（一）备份namenode的元数据
namenode中的元数据非常重要，如丢失或者损坏，则整个系统无法使用。因此应该经常对元数据进行备份，最好是异地备份。
1、将元数据复制到远程站点
（1）以下代码将secondary namenode中的元数据复制到一个时间命名的目录下，然后通过scp命令远程发送到其它机器

#!/bin/bash

export dirname=/mnt/tmphadoop/dfs/namesecondary/current/`date +%y%m%d%H`

if [ ! -d ${dirname} ]

then

mkdir  ${dirname}

cp /mnt/tmphadoop/dfs/namesecondary/current/*  ${dirname}

fi

scp -r ${dirname} slave1:/mnt/namenode_backup/

rm -r ${dirname}

• 
  

（2）配置crontab，定时执行此项工作
0 0,8,14,20 * * * bash /mnt/scripts/namenode_backup_script.sh

2、在远程站点中启动一个本地namenode守护进程，尝试加载这些备份文件，以确定是否已经进行了正确备份。

（二）数据备份
对于重要的数据，不能完全依赖HDFS，而是需要进行备份，注意以下几点
（1）尽量异地备份
（2）如果使用distcp备份至另一个hdfs集群，则不要使用同一版本的hadoop，避免hadoop自身导致数据出错。

（三）文件系统检查
定期在整个文件系统上运行HDFS的fsck工具，主动查找丢失或者损坏的块。
建议每天执行一次。

[jediael@master ~]$ hadoop fsck /

……省略输出（若有错误，则在此外出现，否则只会出现点，一个点表示一个文件）……

.........Status: HEALTHY

 Total size:    14466494870 B

 Total dirs:    502

 Total files:   1592 (Files currently being written: 2)

 Total blocks (validated):      1725 (avg. block size 8386373 B)

 Minimally replicated blocks:   1725 (100.0 %)

 Over-replicated blocks:        0 (0.0 %)

 Under-replicated blocks:       648 (37.565216 %)

 Mis-replicated blocks:         0 (0.0 %)

 Default replication factor:    2

 Average block replication:     2.0

 Corrupt blocks:                0

 Missing replicas:              760 (22.028986 %)

 Number of data-nodes:          2

 Number of racks:               1

FSCK ended at Sun Mar 01 20:17:57 CST 2015 in 608 milliseconds

The filesystem under path '/' is HEALTHY

 

（1）若hdfs-site.xml中的dfs.replication设置为3，而实现上只有2个datanode，则在执行fsck时会出现以下错误；
/hbase/Mar0109_webpage/59ad1be6884739c29d0624d1d31a56d9/il/43e6cd4dc61b49e2a57adf0c63921c09:  Under replicated blk_-4711857142889323098_6221. Target Replicas is 3 but found 2 replica(s).
注意，由于原来的dfs.replication为3，后来下线了一台datanode，并将dfs.replication改为2，但原来已创建的文件也会记录dfs.replication为3，从而出现以上错误，并导致 Under-replicated blocks:       648 (37.565216 %)。

（2）fsck工具还可以用来检查一个文件包括哪些块，以及这些块分别在哪等

[jediael@master conf]$ hadoop fsck /hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7 -files -blocks -racks

FSCK started by jediael from /10.171.29.191 for path /hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7 at Sun Mar 01 20:39:35 CST 2015

/hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7 21507169 bytes, 1 block(s):  Under replicated blk_7117944555454804881_3655. Target Replicas is 3 but found 2 replica(s).

0. blk_7117944555454804881_3655 len=21507169 repl=2 [/default-rack/10.171.94.155:50010, /default-rack/10.251.0.197:50010]

Status: HEALTHY

 Total size:    21507169 B

 Total dirs:    0

 Total files:   1

 Total blocks (validated):      1 (avg. block size 21507169 B)

 Minimally replicated blocks:   1 (100.0 %)

 Over-replicated blocks:        0 (0.0 %)

 Under-replicated blocks:       1 (100.0 %)

 Mis-replicated blocks:         0 (0.0 %)

 Default replication factor:    2

 Average block replication:     2.0

 Corrupt blocks:                0

 Missing replicas:              1 (50.0 %)

 Number of data-nodes:          2

 Number of racks:               1

FSCK ended at Sun Mar 01 20:39:35 CST 2015 in 0 milliseconds

The filesystem under path '/hbase/Feb2621_webpage/c23aa183c7cb86af27f15d4c2aee2795/s/30bee5fb620b4cd184412c69f70d24a7' is HEALTHY

