更新时间:2023-03-17 GMT+08:00

ALM-18000 Yarn服务不可用

告警解释

告警模块按60秒周期检测Yarn服务状态。当检测到Yarn服务不可用时产生该告警。

Yarn服务恢复时,告警恢复。

告警属性

告警ID

告警级别

是否自动清除

18000

紧急

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。

对系统的影响

集群无法提供Yarn服务。用户无法执行新的application。已提交的application无法执行。

可能原因

  • ZooKeeper服务异常。
  • HDFS服务异常。
  • Yarn集群中没有主ResourceManager实例。
  • Yarn集群中的所有NodeManager节点异常。

处理步骤

检查ZooKeeper服务状态。

  1. 在FusionInsight Manager的告警列表中,查看是否有告警“ALM-13000 ZooKeeper服务不可用”产生。

    • 是,执行2
    • 否,执行3

  2. 参考“ALM-13000 ZooKeeper服务不可用”的处理步骤处理故障后,检查本告警是否恢复。

    • 是,处理完毕。
    • 否,执行3

检查HDFS服务状态

  1. 在FusionInsight Manager的告警列表中,查看是否有HDFS相关告警产生。

    • 是,执行4
    • 否,执行5

  2. 选择“运维 > 告警 > 告警”,根据告警帮助处理HDFS相关告警后,检查本告警是否恢复。

    • 是,处理完毕。
    • 否,执行5

检查Yarn集群中的ResourceManager状态。

  1. 在FusionInsight Manager界面,选择“集群 > 待操作集群的名称 >服务 > Yarn”。
  2. 在“概览”中,检查Yarn集群中是否存在主ResourceManager实例。

    • 是,执行7
    • 否,执行10

检查Yarn集群中的NodeManager节点状态。

  1. 在FusionInsight Manager界面,选择“集群 > 待操作集群的名称 > 服务 > Yarn > 实例”。
  2. 查看NodeManager的“运行状态”,检查是否有处于非健康状态的节点。

    • 是,执行9
    • 否,执行10

  3. 按“ALM-18002 NodeManager心跳丢失”或“ALM-18003 NodeManager不健康”提供的步骤处理该故障,故障修复后检查本告警是否恢复。

    • 是,处理完毕。
    • 否,执行10

收集故障信息。

  1. 在主集群的FusionInsight Manager界面,选择“运维 > 日志 > 下载”。
  2. 在“服务”勾选待操作集群的“Yarn”。
  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。