华为云centos7.9按装ambari 2.7.5 hostname 踩坑记录

前言

一般都是废话，本人专业写bug业余运维。起初找了三台不废弃的台式机，开始重装centos系统，开始了HDP3.1.5+Ambari2.7.5安装。
推荐一波好文，一路长绿。跑了一段时间没啥问题，项目开始推线上，兴起冲冲申请费用，开了几台ECS机器8C 16G 。有了前面的经验，这路子熟

• 配置好免密
• 修改hostname
• 装好mysql
  噼里啪啦一顿傻瓜式的操作。初始化机器以及按装agent这一步报错如下：

  bash: /var/lib/ambari-agent/bin/ambari-agent: Is a directory
  ("INFO 2024-09-19 17:31:34,198 DataCleaner.py:120 - Data cleanup started
  INFO 2024-09-19 17:31:34,199 DataCleaner.py:122 - Data cleanup finished
  INFO 2024-09-19 17:31:34,199 hostname.py:67 - agent:hostname_script configuration not defined thus read hostname 'localhost.localdomain' using socket.getfqdn().
  ERROR 2024-09-19 17:31:34,199 main.py:269 - Ambari agent machine hostname (localhost.localdomain) does not match expected ambari server hostname (hdp02). Aborting registration. Please check hostname, hostname -f and /etc/hosts file to confirm your hostname is setup correctly
  INFO 2024-09-19 17:31:34,199 ExitHelper.py:57 - Performing cleanup before exiting...
  INFO 2024-09-19 17:31:34,200 AlertSchedulerHandler.py:159 - [AlertScheduler] Stopped the alert scheduler.
  INFO 2024-09-19 17:31:34,200 AlertSchedulerHandler.py:159 - [AlertScheduler] Stopped the alert scheduler.
  INFO 2024-09-19 17:32:44,751 main.py:155 - loglevel=logging.INFO
  INFO 2024-09-19 17:32:44,754 Hardware.py:68 - Initializing host system information.
  INFO 2024-09-19 17:32:44,759 Hardware.py:188 - Some mount points were ignored: /dev, /dev/shm, /run, /sys/fs/cgroup, /run/user/0  

Amabri agent 获取hostname为localhost.localdomain 看了一下 cat /etc/hosts，获取的是本地回环地址。
hostname -f 、cat /etc/hostname 都没啥问题，可能是没看日历，或者少拜一步，重启 ambari-server …

报错依旧，可能操作姿势不太对，下定决心重做系统。这次应该没事了…

报错照旧，本着专业写bug的态度，就找了一下hostname.py 这个文件find / -name 'hostname.py' 获取hostname 方式。调用Ambari 开发者确实厉害，提供了很多便利的地方，获取hostname 可以允许自行配置hostname_script。当然本地的三台机器我也是这么傻瓜式的按装的呢，没配置最后走 socket.getfqdn() 获取全局限定域名,源码如下 :

def hostname(config):
 global cached_hostname
 if cached_hostname is not None:
   return cached_hostname

 try:
   scriptname = config.get('agent', 'hostname_script')
   try:
     osStat = subprocess32.Popen([scriptname], stdout=subprocess32.PIPE, stderr=subprocess32.PIPE)
     out, err = osStat.communicate()
     if (0 == osStat.returncode and 0 != len(out.strip())):
       cached_hostname = out.strip()
       logger.info("Read hostname '{0}' using agent:hostname_script '{1}'".format(cached_hostname, scriptname))
     else:
       logger.warn("Execution of '{0}' failed with exit code {1}. err='{2}'\nout='{3}'".format(scriptname, osStat.returncode, err.strip(), out.strip()))
       cached_hostname = socket.getfqdn()
       logger.info("Read hostname '{0}' using socket.getfqdn() as '{1}' failed".format(cached_hostname, scriptname))
   except:
     cached_hostname = socket.getfqdn()
     logger.warn("Unexpected error while retrieving hostname: '{0}', defaulting to socket.getfqdn()".format(sys.exc_info()))
     logger.info("Read hostname '{0}' using socket.getfqdn().".format(cached_hostname))
 except:
   cached_hostname = socket.getfqdn()
   logger.info("agent:hostname_script configuration not defined thus read hostname '{0}' using socket.getfqdn().".format(cached_hostname))

 cached_hostname = cached_hostname.lower()
 return cached_hostname

执行 python 输入 import socket 继续输入print(socket.gethostname())
嗯，是配置过的名字。再次输出print(socket.getfqdn()) 哦豁返回的是 location.localdomain, 果然报错日志没骗我，对比一下本地机器的输入输出 本地机器正常。心里有一万个***在奔腾，然后提了个工单，截图如下:

