS org.apache.zookeeper.client.FourLetterWordMain \ $clientPortAddress $clientPort srvr 2> /dev/null \ | grep Mode` if [ "x$STAT" = "x" ] then echo "Error contacting service. It is probably not running." exit 1 else echo $STAT exit 0 fi ;;
- 截取其中一部分腳本內容：我們可以初步定為應該是
$STAT獲取存在異常 如果STAT變量為空，則會顯示Error contacting service. It is probably not running.： OK，那就分析下這個$STAT到底是什么鬼？
if [ “x$STAT” = “x” ] then echo “Error contacting service. It is probably not running.” exit 1 else echo $STAT exit 0 fi
3、嘗試用shell的debug模式 看下執行過程：
- 截取片段執行日志如下 ：果然STAT變量確實為空，導致輸出Error contacting service. It is probably not running.並且退出。
++ grep '^[[:space:]]*clientPort[^[:alpha:]]' /app/zookeeper-3.4.6/bin/../conf/zoo.cfg + clientPort=5181 ++ grep Mode ++ /opt/jdk1.8.0_131/bin/java -Dzookeeper.log.dir=. -Dzookeeper.root.logger=INFO,CONSOLE -cp '/app/zookeeper-3.4.6/bin/../build/classes:/app/zookeeper-3.4.6/bin/../build/lib/*.jar:/app/zookeeper-3.4.6/bin/../lib/slf4j-log4j12-1.6.1.jar:/app/zookeeper-3.4.6/bin/../lib/slf4j-api-1.6.1.jar:/app/zookeeper-3.4.6/bin/../lib/netty-3.7.0.Final.jar:/app/zookeeper-3.4.6/bin/../lib/log4j-1.2.16.jar:/app/zookeeper-3.4.6/bin/../lib/jline-0.9.94.jar:/app/zookeeper-3.4.6/bin/../zookeeper-3.4.6.jar:/app/zookeeper-3.4.6/bin/../src/java/lib/*.jar:/app/zookeeper-3.4.6/bin/../conf:.:/opt/jdk1.8.0_131/lib/dt.jar:/opt/jdk1.8.0_131/lib/tools.jar' org.apache.zookeeper.client.FourLetterWordMain localhost 5181 srvr + STAT= + ‘[‘ x = x ‘]’ + echo ‘Error contacting service. It is probably not running.’ Error contacting service. It is probably not running. + exit 1
4、修改shell腳本：分析zkServer.sh 在腳本總增加輸出STAT 內容，這次我們不進行過濾。
STAT1=`"$JAVA" "-Dzookeeper.log.dir=${ZOO_LOG_DIR}" "-Dzookeeper.root.logger=${ZOO_LOG4J_PROP}" \ -cp "$CLASSPATH" $JVMFLAGS org.apache.zookeeper.client.FourLetterWordMain \ $clientPortAddress $clientPort srvr 2> test.log \ ` echo "$STAT1"
- 最好的方式是copy一個新腳本，以免污染原本的腳本。我是這么做的；然后運行該腳本。
[root@localhost bin]# ./zkServer.sh status ZooKeeper JMX enabled by default Using config: /usr/zookeeper/zookeeper-3.4.10/bin/../conf/zoo.cfg Error contacting service. It is probably not running.
- 然后查看生成的test.log 文件：果然存在異常內容。
in thread “main” java.lang.NumberFormatException: For input string: “2181 at java.lang.NumberFormatException.forInputString(NumberFormatException.java:65) at java.lang.Integer.parseInt(Integer.java:492) at java.lang.Integer.parseInt(Integer.java:527) at org.apache.zookeeper.client.FourLetterWordMain.main(FourLetterWordMain.java:76)
- 從日志信息來看，提示說2181這個端口號造成的。 不是一個合法的數字。
zkServer.sh里有這么一句：
clientPort=`grep “^[[:space:]]*clientPort[^[:alpha:]]” “$ZOOCFG” | sed -e ‘s/.*=//’` grep “^[[:space:]]*clientPort[^[:alpha:]]” “$ZOOCFG” | sed -e ‘s/.*=//’在執行過程中，實際命令如下： grep ‘^[[:space:]]*clientPort[^[:alpha:]]’ /app/zookeeper-3.4.6/bin/../conf/zoo.cfg | sed -e ‘s/.*=//’
-
最終可以基本確認配置文件存在問題。
-
替換配置文件：重啟 問題解決。
-
存在原因可能是編輯zoo.cfg 編碼格式等等引起文件內容解析異常。
作者： 毛正衛
拓展閱讀：宜信敏捷數據中台建設實踐|分享實錄