ALM-18022 Yarn队列资源不足

告警解释

告警模块按60秒周期检测Yarn队列资源，当队列可用资源或队列AM（ApplicationMaster）可用资源不足时，产生该告警。

当可用资源充足时，该告警自动消除。

告警属性

告警ID	告警级别	是否自动清除
18022	次要	是

告警参数

参数名称	参数含义
来源	产生告警的集群名称。
队列名	产生告警的队列名。
队列指标名	产生告警的队列指标名。
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

应用任务结束时间变长。
新应用提交后长时间无法运行。

可能原因

NodeManager节点资源过小。
队列最大资源容量设置过小。
AM最大资源百分比设置过小。

处理步骤

检查告警详情。

在FusionInsight Manager界面，选择“运维 > 告警 > 告警”，弹出告警页面。
查看“Yarn队列资源不足”告警详情中的“定位信息”，查看“定位信息”是否为“队列名=root;队列指标名=Memory”或“队列名=root;队列指标名=vCores”。
- 是，执行3。
- 否，执行4。
出现该定位信息表示Yarn集群内存或CPU不足，登录NodeManager节点，分别使用命令free -g和cat /proc/cpuinfo，查询节点可用内存和可用CPU，据此在FusionInsight Manager界面增大Yarn NodeManager的资源参数“yarn.nodemanager.resource.memory-mb”和“yarn.nodemanager.resource.cpu-vcores”的值，然后重启NodeManager实例。查看该告警是否消除。
- 是，处理完毕。
- 否，执行4。
查看“定位信息”为“队列名=<租户队列名>;队列指标名=Memory”或“队列名=<租户队列名>;队列指标名=vCores”，然后查看“附加信息”是否包含“available Memory =”或“available vCores =”。
- 是，执行5。
- 否，执行7。
出现该附加信息表示该租户队列内存或者CPU不足，选择“租户资源 > 动态资源计划 > 资源分布策略”，调大“最大资源容量”的值，查看该告警是否消除。
- 是，处理完毕。
- 否，执行6。
选择“集群 > 待操作集群的名称 > 服务 > Yarn > 配置 > 全部配置”，输入搜索关键字“threshold”，单击“ResourceManager”，调整如下参数阈值：

如果“附加信息”中包含“available Memory =”，调整“yarn.queue.memory.alarm.threshold”的阈值使其小于“附加信息”中的“available Memory =”的值。

如果“附加信息”中包含“available vCores =”，调整“yarn.queue.vcore.alarm.threshold”的阈值使其小于“附加信息”中的“available vCores =”的值。
等待5分钟，查看该告警是否消除。
- 是，处理完毕。
- 否，执行9。
查看“附加信息”包含“available AmMemory =”或“available AmvCores =”，表示该租户队列的ApplicationMaster内存和CPU不足，选择“租户资源 > 动态资源计划 > 队列配置”，增大“AM最大资源百分比”，查看该告警是否消除。
- 是，处理完毕。
- 否，执行8。
选择“集群 > 待操作集群的名称 >服务 > Yarn > 配置 > 全部配置”，输入搜索关键字“threshold”，单击“ResourceManager”：调整如下参数阈值：

如果“附加信息”包含“available AmMemory =”，调整“yarn.am.memory.alarm.threshold”的阈值使其小于“附加信息”中的“available AmMemory =”的值。

如果“附加信息”包含“available AmvCores =”，调整“yarn.am.vcore.alarm.threshold”的阈值使其小于“附加信息”中的“available AmvCores =”的值。
等待5分钟，查看该告警是否消除。
- 是，处理完毕。
- 否，执行9。