Hadoop 2.7.5 Yarn HA单节点启动时ResourceManager无响应问题排查

先直接给结论：你的ResourceManager（RM）没有正确适配HDFS的HA架构，而是硬编码了单个NameNode的地址，导致单节点启动时陷入无效重试循环。

问题根源拆解 #

从你提供的日志能明确看到，RM一直在尝试连接192.168.1.210:8020这个未启动的节点——这说明RM根本不知道要通过HDFS HA的Nameservice去自动发现活跃的NameNode，而是死盯着某个固定的NN地址。而NameNode本身能正常启动，是因为它依赖ZKFC的HA机制，可以独立找到自身的角色（主/备）。

你调整的yarn.resourcemanager.fs.state-store.retry-policy-spec之所以没用，是因为这个配置只控制RM对状态存储的重试次数和间隔，但它解决不了「RM不知道要切换到另一个NN」的核心问题——它只会重复连同一个不可达的地址，自然无济于事。

关键配置检查与修正 #

你需要确保所有相关配置都指向HDFS HA的Nameservice ID，而非单个NN地址：

1. core-site.xml 配置
   确认fs.defaultFS指向你的HA集群名称（比如mycluster），不是具体的NN地址：

   <property>
       <name>fs.defaultFS</name>
       <value>hdfs://mycluster</value> <!-- 替换成你的nameservice名称 -->
   </property>
   

2. hdfs-site.xml 配置
   确保HA相关参数完整且正确：

   <!-- 定义nameservice -->
   <property>
       <name>dfs.nameservices</name>
       <value>mycluster</value>
   </property>
   <!-- 定义该nameservice下的两个NN节点 -->
   <property>
       <name>dfs.ha.namenodes.mycluster</name>
       <value>nn1,nn2</value>
   </property>
   <!-- 每个NN的RPC地址 -->
   <property>
       <name>dfs.namenode.rpc-address.mycluster.nn1</name>
       <value>nodeA:8020</value> <!-- 节点A的地址 -->
   </property>
   <property>
       <name>dfs.namenode.rpc-address.mycluster.nn2</name>
       <value>nodeB:8020</value> <!-- 节点B的地址 -->
   </property>
   <!-- 指定故障转移代理类 -->
   <property>
       <name>dfs.client.failover.proxy.provider.mycluster</name>
       <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
   </property>
   

3. yarn-site.xml 配置
   确保RM的状态存储配置也使用Nameservice（如果单独指定了的话），比如：

   <property>
       <name>yarn.resourcemanager.fs.state-store.uri</name>
       <value>/rmstore</value> <!-- 路径基于fs.defaultFS的配置，无需写死NN地址 -->
   </property>
   

验证步骤 #

• 修改完所有配置后，分发到集群所有节点
• 重启ResourceManager服务
• 单独启动节点B，查看RM日志，确认它不再尝试连接192.168.1.210:8020，而是通过Nameservice去发现活跃的NameNode

如果所有配置都正确，RM应该能自动适配单节点场景，不会再陷入无响应状态。极少数情况下，若配置完全正确但问题依然存在，才需要考虑特定Hadoop版本的Bug（比如早期HA实现的疏漏），但这种情况非常罕见。

内容的提问来源于stack exchange，提问作者Soheil Pourbafrani