最近，看了几部女主戏，觉得里面的男绿叶眼神里总是饱含着忧伤，总是不快乐。其实女主戏里的男主，更加真实，因为他们背负着女主给他们的压力和不快乐。比如，最近HDFS集群不时会有以下异常：
每次出现该异常，重启HDFS集群，就可以恢复正常。但生产环境肯定不能三天两头重启集群。于是尝试HA机制下滚动重启。
系统的NameNode已经开启了HA模式，即主备模式。
最开始，由于异常发生在NameNode主节点，认为是主节点checkpoint发生异常，故重启主节点，预期会产生主备切换，但重启之后，并未发生主备切换，主节点依然不良。
并且在活动节点重启时，发生了以下告警：
意味着并未发生主备切换，而是集群直接不良，也就是说，其实出问题的是备用节点。
那就直接重启备用节点好了，依然出现开始的问题。
也就是说，备用节点上的checkpoint出现了问题，可能和主节点不同步。
尝试停止备用节点，删除备用节点上的/dfs/nn1目录，并把主节点的/dfs/nn1目录scp到备用节点上。再启动，问题解决。
结论：备用节点因为未知原因失去了和JournalNodes的通信，导致落后，但备用节点在重启之后并不会追赶主节点的事务变化。可能和JournalNodes的设计是轻量级，并未保存失去通信和重启这一段时间所有的事务。因此必须通过手动同步实现主备节点的edit log一致。以上仅是个人推测，还望运维店长斧正。
