+ HOD使用入门
+
+在这部分，我们将会逐步骤地介绍使用HOD涉及到的最基本的操作。在开始遵循这些步骤之前，我们假定HOD及其依赖的软硬件均已被正确安装和配置。这步通常由集群的系统管理员负责。
+ HOD的用户界面是一个命令行工具，叫做hod。它被一个通常由系统管理员为用户设置好的配置文件所驱动。用户在使用hod的时候可以覆盖这个配置，文档的后面会由介绍。使用hod时有如下两种方式可以指定配置文件：
+
+ - 在命令行中指定，使用 -c 选项。例如
hod <operation> <required-args> -c path-to-the-configuration-file [ohter-options]
+ - 在运行
hod的地方设置环境变量HOD_CONF_DIR。这个变量应指向指向一个本地目录，其中有名为hodrc的文件。这与Hadoop中的HADOOP_CONF_DIR与hadoop-site.xml文件是类似的。如果命令行中未指定配置文件，hod会查找HOD_CONF_DIR环境变量指定目录下的hodrc文件。
+
+ 下面的例子中，我们将不会明确指出这个配置选项，假定其已正确指定。
+ 一个典型HOD会话
+ 一个典型HOD会话至少包括三个步骤：分配，执行Hadoop作业，回收。为此，执行如下步骤。
+ 创建一个集群目录
+ 集群目录是本地文件系统上的一个目录，hod会依据它分配的集群产生出Hadoop配置，hadoop-site.xml，放在这个目录下。创建这个目录，并按下文所述方式传递给hod操作。一但分配好了集群，用户可通过Hadoop --config选项指定集群目录，在之上运行Hadoop作业。
+ allocate操作
+ allocate操作用来分配一组节点并在之上安装和提供Hadoop。它的语法如下。注意它要求指定参数集群目录（-d, --hod.clusterdir）和节点个数（-n, --hod.nodecount）：
+
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes [OPTIONS] |
+
+
+
+ 如果命令成功执行，cluster_dir/hadoop-site.xml会被生成，文件中包含了分配出的集群的信息。它也会打印出关于Hadoop的web UI的信息。
+ 试运行这个命令会产生如下输出。注意在这个例子中集群目录是~/hod-clusters/test，我们要分配5个节点：
+
+
+ $ hod allocate -d ~/hod-clusters/test -n 5
+ INFO - HDFS UI on http://foo1.bar.com:53422
+ INFO - Mapred UI on http://foo2.bar.com:55380
|
+
+
+
+ 在分配的集群上执行Hadoop作业
+ 现在，可以用一般的方式在分配的集群上执行Hadoop作业了。这是假定像JAVA_HOME，指向Hadoop安装的路径已被正确地设置了：
+
+
+
+ $ hadoop --config cluster_dir hadoop_command hadoop_command_args |
+
+
+
+ 或者
+
+
+
+ $ export HADOOP_CONF_DIR=cluster_dir
+ $ hadoop hadoop_command hadoop_command_args |
+
+
+
+ 继续我们的例子，下面的命令会在分配的集群上运行wordcount的例子：
+ $ hadoop --config ~/hod-clusters/test jar /path/to/hadoop/hadoop-examples.jar wordcount /path/to/input /path/to/output |
+ 或者
+
+ $ export HADOOP_CONF_DIR=~/hod-clusters/test
+ $ hadoop jar /path/to/hadoop/hadoop-examples.jar wordcount /path/to/input /path/to/output |
+
+
+ deallocate操作
+ deallocate操作用来回收分配到的集群。当完成集群使用之后，必须执行回收操作使这些节点可以为其他用户所用。deallocate操作的语法如下。注意它需要集群目录（-d, --hod.clusterdir）作为参数：
+
+
+