此命令的用法如下：

[jediael@master ~]$ hadoop fsck -files

Usage: DFSck <path> [-move | -delete | -openforwrite] [-files [-blocks [-locations | -racks]]]

        <path>  start checking from this path

        -move   move corrupted files to /lost+found

        -delete delete corrupted files

        -files  print out files being checked

        -openforwrite   print out files opened for write

        -blocks print out block report

        -locations      print out locations for every block

        -racks  print out network topology for data-node locations

                By default fsck ignores files opened for write, use -openforwrite to report such files. They are usually  tagged CORRUPT or HEALTHY depending on their block allocation status

Generic options supported are

-conf <configuration file>     specify an application configuration file

-D <property=value>            use value for given property

-fs <local|namenode:port>      specify a namenode

-jt <local|jobtracker:port>    specify a job tracker

-files <comma separated list of files>    specify comma separated files to be copied to the map reduce cluster

-libjars <comma separated list of jars>    specify comma separated jar files to include in the classpath.

-archives <comma separated list of archives>    specify comma separated archives to be unarchived on the compute machines.

The general command line syntax is

bin/hadoop command [genericOptions] [commandOptions]

详细解释请见《hadoop权威指南》P376

（四）均衡器
随时时间推移，各个datanode上的块分布来越来越不均衡，这将降低MR的本地性，导致部分datanode相对更加繁忙。

均衡器是一个hadoop守护进程，它将块从忙碌的DN移动相对空闲的DN，同时坚持块复本放置策略，将复本分散到不同的机器、机架。

建议定期执行均衡器，如每天或者每周。

(1)通过以下命令运行均衡器

[plain] view plaincopy

1. [jediael@master log]$ start-balancer.sh  

2. starting balancer, logging to /var/log/hadoop/hadoop-jediael-balancer-master.out  

查看日志如下：

[plain] view plaincopy

1. [jediael@master hadoop]$ pwd  

2. /var/log/hadoop  

3. [jediael@master hadoop]$ ls  

4. hadoop-jediael-balancer-master.log  hadoop-jediael-balancer-master.out  

5. [jediael@master hadoop]$ cat hadoop-jediael-balancer-master.log  

6. 2015-03-01 21:08:08,027 INFO org.apache.hadoop.net.NetworkTopology: Adding a new node: /default-rack/10.251.0.197:50010  

7. 2015-03-01 21:08:08,028 INFO org.apache.hadoop.net.NetworkTopology: Adding a new node: /default-rack/10.171.94.155:50010  

8. 2015-03-01 21:08:08,028 INFO org.apache.hadoop.hdfs.server.balancer.Balancer: 0 over utilized nodes:  

9. 2015-03-01 21:08:08,028 INFO org.apache.hadoop.hdfs.server.balancer.Balancer: 0 under utilized nodes:  

（2）均衡器将每个DN的使用率与整个集群的使用率接近，这个“接近”是通过-threashold参数指定的，默认是10%。
（3）不同节点之间复制数据的带宽是受限的，默认是1MB/s，可以通过hdfs-site.xml文件中的dfs.balance.bandwithPerSec属性指定（单位是字节）。

（五）datanode块扫描器
每个datanode均会运行一个块扫描器，定期检测本节点上的所有块，若发现存在错误（如检验和错误），则通知namenode，然后由namenode发起数据重新创建复本或者修复。
扫描周期由dfs.datanode.scan.period.hours指定，默认为三周（504小时）。
通过地址以下地址查看扫描信息：
（1）http://datanote:50075/blockScannerReport
列出总体的检测情况

[plain] view plaincopy

1. Total Blocks                 :   1919  

2. Verified in last hour        :      4  

3. Verified in last day         :    170  

4. Verified in last week        :    535  

5. Verified in last four weeks  :    535  

6. Verified in SCAN_PERIOD      :    535  

7. Not yet verified             :   1384  

8. Verified since restart       :    559  

9. Scans since restart          :     91  

10. Scan errors since restart    :      0  

11. Transient scan errors        :      0  

12. Current scan rate limit KBps :   1024  

13. Progress this period         :    113%  

14. Time left in cur period      :  97.14%  

（2）http://123.56.92.95:50075/blockScannerReport?listblocks
列出所有的块及最新验证状态
blk_8482244195562050998_3796 : status : ok     type : none   scan time : 0               not yet verified
blk_3985450615149803606_7952 : status : ok     type : none   scan time : 0               not yet verified
尚未验证的情况如上。各字段意义可参考权威指南P379

本文转自 yntmdr 51CTO博客，原文链接：http://blog.51cto.com/yntmdr/1733757，如需转载请自行联系原作者