一、背景

基於公司發展硬性需求，生產VM伺服器要統一遷移到ZStack 虛擬化伺服器。檢查自己專案使用的伺服器，其中zookeeper叢集中招，所以需要進行遷移。

二、遷移計劃

為了使遷移不對業務產生影響，所以最好是採用 擴容 -> 縮容 的方式進行。

說明：
1.原生產叢集為VM-1,VM-2,VM-3組成一個3節點的ZK叢集；
2.對該叢集擴容，增加至6節點（新增ZS-1,ZS-2,ZS-3），進行資料同步完成；
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，然後開幹。

三、步驟 (過程已在測試環境驗證無問題)：

對新增的三臺伺服器進行zk環境配置，和老叢集配置一樣即可，最好使用同一版本（版主使用的是3.4.6）；
對老節點的zoo.cfg 增加新叢集的地址（逐一增加），然後對新增加節點逐一重啟。

zk-2

四、問題

ZS-1 啟動成功，zkServer.sh status 報錯,用zkServer.sh status檢視，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.

此時檢視資料，資料同步正常

ZS-1 資料同步正常，但是無法檢視節點的狀態資訊；

懷疑是因為老節點沒有重啟的原因；此時去檢視原叢集節點資訊，發現原叢集節點狀態異常。經排查定位，原叢集的狀態一直處於異常狀態。
初步定位原因可能是原叢集的選舉存在異常，導致新節點無法正常納入，繼續排查。
恢復叢集初始狀態，如果叢集節點的狀態一直沒法正常檢視。OK 繼續定位...

五、排查過程

以下方法來自於網路：

可能有以下幾個原因：

第一、zoo.cfg檔案配置：dataLogDir指定的目錄未被建立。

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檔案中的整數格式不對，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]#

定位排查後排除不是該原因。

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、埠被佔用。

[root@localhost bin]# netstat -tunlp | grep 2181
tcp        0      0 :::12181                    :::*                        LISTEN      30035/java          
tcp        0      0 :::22181                    :::*                        LISTEN      30307/java 
確認埠沒有被佔用

第五、zoo.cfg檔案中主機名出錯。

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檔案中，本機的主機名有兩個對應，只需保留主機名和ip地址的對映。

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裡的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裡找到這句：
 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：

目前現象老叢集資料同步正常，也能進行leader選舉（從日誌獲取），但是無法檢視節點狀態，同異常資訊；進行叢集擴容，資料不能同步。

解決方法：

1、嘗試進行foreground 模式啟動，選擇一臺非主節點進行重啟，可以前臺檢視啟動日誌。

zkserver.sh start-foreground
節點啟動正常，無異常輸出。

2、檢視shell指令碼：分析zkServer.sh。

"Error contacting service. It is probably not running." 這塊日誌出現以下指令碼中。

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
    ;;

擷取其中一部分指令碼內容：我們可以初步定為應該是 $STAT 獲取存在異常如果STAT變數為空，則會顯示Error contacting service. It is probably not running.： OK，那就分析下這個 $STAT 到底是什麼鬼？

 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：

擷取片段執行日誌如下：果然STAT變數確實為空，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指令碼：分析zkServer.sh 在指令碼總增加輸出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一個新指令碼，以免汙染原本的指令碼。我是這麼做的；然後執行該指令碼。

[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.

然後檢視生成的test.log 檔案：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)

從日誌資訊來看，提示說2181這個埠號造成的。不是一個合法的數字。

zkServer.sh裡有這麼一句：

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檔案存在問題。
替換配置檔案：重啟問題解決。
存在原因可能是編輯zoo.cfg 編碼格式等等引起檔案內容解析異常。

作者：毛正衛

擴充閱讀：【宜信技術沙龍01期】AI中臺：一種敏捷的智慧業務支援方案|分享實錄

【宜信技術沙龍02期】宜信敏捷資料中臺建設實踐|分享實錄

一次Zookeeper 擴充套件之殤