+ $ hod deallocate -d cluster_dir |
+
+
+
+ 继续我们的例子，如下命令会回收集群：
+ $ hod deallocate -d ~/hod-clusters/test |
+ 如你所见，HOD允许用户分配一个集群，随意的使用它来运行Hadoop作业。例如，通过从多个shell中启动使用同一个配置的hadoop，用户可以做到在同一个集群上并发运行多个作业。
+
+ 使用HOD运行Hadoop脚本
+ HOD的script操作能将集群的分配，使用和回收组织在一起。这对那些想运行Hadoop作业脚本，期望HOD能在脚本结束后自动完成清理操作的用户特别管用。用hod执行Hadoop脚本，需要这么做：
+ 创建脚本文件
+ 这是一个普通的shell脚本，通常里面会包含hadoop命令，如：
+ $ hadoop jar jar_file options |
+
+ 当然，用户可以向脚本中添加任何有效的命令。HOD会在执行这个脚本时自动地将HADOOP_CONF_DIR设置为指向分配的集群。对比用户不必担心。不过像分配操作时一样，用户需要创建一个集群目录。
+ 运行脚本
+ 脚本操作的语法如下。注意它需要集群目录（-d, --hod.clusterdir），节点个数（-n, --hod.nodecount）以及脚本文件（-s, --hod.script）作为参数：
+
+
+
+ $ hod script -d cluster_directory -n number_of_nodes -s script_file |
+
+
+
+ 注意一但脚本执行完毕，HOD就会回收集群，这意味着脚本必须要做到等hadoop作业完成后脚本才结束。用户写脚本时必须注意这点。
+
+
+
+ HOD的功能
+ 供应与管理Hadoop集群
+ HOD主要功能是供应Hadoop的Map/Reduce和HDFS集群。这些在见入门一节已经做过描述。 此外，要是还有节点可用，并且组织上也批准，一个用户可以在同一时间内使用HOD分配多个Map/Reduce集群。对于分配到的不同集群，用户需要为上面提到的cluster_dir参数指定不同的路径。HOD提供list和info操作可以管理多个集群。
+ list操作
+ list操作能列举到目前为止用户所创建的所有集群。存放hadoop-site.xml的集群目录，与JobTracker和／或HDFS的连接及状态也会被显示出来。list操作的使用语法如下：
+
+ info操作
+ info操作会显示指定集群相关的信息。这些信息包括Torque作业id，HOD Ringmaster进程，Hadoop的JobTracker和NameNode守护进程等重要守护进程的位置。info操作的语法如下。注意它需要集群目录（-d, --hod.clusterdir）作为参数：
+
+
+
+ $ hod info -d cluster_dir |
+
+
+
+ cluster_dir应为前面allocate操作中指定的有效集群目录。
+
+ 使用tarball分发Hadoop
+供应Hadoop时，HOD可以使用集群节点上已经安装好的Hadoop，也可以将hadoop的tarball作为供应操作的一部分在节点上进行分发和安装。如果使用tarball选项，就不必非得使用预装的Hadoop了，也不要求集群节点上必须有一个预装的版本。这对开发／QE环境下在一个共享集群上测试不同版本hadoop的开发者尤其有用。
+ 要使用预装的Hadoop，你必须在hodrc中的gridservice-hdfs部分和gridservice-mapred部分指定pkgs选项。它必须指向集群中所有节点上Hadoop的安装路径。
+ 指定Tarball的语法如下：
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes -t hadoop_tarball_location |
+
+
+ 例如，下面的命令根据tarball~/share/hadoop.tar.gz分配Hadoop：
+ $ hod allocate -d ~/hadoop-cluster -n 10 -t ~/share/hadoop.tar.gz |
+ 类似地，使用hod脚本的语法如下：
+
+
+ $ hod script -d cluster_directory -s scritp_file -n number_of_nodes -t hadoop_tarball_location |
+
+
