Flink作业级巡检能力

操作场景

当集群运行大量Flink作业时，为方便用户对每个作业进行健康状态评估，FlinkServer WebUI提供Flink作业健康度管理功能，用户可直接在页面查看当前作业的健康情况，并可一键导出所有作业的健康度信息。作业状态分如下情况：

• 健康：作业运行正常，作业状态健康。
• 亚健康：
  • 出现“ALM-45637 Flink作业task持续背压”告警，根据告警信息修复告警后，健康状态自动恢复至健康。
  • 出现“ALM-45639 Flink作业checkpoint完成时间超过阈值”告警，根据告警信息修复告警后，健康状态自动恢复至健康。
• 不健康：
  • 出现“ALM-45636 Flink作业连续checkpoint失败”告警，根据告警信息修复告警后，健康状态自动恢复至健康。
  • 出现“ALM-45638 Flink作业失败重启次数超阈值”告警，根据告警信息修复告警后，需重启该作业，作业自动恢复至健康。

前提条件

• 集群运行正常，并已安装集群客户端。
• 提交作业前，需配置“客户端安装路径/Flink/flink/conf/flink-conf.yaml”文件，开启作业注册到FlinkServer功能和作业告警功能，参数设置如下：

  表1 开启作业注册和作业告警功能

  参数	值	描述
  job.register.enable	true	是否开启作业注册到FlinkServer： true：开启 false：不开启
  job.alarm.enable	true	是否开启作业告警： true：开启 false：不开启

  

  通过客户端注册到FlinkServer的作业，如果未开启作业注册到FlinkServer功能，暂不支持在FlinkServer WebUI执行启动、开发、停止等操作。

• 需确保未使用“Session模式”提交作业并且需要指定作业名。

操作步骤

1. 访问Flink WebUI，请参考访问Flink WebUI。
2. 单击“作业管理”进入作业管理页面。
   • 查看作业健康度
     在作业管理页面查看当前作业的健康状态：

     • 空：作业未运行，无健康状态
     • 绿色图标：健康
     • 黄色图标：亚健康
     • 红色图标：不健康
   • 导出所有作业健康报告

     单击“作业健康报告”，系统会自动将所有作业的健康状态信息导出至本地，包括作业名称，健康度，提交用户，告警信息，配置信息和启动时间等。

     • 健康度为“0”：健康
     • 健康度为“1”：亚健康
     • 健康度为“2”：不健康