更新时间:2023-03-17 GMT+08:00

ALM-14028 待补齐的块数超过阈值

告警解释

系统每30秒周期性检测待补齐的块数量,并把待补齐的块数量和阈值相比较。需补齐的块数量指标默认提供一个阈值范围。当检测到丢失的块数量超出阈值范围时产生该告警。

用户可通过“运维 > 告警 > 阈值设置 > 待操作集群名称 > HDFS > 文件和块 > 需要复制副本的块总数(NameNode)”修改阈值。

平滑次数为1,待补齐的块数量小于或等于阈值时,告警恢复;平滑次数大于1,待补齐的块数量小于或等于阈值的90%时,告警恢复。

告警属性

告警ID

告警级别

是否自动清除

14028

次要

告警参数

参数名称

参数含义

来源

产生告警的集群名称。

服务名

产生告警的服务名称。

角色名

产生告警的角色名称。

主机名

产生告警的主机名。

NameService名

产生告警的NameService名称。

Trigger condition

系统当前指标取值满足自定义的告警设置条件。

对系统的影响

HDFS存储数据丢失,HDFS可能会进入安全模式,无法提供写服务。丢失的块数据无法恢复。

可能原因

  • DataNode实例异常。
  • 数据被删除。
  • 写入文件的副本数大于DataNode的节点数。

处理步骤

  1. 在FusionInsight Manager首页,选择“运维 > 告警 > 告警”查看是否存在告警“ALM-14003 丢失的HDFS块数量超过阈值”。

    • 是,执行2
    • 否,执行3

  2. 按照“ALM-14003 丢失的HDFS块数量超过阈值”的处理方法处理,然后等待5分钟,检查告警是否清除。

    • 是,结束。
    • 否,执行3

  1. 以root用户登录HDFS客户端,用户密码为安装前用户自定义,请咨询系统管理员。执行如下命令:

    • 安全模式:

      cd 客户端安装目录

      source bigdata_env

      kinit hdfs

    • 普通模式:

      su - omm

      cd 客户端安装目录

      source bigdata_env

  2. 执行命令hdfs fsck / >> fsck.log,获取当前集群的状况。
  3. 使用命令统计当前待复制块数量M:

    cat fsck.log | grep "Under-replicated"

  4. 使用命令统计“/tmp/hadoop-yarn/staging/”目录下的待复制块数量N:

    cat fsck.log | grep "Under replicated" | grep "/tmp/hadoop-yarn/staging/" | wc -l

    “/tmp/hadoop-yarn/staging/”目录为默认值,如果客户有修改,可以通过mapred-site.xml文件配置项“yarn.app.mapreduce.am.staging-dir”获取此路径。

  5. 比对N是否占了M的大多数(N/M>50%)。

    • 是,执行8
    • 否,执行9

  6. 执行命令来重新配置目录的文件副本数(文件副本数选择DataNode节点数或者默认文件副本数):

    hdfs dfs -setrep -w 文件副本数 /tmp/hadoop-yarn/staging/

    默认文件副本数通过如下方式获取:

    登录Manager页面,选择“集群 > 服务 > HDFS > 配置 > 全部配置”,搜索dfs.replication参数,该参数的值即是默认文件副本数。

    然后等待5分钟,检查告警是否清除。

    • 是,结束。
    • 否,执行9

收集故障信息

  1. 在FusionInsight Manager首页,选择“运维 > 日志 > 下载”。
  2. 在“服务”中勾选待操作集群的“HDFS”。
  3. 单击右上角的设置日志收集的“开始时间”和“结束时间”分别为告警产生时间的前后10分钟,单击“下载”。
  4. 请联系运维人员,并发送已收集的故障日志信息。

告警清除

此告警修复后,系统会自动清除此告警,无需手工清除。

参考信息

无。