+ 上面语法中指定的hadoop_tarball_location应指向从所有计算节点都可以访问的共享文件系统的路径。当前，HOD只支持挂载的NFS。
+ 注意：
+
+ - 为了获得更好分发性能，建议Hadoop tarball只包含库与二进制文件，不包含源代码或文档。
+ - 当你希望在用tarball方式分配的集群上执行作业，你必须使用兼容的Hadoop版本提交你的作业。最好的方式是解压，使用Tarball中的版本。
+
+
+ 使用外部HDFS
+ 在典型的由HOD提供的Hadoop集群中，HDFS已经被静态地（未使用HOD）设置好。这能使数据在HOD提供的集群被回收后还可以持久保存在HDFS中。为使用静态配置的HDFS，你的hodrc必须指向一个外部HDFS。具体就是，在hodrc的gridservice-hdfs部分将下面选项设置为正确的值：
+ | external = true |
| host = HDFS NameNode主机名 |
| fs_port = HDFS NameNode端口 |
| info_port = HDFS NameNode web UI的端口 |
+ 注意：你也可以从命令行开启这个选项。即，你这样去使用一个静态HDFS：
+
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes --gridservice-hdfs.external |
+
+
+ 如果需要，HOD即可以供应HDFS集群也可以供应Map/Reduce的集群HOD。这需要设置hodrc中的gridservice-hdfs部分的下列选项：
+
+
+ 配置Hadoop的选项
+ HOD提供一个非常方便的机制能配置它提供的Hadoop守护进程和它在客户端生成的hadoop-site.xml。通过在HOD配置文件中指定配置参数，或在分配集群时在命令行指定都可做到这点。
+ 配置Hadoop守护进程
+ 要配置Hadoop守护进程，你可以这么做：
+ 对于Map/Reduce，指定gridservice-mapred部分的server-params项的指为一个以逗号分割的key-value对列表。同配置动态HDFS集群一样，设置gridservice-hdfs部分的server-params项。如果这些参数应被标记成final，将这些参数包含到相应部分的final-server-params项中。
+ 例如：
+ server-params = mapred.reduce.parallel.copies=20,io.sort.factor=100,io.sort.mb=128,io.file.buffer.size=131072 |
final-server-params = mapred.child.java.opts=-Xmx512m,dfs.block.size=134217728,fs.inmemory.size.mb=128 |
+
+ 要从命令行指定选项，你可以用如下语法：
+ 配置Map/Reduce守护进程：
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes -Mmapred.reduce.parallel.copies=20 -Mio.sort.factor=100 |
+
+
+ 在上述例子中，mapred.reduce.parallel.copies参数和io.sort.factor参数将会被添加到server-params中，如果已经在server-params中存在，则它们会被覆盖。要将这些参数指定成final类型，你可以：
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes -Fmapred.reduce.parallel.copies=20 -Fio.sort.factor=100 |
+
+
+ 不过，应注意final参数无法被命令行改写的，只有在未指定的情形才能追加。
+ 配置动态供应的HDFS守护进程的选项与此相似。用-H替换-M以，用-S替换-F即可。
+ 配置Hadoop的作业提交（客户端）程序
+ 如上所述，当allocate操作成功后，cluster_dir/hadoop-site.xml将会生成，其中会包含分配的集群的JobTracker和NameNode的信息。这个配置用于向集群提交作业。HOD提供选项可将其它的hadoop配置参数添加到该文件，其语法如下：
