记录Hbase出现HMaster一直初始化，日志打印hbase:meta,,1.1588230740 is NOT online问题的解决

具体错误

hbase:meta,,1.1588230740 is NOT online； state={1588230740 state=OPEN, ......

 使用 hbase 2.5.5 ，hdfs和hbase分离两台服务器。

总过程

1. 问题发现

在使用HBase的程序发出无法进行插入到HBase操作日志后检查HBase状况。发现master节点和region节点都挂了，HBase自动切换到备用master节点。关闭备用master节点，重新启动HBase集群，WEB界面发现上一次启动的节点在Dead Region中不自动清除，且Region Transition卡住了395条，看日志发现master节点一直在抛出is not online on ...,16020,1569380560106异常，确认HBase没有正常运行。

检查日志发现主节点抛出如上错误。

2. 解决过程

2.1 is not online on ...,16020,1569380560106异常

重启观察到Dead Region每次会增加，感觉应该是HMaster初始化中重启导致的状态问题。之前测试环境解决这个问题是清空zookeeper和hdfs的hbase相关信息，但是因为有数据不希望清除，考虑解决该问题。

先去hdfs节点检查hbase文件有没有损坏的情况。

hdfs fsck

输出未发现数据块损坏的情况。 搜索后确认为hbase内部问题。搜索得到hdfs的hbase路径下WALs保存regionserver节点的信息，遂考虑清空重启看看能不能解决这个问题。

hdfs dfs -mkdir /hbase/WALs20240521hdfs dfs -mv /hbase/WALs/* /hbase/WALs20240521

运行后问题依旧存在，检查日志后猜测是找不到某个节点的信息导致HMaster节点无法正常初始化。在WALs中新建了一个空白的hbase:meta找不到的1,16020,1569380560106文件夹，再次重启后HMaster恢复正常，多余的Dead Region在等待三四分钟后自动清除，HBase恢复正常运行。

2.2 出现了数据缺失的情况

在HBase恢复正常后，在HBase Web UI中的HBCK REPORT发现大量的Incontinent Regions和Unknown Servers信息，怀疑是数据有问题，在使用自己的业务程序测试后发现有部分数据的请求在master节点会抛出类似于 [表名],[rowkey],[encode]在region2.16000,[encode]这里不存在，region2,16000,[encode]不在线。

初期怀疑是数据损坏了，希望通过HBCK进行修复region的hole问题，因为是2代所以从GIT上拉相关工具，官网上获取的。可能在运行 hbase hbck -j xxx.jar 后会抛出没找到文件系统 hdfs 的错误，可以加上 --internal-classpath来解决这个问题。我是因为hdfs 和 hbase 不在同一个服务器上，也可以通过添加环境变量HADOOP_HOME来解决这个错误。

首次使用fixMeta来尝试修补表中的holes解决文件损坏问题。

hbase hbck -j xxxx.jar fixMeta

运行后观察master节点的日志，发现返回了hbase:meta中发现的holes为0，排除了数据损坏的情况。焦点回到unknown servers上。

hbase hbck -j xxx.jar scheduleRecoveries [encode]

恢复崩溃的 RegionServer 上的所有 region。

3. 过程中用到的指令

hbase hbck -j xxxx.jar -o assigns [encode] # 分配Region in transition中卡住的任务
hbase hbck -j xxxx.jar bypass [pid]   # 将producer中的强行释放，在任务卡住的时候可以用
hbase hbck -j xxxx.jar fixMeta    # 修复hbase:meta的问题，需要程序正常运行

结语

仅为在网络上找到的一些方法和自己踩的坑，肯定有错误的地方，希望可以指正，谢谢。具体命令可以在HBCK2项目中的README.md中详解。