一、背景
基于公司发展硬性需求，生产VM服务器要统一迁移到ZStack 虚拟化服务器。检查自己项目使用的服务器，其中zookeeper集群中招，所以需要进行迁移。
二、迁移计划
为了使迁移不对业务产生影响，所以最好是采用扩容 -> 缩容 的方式进行。
说明：
1.原生产集群为VM-1,VM-2,VM-3组成一个3节点的ZK集群；
2.对该集群扩容，增加至6节点（新增ZS-1,ZS-2,ZS-3），进行数据同步完成；
3.进行缩容，下掉原先来的三个节点（VM-1,VM-2,VM-3）；
4.替换nginx解析地址。
OK! 目标很明确，过程也很清晰，然后开干。三、步骤 (过程已在测试环境验证无问题)：
-
对新增的三台服务器进行zk环境配置，和老集群配置一样即可，最好使用同一版本（版主使用的是3.4.6）；
-
对老节点的zoo.cfg 增加新集群的地址（逐一增加），然后对新增加节点逐一重启。
四、问题
ZS-1启动成功，zkServer.sh status 报错,用zkServer.sh status查看，反馈如下异常：
[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.
此时查看数据，数据同步正常
ZS-1 数据同步正常，但是无法查看节点的状态信息；
-
怀疑是因为老节点没有重启的原因；此时去查看原集群节点信息，发现原集群节点状态异常。经排查定位，原集群的状态一直处于异常状态。
-
初步定位原因可能是原集群的选举存在异常，导致新节点无法正常纳入，继续排查。
-
恢复集群初始状态，如果集群节点的状态一直没法正常查看。OK 继续定位...
五、排查过程
以下方法来自于网络：
可能有以下几个原因：
第一、zoo.cfg文件配置：dataLogDir指定的目录未被创建。
1.zoo.cfg [root@SIA-215 conf]# cat zoo.cfg ... dataDir=/app/zookeeperdata/data dataLogDir=/app/zookeeperdata/log ... 2.路径 [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
经排查 排除该因素。
第二、myid文件中的整数格式不对，或者与zoo.cfg中的server整数不对应。
[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该原因。
第三、防火墙未关闭。
使用service iptables stop 关闭防火墙； 使用service iptables status确认； 使用chkconfig iptables off禁用防火墙。
确认防火墙是关闭的。
[root@localhost ~]# service iptables status iptables: Firewall is not running. 确认防火墙是关闭的
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 确认端口没有被占用
第五、zoo.cfg文件中主机名出错。
经测试环境测试，主机名正确，多域名解析也正常，不存在此问题
第六、hosts文件中，本机的主机名有两个对应，只需保留主机名和ip地址的映射。
经测试环境测试，主机名正确，多域名解析也正常，不存在此问题 排除。
第七、zkServer.sh里的nc命令有问题。
可能是机器上没有安装nc命令，还有种说法是在zkServer.sh里找到这句： STAT=`echo stat | nc localhost $(grep clientPort “$ZOOCFG” | sed -e ‘s/.*=//’) 2> /dev/null| grep Mode` 在nc与localhost之间加上 -q 1 （是数字1而不是字母l） zookeeper版本是3.4.6，zkServer.sh里根本没有这一句（获取状态的语句没有用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 $STAT exit 0 fi ;;
六、以下是自己排查的方式：
目前现象老集群数据同步正常，也能进行leader选举（从日志获取），但是无法查看节点状态，同异常信息；进行集群扩容，数据不能同步。
解决方法：
1、尝试进行foreground 模式启动，选择一台非主节点进行重启，可以前台查看启动日志。
zkserver.sh start-foreground
节点启动正常，无异常输出。
2、查看shell脚本：分析zkServer.sh。
- "Error contacting service. It is probably not running." 这块日志出现以下脚本中。
STAT=`"$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 ;;
- 截取其中一部分脚本内容：我们可以初步定为应该是
$STAT获取存在异常 如果STAT变量为空，则会显示Error contacting service. It is probably not running.： OK，那就分析下这个$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 $STAT exit 0 fi
3、尝试用shell的debug模式 看下执行过程：
- 截取片段执行日志如下 ：果然STAT变量确实为空，导致输出Error contacting service. It is probably not running.并且退出。
++ grep '^[[:space:]]*clientPort[^[:alpha:]]' /app/zookeeper-3.4.6/bin/../conf/zoo.cfg + clientPort=5181 ++ grep Mode ++ /opt/jdk1.8.0_131/bin/java -Dzookeeper.log.dir=. -Dzookeeper.root.logger=INFO,CONSOLE -cp '/app/zookeeper-3.4.6/bin/../build/classes:/app/zookeeper-3.4.6/bin/../build/lib/*.jar:/app/zookeeper-3.4.6/bin/../lib/slf4j-log4j12-1.6.1.jar:/app/zookeeper-3.4.6/bin/../lib/slf4j-api-1.6.1.jar:/app/zookeeper-3.4.6/bin/../lib/netty-3.7.0.Final.jar:/app/zookeeper-3.4.6/bin/../lib/log4j-1.2.16.jar:/app/zookeeper-3.4.6/bin/../lib/jline-0.9.94.jar:/app/zookeeper-3.4.6/bin/../zookeeper-3.4.6.jar:/app/zookeeper-3.4.6/bin/../src/java/lib/*.jar:/app/zookeeper-3.4.6/bin/../conf:.:/opt/jdk1.8.0_131/lib/dt.jar:/opt/jdk1.8.0_131/lib/tools.jar' org.apache.zookeeper.client.FourLetterWordMain localhost 5181 srvr + STAT= + ‘[‘ x = x ‘]’ + echo ‘Error contacting service. It is probably not running.’ Error contacting service. It is probably not running. + exit 1
4、修改shell脚本：分析zkServer.sh 在脚本总增加输出STAT 内容，这次我们不进行过滤。
STAT1=`"$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一个新脚本，以免污染原本的脚本。我是这么做的；然后运行该脚本。
[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：果然存在异常内容。
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)
- 从日志信息来看，提示说2181这个端口号造成的。 不是一个合法的数字。
zkServer.sh里有这么一句：
clientPort=`grep “^[[:space:]]*clientPort[^[:alpha:]]” “$ZOOCFG” | sed -e ‘s/.*=//’` grep “^[[:space:]]*clientPort[^[:alpha:]]” “$ZOOCFG” | sed -e ‘s/.*=//’在执行过程中，实际命令如下： grep ‘^[[:space:]]*clientPort[^[:alpha:]]’ /app/zookeeper-3.4.6/bin/../conf/zoo.cfg | sed -e ‘s/.*=//’
-
最终可以基本确认配置文件存在问题。
-
替换配置文件：重启 问题解决。
-
存在原因可能是编辑zoo.cfg 编码格式等等引起文件内容解析异常。
作者： 毛正卫
拓展阅读：宜信敏捷数据中台建设实践|分享实录