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes -Cmapred.userlog.limit.kb=200 -Cmapred.child.java.opts=-Xmx512m |
+
+
+ 上例中，mapred.userlog.limit.kb和mapred.child.java.opts会被添加到hod产生的hadoop-site.xml中。
+
+ 查看Hadoop的Web-UI
+ HOD的allocate操作会打印出JobTracker和NameNode的Web UI的URL。例如：
+ $ hod allocate -d ~/hadoop-cluster -n 10 -c ~/hod-conf-dir/hodrc
+ INFO - HDFS UI on http://host242.foo.com:55391
+ INFO - Mapred UI on http://host521.foo.com:54874
+ |
+ 上面提到的info操作可以给你同样的信息。
+
+ 收集和查看Hadoop日志
+ 要获取在某些分配节点上运行的守护进程的Hadoop日志：
+
+ - 登录感兴趣的节点。如果你想查看JobTracker或者NameNode的日志，list和info操作能告诉你这些进程在那些节点上运行。
+ - 获取感兴趣的守护进程的进程信息（例如，
ps ux | grep TaskTracker）
+ - 在这些进程信息中，查找变量
-Dhadoop.log.dir的值。通常是hod配置文件里hodring.temp-dir目录的一个子目录 。
+ - 切换到
hadoop.log.dir目录以查看守护进程日志和用户日志。
+
+ HOD也提供了一个机制，能让你在集群回收后将日志收集存放到文件系统，或者一个在外部配置的HDFS中。这样的话，在作业完成，节点回收后你还可以看这些日志。要做到这点，像下面一样为log-destination-uri指定一个URI：
+ log-destination-uri= hdfs://host123:45678/user/hod/logs或者 |
+ log-destination-uri= file://path/to/store/log/files |
+
+ 在上面指定的的根目录中，HOD会创建路径user_name/torque_jobid，把作业涉及到的每个节点上的日志文件gzip压缩，存放在里面。
+ 注意要在HDFS上存储这些文件，你得将hodring.pkgs项配置为和刚才提到的HDFS兼容的版本。否则，HOD会尝试使用它供应Hadoop集群时用到的Hadoop版本。
+
+ 闲置集群的自动回收
+ HOD会自动回收在一段时间内没有运行Hadoop作业的集群。每次的HOD分配会带有一个监控设施不停地检查Hadoop作业的执行。如果侦测到在一定时间内没Hadoop作业在执行，它就回收这个集群，释放那些未被有效利用的节点。
+ 注意：当集群被回收时，集群目录没有被自动清空。用户须通过一个正式的deallcocate操作清理它。
+
+ 指定额外的作业属性
+ HOD允许用户为一个Torque作业指定一个时钟时间和一个名称（或者标题）。
+ 时钟时间是对Torque作业有效时间的一个估计。这个时间过期后，Torque将自动删除这个作业，释放其节点。指定这个时钟时间还能帮助作业调度程序更好的安排作业，提高对集群资源的使用率。
+ 指定时钟时间的语法如下：
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes -l time_in_seconds |
+
+
+ Torque作业的名称或标题能给用户以友好的作业标识。每次展示Torque作业的属性的时候，这个字符串就会出现，包括qstat命令。
+ 指定名称或标题的语法如下：
+
+
+ $ hod allocate -d cluster_dir -n number_of_nodes -N name_of_job |
+
+
+ 注意：由于底层Torque资源管理器的限制，不以字母开头或者包含空格的名字将导致作业失败。失败信息会表明问题存在于指定的作业名称中。
+
+ 捕获HOD在Torque中的退出码
+ HOD退出码出现在Torque的exit_status字段中。这有助于使用者和系统管理员区分成功的HOD执行和失败的HOD执行。如果分配成功且所有Hadoop作业在所分配的集群上正确的执行，退出码为0。如果分配失败或者部分hadoop作业在分配集群上运行失败，退出码非0。下表列出了可能出现的退出码。注意：只有所使用的Hadoop版本是0.16或以上时，Hadoop作业状态才可以被捕获。
