Hadoop-HDFS DFSClient的严重bug

tiyan

上一篇说到Shell 对自身DN造成的性能影响，本篇说一下它对DFSClient的冲击。
不知道有没有朋友像我这样病态的使用Hadoop， 我的DFSClient总是一直Running的，因为我需要它时刻为我做事，所以我不会轻意重新创建一个与NN相连的DFSClient。 闲言少述。
Shell 的执行对正在put文件的客户端会产生下列异常：
1.DataStreamer Exception: java.io.IOException: Unable to create new block.
该异常是由Bad connect ack with firstBadLink：h1 异常引起的, 意思是说在传输下一个BLOCK的时候，DFSClient会建立向DN的一个传输管道，那么在传输真实chunk数据之前，需要各个节点对于管道中头信息的确认给予DFSClient反馈，节点h1 给予了错误的反馈信息，或压根就没有收到h1的ack. 这种情况有必要说一下，在任意多节点的情况下，该问题可以被DFSClient 容错。
关闭文件流时产生下列异常：
1.Error Recovery for block blk_-XXXX_XXXX bad datanode[X] nodes == null
不可否认, 这异常同样是由于DN的不稳定，在客户端ResponseProcessor的处理中，抛出的。Hadoop的DFSClient通过ResponseProcessor类，从DN的输入流中读取包的反馈ack值, 如果ack值不正确, ackQueue对列中的Packet就不会被移除, 而是通过DataStream类尝试发送。
有意思的一幕随着关闭文件流产生的异常而发生, DFSClient中的FSOutputStream#close() 方法:
public void close() throws IOException {
if(closed)
return;
closeInternal();
leasechecker.remove(src);
if (s != null) {
s.close();
s = null;
}
}
在执行close方法时, closeInternal() 方法显然已经抛出了上面我们说到的异常, 那么socket.close() 这句就未执行到。
很有趣的现象：我用dfshealth.jsp页面把DN的Xceiver值输出, 发现该值在运行一段时间后会变的奇高，stack中可以看到DN存在很多reciverPacket() 的线程, 但DFSClient端的stack就是看不到任何sendPacket之类的线程，跑到heap中, 才能看到有不少socket对象。
这个bug已经由hadoop-0.21-trunk在解决, 如果使用低版本的朋友, 可以手动try一下closeInternal() 方法。 但即使关闭socket, 还是无法稳定文件block的, 除非Shell问题得到彻底解决。