一文搞懂hadoop的metrics

2023-02-28 14:54:22 浏览数 (2)

【概述】

一个成熟的项目通常都会自带提供metric，反映运行时内部的各个信息，以方便进行监控运维。hadoop也不例外，通过jmx可以查看内部各个metrics信息，本文就来聊聊hdfs的metrics。

【Metrics指标查询】

hdfs的metrics通过jmx获取，具体可以通过http的方式获取，也可以通过命令行的方式来获取。

通过http的方式获取，可以全量获取所有jmx的指标项，也可以精确获取指定组件服务的指定模块的指定指标项。

  • 对于全量获取，其请求的URL格式为：
代码语言：javascript复制
http://$IP:$PORT/jmx

其中IP、PORT为对应组件服务http的监听ip、端口。以nn为例，端口默认为50070。

  • 而对于精准获取，其请求的URL格式为：
代码语言：javascript复制
http://$IP:$PORT/jmx?get=MXBeanName::AttributeName

其中MXBeanName的格式为："Hadoop:service=

ServiceName为组件服务的名称，对于hdfs而言就是NameNode、DataNode、JournalNode；对于yarn而言就是ResourceManager、NodeManager

Name是服务内部不同模块的名称，详见后面的指标详解。

AttributeName则是模块中的具体属性（指标项）。

精准获取的返回结果以JSON格式描述，具体如下代码所示：

代码语言：javascript复制
{
  "beans": [ {
    "name" : "MXBeanName",
    "AttriuteName" : xxx,
    ...
  } ]
}

如果参数格式不正确，或者找不到对应的MXBean、Attribute，则返回空或者返回包含错误信息的JSON字符串，例如：

代码语言：javascript复制
// 参数格式不正确
{
  "result" : "ERROR",
  "message" : "query format is not as expected."
}

// 找不到bean
{
  "beans" : []
}

// 找不到Attribute
{
  "beans" : [ {
    "name" : "Hadoop:service=NameNode,name=RpcActivityForPort9000",
    "modulerType" : "RpcActivityForPort9000",
    "result" : "ERROR",
    "message" : "No attribute with name GetBlockLocationsNumOps was found."
  } ]
}

通过命令行获取，其命令为：

代码语言：javascript复制
hdfs jmxget -server $IP -port $PORT -service NameNode

ip仍旧是组件服务的IP，port则是指定jmi监听端口。

这里就不举例贴代码了，有兴趣的可以实际测试验证。

【概述】

知道了怎么查询（获取）jmx指标后，接下来自然是了解每个指标项的具体含义。这里主要针对namenode组件服务，罗列内部不同模块的主要指标项。

  • RpcDetailedActivityForPortXXX

模块名称后面的XXX为具体的rpc监听端口，例如默认的9000。因此如果有多个rpc监听端口，也就会有多个这样的模块，每个端口一个。

该模块下的指标主要为客户端和datanode不同rpc请求的统计信息，包括请求次数以及平均响应时长。

指标项

说明

RegisterDatanodeNumOps

接收到的DN的注册次数

RegisterDatanodeAvgTime

dn注册请求的平均处理耗时

SendHeartbeatNumOps

接收到的dn心跳次数

SendHeartbeatAvgTime

心跳请求的平均处理耗时

TransitionToActiveNumOps

HA切换的次数

TransitionToActiveAvgTime

HA切换的平均耗时

BlockReportNumOps

全量块汇报的次数

BlockReportAvgTime

全量块汇报的平均处理耗时

BlockReceivedAndDeletedAvgTime

增量块汇报的次数

BlockReceivedAndDeletedNumOps

增量块汇报的平均处理耗时

AddBlockNumOps

申请新block请求的次数

AddBlockAvgTime

申请新block请求的平均处理耗时

这里只罗列了部分请求，但从上面罗列的指标项可以看出来，针对每类RPC请求，都有两个指标，一个是次数（NumOps），一个是该类请求的平均处理耗时（AvgTime）。

  • RpcActivityForPortXXX

XXX同样表示具体的rpc监听端口，但与上面提到的rpc模块不同，该模块描述更通用的指标项，也就是rpc服务自身的一些信息，例如监听端口的首发字节数、累计rpc请求数、rpc请求的认证、鉴权情况、rpc队列的情况、以及监听端口的连接情况等信息。

指标项

说明

ReceivedBytes

该端口累计接收数据的大小（单位：字节）

SentBytes

该端口累计发送数据的大小（单位：字节）

RpcQueueTimeNumOps

rpc累计请求数

RpcQueueTimeAvgTime

rpc请求在队列中的平均时长（从接收到被处理过程中在队列中的时长）

RpcProcessingTimeNumOps

rpc累计请求数

RpcPorcessingTimeAvgTime

rpc请求的平均处理耗时

RpcAuthenticationFailures

认证失败的rpc请求个数

RpcAuthenticationSuccess

认证成功的rpc请求个数

RpcAuthorizationFailures

鉴权失败的rpc请求个数

RpcAuthorizationSuccesses

鉴权成功的rpc请求个数

RpcClientBackOff

rpc队列满导致的请求回退个数在rpc的默认调度下，都是采用队列满，就死等的方式而使用org.apache.hadoop.ipc.DecayRpcScheduler，就会出现回退的情况