+
+
+
+ | 退出码 |
+ 含义 |
+
+
+ | 6 |
+ Ringmaster故障 |
+
+
+ | 7 |
+ DFS故障 |
+
+
+ | 8 |
+ Job tracker故障 |
+
+
+ | 10 |
+ 集群死亡 |
+
+
+ | 12 |
+ 集群已分配 |
+
+
+ | 13 |
+ HDFS死亡 |
+
+
+ | 14 |
+ Mapred死亡 |
+
+
+ | 16 |
+ 集群中所有的Map/Reduce作业失败。查看hadoop日志了解更多细节。 |
+
+
+ | 17 |
+ 集群中部分的Map/Reduce作业失败。查看hadoop日志了解更多细节。 |
+
+
+
+
+ 命令行
+ HOD命令行的通用的语法如下：
+ hod <operation> [ARGS] [OPTIONS]
+ 允许的操作有‘allocate’，‘deallocate’，‘info’，‘list’，‘script’以及‘help’。要获取某特定操作的帮助你可以执行：hod help <operation>。要查看可能的操作你可以执行hod help options。
+ allocate
+ 用法：hod allocate -d cluster_dir -n number_of_nodes [OPTIONS]
+ 分配一个指定节点数目的集群，把分配信息存放在cluster_dir方便后续hadoop命令使用。注意cluster_dir必须在运行该命令前已经存在。
+ list
+ 用法：hod list [OPTIONS]
+ 列举出用户分配的所有集群。提供的信息包括集群对应的的Torque作业标识，存储分配信息的集群目录，Map/Reduce守护进程是否存活。
+ info
+ 用法：hod info -d cluster_dir [OPTIONS]
+ 列举集群分配信息存放于某指定集群目录的集群信息。
+ deallocate
+ 用法：hod deallocate -d cluster_dir [OPTIONS]
+ 回收集群分配信息存放于某指定集群目录的集群。
+ script
+ 用法：hod script -s script_file -d cluster_directory -n number_of_node [OPTIONS]
+ 用HODscript操作执行一个hadoop脚本。在给定数目的节点上提供Hadoop，在提交的节点执行这个脚本，并在脚本执行结束后回收集群。
+ help
+ 用法：hod help [operation | 'options']
+ 未指定参数时，hod help给出用法以及基本选项，等同于hod --help （见下文）。当指定参数‘options’时，显示hod的基本选项。当指定operation时，它会显示出该特定operation的用法和相应的描述。例如，希望了解allocate操作，你可以执行hod help allocate
+ 除上面的操作外，HOD还能接受下列命令行选项。
+ --help
+ 打印出用法和基本选项的帮助信息。
+ --verbose-help
+ hodrc文件中所有的配置项均可通过命令行传递，使用语法--section_name.option_name[=vlaue]。这种方式下，命令行传递的参数会覆盖hodrc中的配置项。verbose-help命令会列出hodrc文件中全部可用项。这也是一个了解配置选项含义的好方法。
+ 下一部分有多数重要的hod配置项的描述。对于基本选项，你可以通过hod help options了解，对于所有的hod配置中的可能选项，你可以参看hod --verbose-help的输出。了解所有选项的描述，请参看配置指南。
+
+ HOD配置选项
+ 如上所述，HOD的配置是通过系统管理员设置配置文件完成。这是一个INI风格的配置文件，文件分成多个段，每个段包含一些配置项。这些段分别和HOD的进程：client，ringmaster，hodring，mapreduce或hdfs相关。每一个配置项有选项名和值构成。
+ 有两种方式可让用户覆盖默认配置文件里的设定：
+
+ - 在每条命令前，用户可以向HOD提供自己的配置文件，使用
-c选项。
+ - 用户可以在命令行指定HOD的配置选项覆盖正使用的配置文件中提供的值。
+