最后说我调用的函数有问题，ambari 确实不是遥遥领先写得坚决不能承认问题 。当然也有决绝方式，不能正常返回就退一步，退一步不行再退一步，修改vim /etc/ambari-agent/conf/ambari-agent.ini 指定一下hostname_script 配置，配置如下：

#!/bin/bash  
hostname=$(hostname -f)  # 获取完全限定域名  
echo $hostname

修改 vim /etc/ambari-agent/conf/ambari-agent.ini

[agent]  
hostname_script=/path/to/hostname.sh

继续按装，其他节点有问题，就同步一份。后来仔细想了想，不行肯定还有其他地方用到hostname.py 索性直接把 hostname.py改了算了,简单暴力 直接全局替换 socket.getfqdn() -> socket.gethostname()。ambari agent 检查过了 ,装好了(还有其他乱七八问题) 后到了下班点，下班牛马周末继续。

第二天早起看到华为云的工单，然后继续说我的用的函数有问题

, 我专业写bug的是我想用啥就用啥的吗?这解决问题的态度跟我朋友一样，能解决的问题看心情解决一下，解决不了的就先把提问题的解决掉。这两天刷抖音看到的毒鸡汤也有点多，退步换来的只有得寸进尺。最后小哥也给我打电话解释了，他专业业有限，也问过os那边的同事 确定hostname配置没错。他说那总结了一下是调用函数的问题，继续离谱，然后说客户也有很多其他问题，阿里云没问题切换华为云就这问题那问题的。本人只是为了解决问题，既然他们靠不住，自己再试试，业余运维真心不敢乱改源码，尤其这种组件的，后期爆个雷，真的从程序和人一个能跑选后者了。担心的还主要是万一hadoop中间件内部也有用这种方式获取hostname的。bug写多了有点后怕。

查了一下 配置fqdn的文章。直接不让配置的hostname走回环地址，利用

nmcli general hostname hadoop-0002.com
nmcli networking off 
nmcli networking on

注意 最好在华为云控制台远程登录，因为涉及到网络重启，有可能执行nmcli networking off 链接有会断。

重新试了一下 惊奇的发现socket.getfqdn()正确返回了 继续重做系统，每台机器都执行一下，最后完美搭建~。

升华

问题是让socket.getfqdn()返回正确的hostname，那么为何不从hosts文件入手或者看一下getfqdn()是如何返回的。推荐一波 看到前面我懵了 直接把hosts文件里的hostname对应的回环地址那一行删掉不就行了

[root@tms-0002 ~]# cat /etc/hosts
::1	localhost	localhost.localdomain	localhost6	localhost6.localdomain6
127.0.0.1	localhost	localhost.localdomain	localhost4	localhost4.localdomain4
127.0.0.1	tms-0002	tms-0002
192.168.11.90 tms01
192.168.11.138 tms02
192.168.11.190 tms03
[root@tms-0002 ~]# vim /etc/hosts
[root@tms-0002 ~]# python
Python 2.7.5 (default, Nov 14 2023, 16:14:06)
[GCC 4.8.5 20150623 (Red Hat 4.8.5-44)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import socket
>>> socket.getfqdn()
'tms-0002'
>>>

没错就是127.0.0.1 tms-0002 tms-0002 这一行。HDP装好了，算求不重新搞了~

总结

回顾一下，其实问题也不是啥大问题，就是因为 华为云初始化机器的时候，hosts文件中多了一行hostname 走回环的配置。前面废话有点多，只是记录一下问题解决的过程。有问题留言第一时间解决~ 吐槽一下幸亏华为云没喊遥遥领先，也不确定是否真联系了，授权也给他们开了，自由登录服务，最后这答复 问题没解决差点给我解决了。