RpcSlowCalls

慢请求的个数所谓慢请求指的是：采样率大于1024，并且本次请求的处理时长带平均值 加权平均值

NumOpenConnections

当前的连接数

CallQueueLength

当前请求队列的长度，即队列中的rpc请求个数

NumDroppedConnections

累计丢弃的连接数

  • StartupProgress

记录nn启动的各个阶段的信息、包括各阶段的耗时、完成度、以及各个阶段自身的一些数据，例如从fsimage中加载的inode数，从editlog中加载的事务数等，详细说明如下：

指标项

说明

ElapsedTime

启动阶段的总耗时

PercentComplete

启动的总完成度，1.0表示100%

LoadingFsImageCount

从Fsimage中加载的inode的个数

LoadingFsImageElapsedTime

fsimage加载阶段的总耗时（单位：毫秒）

LoadingFsImageTotal

从fsimage中加载的inode的总数

LoadingFsImagePercentComplete

加载fsimage的完成度

LoadingEditsCount

加载editlog文件的个数，同样1.0表示100%

LoadingEditsElapsedTime

editlog加载阶段的总耗时（单位：毫秒）

LoadingEditsTotal

从editlog中加载的事务总数

LoadingEditsPercentComplete

加载editlog的完成度

SavingCheckpointCount

checkpoing的保存个数

SavingCheckpointElapsedTime

保存checkpoint的总耗时

SavingCheckpointTotal

checkpoint的保存个数

SavingCheckpointPercentComplete

保存checkpoint的完成度

SafeModeCount

块汇报的块个数

SafeModeElapsedTime

安全模式的总耗时

SafeModeTotal

块汇报的块个数

SafeModePercentComplete

安全模式的完成度

  • FSNamesystem

主要记录文件系统相关的信息、包括文件数、块的数目、以及对块进行分类后的信息、锁等待的信息（对文件系统的操作都会涉及一个全局锁），其他还包括dn节点的信息等

指标项

说明

MissingBlocks

丢失的块的个数

MissingReplOneBlocks

副本数为1并且块丢失的块个数

ExpiredHeartbeats

dn累计心跳超时的次数

LastCheckpointTime

上一次执行checkpoint的时间

TotalLoad

当前总的连接数

LockQueueLength

当前等锁（FSNameSystemLock）的线程个数

BlocksTotal

当前已分配的block数

NumFilesUnderConstruction

当前处于underConstruction的文件数

NumActiveClients

当前持有租约的活跃用户数

PendingReplicationBlocks

当前等待复制的块的个数

UnderReplicatedBlocks

实际副本数小于副本配置数的块的个数

PendingDeletionBlocks

当前等待删除的块的个数

这里只罗列了部分指标，但是可以看出来，大部分是文章《5000字12张图讲解nn内存中的元数据信息》中介绍过的内存中保存元数据信息。

  • FSNamesystemState

文件系统的状态、包括总的容量、可用容量、剩余容量，以及dn节点信息、块信息等，和上面介绍的FSNamesystem会有大量重复的指标项。

指标项

说明

CapacityTotal

HDFS总的总量大小，由dn上报汇总得出

CapacityUsed

hdfs当前已使用容量大小

CapacityRemaining

hdfs当前剩余容量大小

NumLiveDataNodes

活跃的（心跳正常）dn节点个数

NumDeadDataNodes

心跳异常离线的dn节点个数

PendingReplicationBlocks

当前等待复制的块的个数

  • NamenodeActivity

nn的活跃信息，主要还是从客户端的角度进行统计，因此会和RpcDetailedActivityForPortXXX有不少相同的指标项。

指标项

说明

FilesCreated

文件创建个数

FilesAppended

文件追加写次数

BlockReceivedAndDeleteOps

增量块汇报次数

StorageBlockReportOps

块汇报次数

BlockOpsQueued

全量块汇报请求等待处理的个数（对于全量块汇报，在nn内部是串行处理的，因此其他的增量块汇报请求会先进入到一个队列中等待）

  • NamenodeStatus

主要记录nn节点自身的一些状态信息，例如ip，端口、角色，状态等

指标项

说明

NNRole

nn的角色（Active或Standby

HostAndPort

主要是rpc的监听ip端口

LastHATransitionTime

上一次进行HA切换的时间

  • NameNodeInfo

指标项

说明

ClusterId

集群的uuid信息

BlockPoolId

块池的id

NameDirStatus

nn配置的用于持久化元数据的卷（目录）的信息

除了这些之外，还有一些和其他重复的指标项。

【总结】

来小结一下，本文主要介绍了hdfs的jmx的相关信息，包括两种获取方式，以及一些详细指标项的说明，还可以进行扩展的内容例如，如何对接prometheus、重点应该关注监控的指标项等。

rpc 大数据 tcp/ip

0 人点赞