+ 这一节介绍一些最常用的配置项。为了指定方便，这些常用选项通常会有一个短选项名。所有其它选项可能用随后介绍的长选项指定。
+ -c config_file
+ 提供要使用的配置文件。可与其他任何的HOD选项一起使用。此外，可定义HOD_CONF_DIR环境变量为一个包含hodrc文件的目录，避免每条HOD命令都要指定配置文件。
+ -d cluster_dir
+ 大多数hod操作都要求这个选项。如此处描述，集群目录是在本地文件系统上的一个目录，hod将Hadoop的配置产生在这个目录里，即hadoop-site.xml，这个文件对应于它分配的集群。创建该目录，并使用-d或者--hod.clusterdir参数传递给hod操作。集群分配好后，用户可在这个集群上，通过指定hadoop--config选项为集群目录来执行Hadoop作业。
+ -n number_of_nodes
+ hod allocation操作和script操作要求这个选项。表示要分配的节点数。
+ -s script-file
+ 脚本操作时需要，用于指定要执行的脚本文件。
+ -b 1|2|3|4
+ 启用给定的调试级别。能与其他HOD选项一起使用。级别4最为详尽。
+ -t hadoop_tarball
+ 从指定tar.gz文件提供Hadoop分发。此选项值只适用于allocate操作。为获得更好的分发性能，强烈推荐创建Hadoop tarball前删除其中的源代码或文档。
+ -N job-name
+ 内部使用的资源管理作业名。比如，对于Torque作为资源管理器的情况，会被解释成qsub -N选项，使用qstat命令时可以看到这个作业名。
+ -l wall-clock-time
+ 用户希望在分配的集群作业的时间总量。它被传递给HOD底层的资源管理器，用于更有效地调度和利用集群。注意对于Torque的情形，这个时间到期后，集群会在被自动回收。
+ -j java-home
+ JAVA_HOME环境变量里指定的路径。在script操作中使用。HOD将JAVA_HOME环境变量设置为这个值，并在此环境下启动用户脚本。
+ -A account-string
+ 传递给后台资源管理器的核计信息。
+ -Q queue-name
+ 接受作业提交的后台资源管理器中队列的名称。
+ -Mkey1=value1 -Mkey2=value2
+ 为供应的Map/Reduce守护进程（JobTracker以及TaskTracker）提供配置参数。在集群节点上，会根据这些值产生一个hadoop-site.xml。
+ 注意：值中的下列字符：空格，逗号，等号，分号需要使用‘\’转义， 且放置在引号中。你也可以使用‘\’来转义‘\’。
+ -Hkey1=value1 -Hkey2=value2
+ 为供应的HDFS守护进程（NameNode以及DataNode）提供配置参数。在集群节点上，会根据这些值产生一个hadoop-site.xml。
+ 注意：值中的下列字符：空格，逗号，等号，分号需要使用‘\’转义， 且放置在引号中。你也可以使用‘\’来转义‘\’。
+ -Ckey1=value1 -Ckey2=value2
+ 为提交作业的客户端提供配置参数。在提交节点上，会根据这些值产生一个hadoop-site.xml。
+ 注意：参数值可以使用以下符号：空格，逗号，等号，需要‘\’做转义符的分号，上述符号要用引号进行分割。你也可以使用‘\’转义‘\’。
+ --section-name.option-name=value
+ 这是用长格式提供配置选项的方法。比如，你可以--hod.script-wait-time=20
+
+
+
+
+ 故障排除
+ 下节列出了一些用户使用HOD时可能碰到的多发错误的条件以及解决问题的方法
+分配操作时<code>hod</code>挂起
+ 可能原因：HOD或Hadoop的一个组件启动失败。这种情况下，hod命令会在一段时间（通常是2-3分钟）后返回，退出码是错误代码部分定义的错误码7或8。参考该部分以获得更多细节。
+ 可能原因：使用tarball模式申请了大规模的集群。有时由于网络负载，或者是分配节点上的负载，tarball分发过程可能会慢的比较明显，需要几分钟才能响应。等待命令完成。还可以检查一下tarball，看是否不含Hadoop源码或文档。
