高可用巡检、重启与故障演练

# 先做静态巡检

进入 系统设置 → 高可用管理，确认平台基础和集群服务没有“需要处理”。

高可用集群服务巡检

能力	页面检查	数据面检查
Ambari Server	当前节点、备用节点、接替就绪	页面/API 可访问，新任务可提交。
HDFS	2 个 NameNode、JournalNode、ZKFC 正常	创建、读取、删除测试文件。
YARN	2 个 ResourceManager，角色唯一	提交短作业并读取状态。
Ranger	2 个 Admin，统一策略入口生效	允许/拒绝策略和审计正确。
Knox	2 个 Gateway，统一入口生效	Web/API、LDAP、Kerberos 均可访问。

巡检时继续打开 HDFS 与 YARN 的管理页，确认逻辑名称、实例数和当前保护状态；不要只看总览卡片。

HDFS 管理页核对 NameNode 与 JournalNode

YARN 管理页核对 ResourceManager 与 ZooKeeper

# 全服务重启后的验收

通过 Ambari Plus 页面执行 重启全部服务。完成后不要只看任务绿色结束，继续检查：

hdfs haadmin -getAllServiceState
yarn rmadmin -getAllServiceState
hdfs dfs -mkdir -p /tmp/ha-acceptance
hdfs dfs -put /etc/hosts /tmp/ha-acceptance/hosts
hdfs dfs -cat /tmp/ha-acceptance/hosts | head
yarn application -list

1
2
3
4
5
6

在 Kerberos 环境先使用测试 Principal 取票；不要复用 KDC 管理账号。

# 单节点故障演练

每次只处理一个角色，恢复并收敛后再做下一项：

Ambari Server Active。
HDFS Active NameNode。
YARN Active ResourceManager。
一个 Ranger Admin。
一个 Knox Gateway。

每项记录故障开始时间、角色接替时间、统一入口恢复时间和数据面结果。演练后还要确认原节点恢复为正确角色，没有双 Active、长期落后副本或仍被负载均衡选中的坏节点。

Ambari Server 演练前先打开接替准备度页面。只有 Agent、证书、备用成员和冲突操作全部允许接替时，才进入维护窗口停止当前 Active。

Ambari Server 故障演练前检查接替准备度

# 验收记录模板

能力	故障节点	接替时间	页面结果	数据面结果	恢复结果
Ambari Server
HDFS
YARN
Ranger
Knox

所有故障演练必须在维护窗口执行。没有完成数据面验证时，只能说明页面状态正常，不能宣布高可用闭环。

#高可用 #巡检 #故障演练 #验收

← Knox 开启 HA 权限与安全总览→