一.运维三板斧

三板斧可以解决90%以上的故障处理工作。1>.重启

重启有问题的机器或经常，使其正常工作。2>.切换

主备切换或主主切换，链接正常工作的节点。3>.查杀

查杀有问题的进程，链接等。4>.三板斧的问题

第一：只能处理故障处理问题，不能解决性能调优，架构优化等问题；

第二：只能治标，不能治本；5>..大数据运维和传统运维的不同

第一：传统运维面对的底层软硬件基本稳固，大数据运维面对的是商用硬件和复杂linux版本；

第二：传统运维面对的是单机架构为主，大数据运维面对复杂的分布式架构；

第三：传统运维大多维护闭源商业版系统，大数据运维通常面对开源系统，文档手册匮乏，对阅读源码要求高。

第四：大数据运维对自动化工具的依赖大大增加；

二.Iaas层(基础设置及服务)运维工作

一般中大型企业有自己的基础设施维护团队，这部分工作不会交给大数据运维来做。小公司可能需要大数据运维键值这部分工作，主要关注三个方面：1>.硬件

大数据系统大多使用廉价PC Server或虚拟机，硬件故障是常态，通过告警，日志，维护命令等识别故障，并支持硬件更换。2>.存储

大多使用PC Server挂本磁盘的存储方式，极少情况会使用SAN(存储区域网络)或NAS(网络附属存储)，熟悉分区，格式化，巡检等基本操作。3>.网络

网络的配置变更更需要比较专业的知识，如有需要可学习CCNA，CCNP等认证课程，但网络硬件和配置出问题概率很低，主要关注丢包，延时。

三.HDFS运维工作1>.容量管理

第一：HDFS空间我使用超过80%要警惕，如果是多租户环境，租户的配额空间也能用完；

第二：熟悉hdfs，fsck，distcp等常用命令，会使用DataNode均衡器；2>.进程管理

第一：NameNode的进程是重点

第二：熟悉dfsadmin等Ingles。怎么做NameNode高可用。3>.故障管理

Hadoop最常见的故障就是硬盘损坏。4>.配置管理

hdfs-site.xml中的参数设置。

四.MapReduce运维工作1>.进程管理

第一：jobtracker进程故障概率比较低，有问题可以通过重启解决；

第二：了解一下HA的做法；2>.配置管理

mapred-site.xml中的参数设置。

五.Yarn运维工作1>.故障管理

主要是当任务异常这中止时看日志排查，通茶故障原因会集中在资源问题，权限问题中的一种。2>.进程管理

ResourceManager主要是学会配置HA

NodeManager进程挂掉不重要，重启即可。3>.配置管理

yarn-site.xml中的参数设置，主要分三块配置，scheduler的，ResourceManager的，NodeManager的。

六.Hive/Impala运维工作1>.SQL问题排查

第一：结果不对，主要原因可能是SQL错误，数据不存在，UDF错误等，需要靠经验排查

第二：慢SQL，这类问题开发经常会找运维排查，有可能是劣势SQL，数据量大，也有可能是集群资源紧张；2>.元数据管理

Hive和Impala公用的元数据，存在关系型数据库中。

七.其它组件

根据组件用途，特性，关注点的不用，运维工作也各不相同，如：1>.HBase关注读写性能，服务的可用性2>.Kafka关注吞吐量，负载均衡，消息不丢机制3>.Flume关注屯度量，故障后的快速恢复