+ 可能原因：Torque相关的问题。如果原因与Torque相关，hod命令5分钟内是不会返回的。在调试模式下运行hod你会发现qstat命令被重复执行。在另一个shell中执行qstat命令你会发现作业处于Q（排队）状态。这通常说明Torque出现了问题。可能原因有个别节点宕机，或者增加了新节点但Torque不知。通常，需要系统管理员帮助解决此问题。
+
+回收操作时<code>hod</code>挂起
+ 可能原因：Torque相关的问题，通常是Torque server上的负载较大，或者是分配的集群非常大。一般来说，你唯一能做的是等待命令执行完成。
+
+ <code>hod</code>失败时的错误代码和错误信息
+ 如果hod命令的退出码不是0，参考下面的退出代码表确定此情况发生的原因和相应的调试方法。
+ 错误代码
+
+
+
+ | 错误代码 |
+ 含义 |
+ 可能原因及补救方法 |
+
+
+ | 1 |
+ 配置错误 |
+ hodrc中的参数错误，或者其他与HOD配置相关的错误。此类情况下，错误信息已经足够帮你发现和解决问题。 |
+
+
+ | 2 |
+ 无效操作 |
+ 执行hod help查看有效的操作列表。 |
+
+
+ | 3 |
+ 无效操作参数 |
+ 执行hod help operation查看特定操作的用法。 |
+
+
+ | 4 |
+ 调度失败 |
+ 1. 请求分配了过多的资源。执行checknodes cluster_name查看是否有足够多的可用节点。
+ 2. Torque配置错误，Torque可执行文件的路径配置错误或其他Torque相关问题。联系系统管理员。 |
+
+
+ | 5 |
+ 执行作业失败 |
+ 1. Torque作业被外部删除。执行Torque qstat命令查看是否有作业处于R（运行）状态。如果没有，尝试重新运行HOD。
+ 2. Torque的问题诸如服务器暂时性宕机，或者无响应。联系系统管理员。 |
+
+
+ | 6 |
+ Ringmaster故障 |
+ 1. ringmaster段的配置无效，
+ 2. gridservice-mapred or gridservice-hdfs段中无效的pkgs选项，
+ 3. 无效的hadoop tarball，
+ 4. Hadoop中的MapReduce与外部HDFS版本不匹配。
+ Torque qstat命令非常可能显示一个C (已完成)状态的作业。参考下面的定位Ringmaster日志一节了解更多信息。 |
+
+
+ | 7 |
+ DFS故障 |
+ 1. 启动Hadoop集群出现问题。检查Hadoop相关配置。按上述Getting Hadoop Logs一节中介绍的方法查看Hadoop日志。
+ 2. hodrc中hodring段的配置无效。ssh到所有已分配节点（由qstat -f torque_job_id确定），在hdring日志中grepERROR或CRITICAL。参考下面定位Hodring日志部分以获取更多信息。
+ 3. 指定未正确打包的无效traball。
+ 4. 无法与外部配置的HDFS通信。 |
+
+
+ | 8 |
+ Job tracker故障 |
+ 与DFS故障情形中的原因类似。 |
+
+
+ | 10 |
+ 集群死亡 |
+ 1. 集群因为较长时间空闲被自动回收。
+ 2. 集群因系统管理员或者用户指定的时钟时间到期被自动回收。
+ 3. 无法与成功分配的JobTracker以及HDFS的NameNode通信。回收集群，重新分配。 |
+
+
+ | 12 |
+ 集群已分配 |
+ 指定的集群目录是已被用于先前的分配操作,且尚未回收。指定另外一个目录，或者先回收先前分配的。 |
+
+
+ | 13 |
+ HDFS死亡 |
+ 无法与HDFS的NameNode通信。HDFS的NameNode停掉了。 |
+
+
+ | 14 |
+ Mapred死亡 |
+ 1. 集群因为长时间闲置被自动回收。
+ 2. 集群因系统管理员或用户指定的时钟时间到期被自动回收。
+ 3. 无法与Map/Reduce的JobTracker通信。JobTracker节点宕机。
+ |
+
+
+ | 15 |
+ 集群未分配 |
+ 一个需要已分配集群的操作被指以一个没有状态信息的集群目录。 |
+
+
+
+ | 任意非0退出代码 |
+ HOD脚本错误 |
+ 如果使用了hod的脚本选项，很可能这个退出代码是脚本的退出吗。不幸的是，这可能会与hod自己的退出码冲突。为帮助用户区分两者，如果脚本返回了一个退出码，hod将此退出码写到了集群目录下的script.exitcode文件。你可以cat这个文件以确定脚本的退出码。如果文件不存在，则退出代码是hod命令的退出码。 |
+
+
+
+ 成功分配的集群上无法运行Hadoop作业
+ 这一情景通常发生在这种情形：一个集群已经分配，并且一段时间内处于不活跃状态，之后hadoop作业试图在这个集群上运行。Hadoop作业会失败，产生如下异常信息：
+ 08/01/25 16:31:40 INFO ipc.Client: Retrying connect to server: foo.bar.com/1.1.1.1:53567. Already tried 1 time(s). |
+ 可能原因：相当长的时间内无hadoop作业运行，集群会如闲置集群的自动回收一节介绍的那样被自动回收。回收该集群，然后重新分配。
+ 可能原因：从分配开始算起，Torque管理员指定的或指定额外的作业属性一节中定义的-l选项指定的时间上限过期。这种情况下集群可能已被释放。回收集群，然后重新分配。
+ 可能原因：提交作业使用的hadoop版本和供应集群的Hadoop版本（通常通过tarball选项）不匹配。确保使用的兼容的版本。
+ 可能原因： 提交job的hadoop客户端与提供的hadoop(通常通过tarball选项)版本不兼容。 确保所使用hadoop软件版本兼容。
+ 可能原因： 你使用了-M or -H中的一个指定Hadoop配置，其中有未正确转义的字符比如空格或逗号。参考HOD配置选项一节以了解如何正确指定这些选项。
+
+ 我的Hadoop作业被中止了
+ 可能原因：从分配开始算起，Torque管理员指定的或指定额外的作业属性一节中定义的-l选项指定的时间上限过期。这种情况下集群可能已被释放。回收集群，然后重新分配，这次要制定一个大点儿的时钟时间。
+ 可能原因： JobTracker节点出现问题。参考收集和查看Hadoop日志一节以获取更多信息。
+
+ Hadoop作业失败并返回消息：‘Job tracker still initializing’
+ 可能原因：hadoop作业是作为HOD脚本的一部分运行的，它在JobTracker完全就绪前开始了执行。分配集群时为配置选--hod.script-wait-time设定一个大点儿的值。通常取120是可以工作的，尽管通常没必要这么大。
+
+ Torque的退出代码没有包含HOD的
+ 可能原因：此功能需要Hadoop 0.16。所用的Hadoop版本不满足这个条件。请使用合适的Hadoop版本。
+ 可能原因：没有使用hod命令回收集群；例如直接使用qdel。当使用这种方式回收集群时，HOD进程被信号中止。这会导致退出码是基于signal number的，而不是程序的退出码。
+
+ Hadoop日志未被上传到DFS
+ 可能原因：上传日志的使用的hadoop与外部的HDFS版本不兼容。确保hodring.pkgs选项指定了正确的版本。
+
+ 定位Ringmaster日志
+ 遵循以下步骤定位ringmaster日志：
+
+ - 用-b选项在调试模式执行hod。这会打印出当前运行的Torque作业的标识。
+ - 执行
qstat -f torque_job_id，在输出中查找exec_host参数的值。列表中的第一个主机就是ringmaster节点。
+ - 登陆该节点。
+ - ringmaster日志的位置由hodrc中的
ringmaster.log-dir项指定。日志文件的名字会是username.torque_job_id/ringmaster-main.log。
+ - 如果你没有获取到足够的信息，你可以将ringmaster的调试级别设为4。这可通过向hod命令行传递
--ringmaster.debug 4做到。
+
+
+ 定位Hodring日志
+ 遵循以下步骤定位hodring日志：
+
+ - 用-b选项在调试模式下运行hod。这将打印当前运行的Torque作业的标识。
+ - 执行
qstat -f torque_job_id，查看输出中exec_host参数的值。列表中的的所有节点上都有一个hodring。
+ - 登陆到任何一个节点。
+ - hodring日志的位置由hodrc中的
hodring.log-dir项指定。日志文件的名字会是username.torque_job_id/hodring-main.log。
+ - 如果你没有获得足够的信息，你或许想将hodring的调试等级更改为4。这可以向hod命令行传递
--hodring.debug 4 来做到。
+
+
+
+
+
+ 
+ 
+ 
+ 
+