更新时间:2023-03-17 GMT+08:00

ALM-19013 region处在RIT状态的时长超过阈值

告警解释

系统按300秒周期性检测HBase上的region处在RIT状态的数量。当检测到处在RIT状态的region时长超过阈值时长(连续两次超过阈值),上报该告警。当处在超时状态的region都恢复后,告警恢复。

若集群启用了多实例功能且安装了多个HBase服务,请根据“定位信息”的“服务名”值来确定具体产生告警的HBase服务。例如HBase1服务不可用,则“定位信息”中显示服务名=HBase1,处理步骤中的操作对象也应由HBase调整为HBase1。

告警属性

告警ID

告警级别

是否自动清除

19013

重要

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。

对系统的影响

表的部分数据丢失或不可用。

可能原因

  • Compaction永久阻塞。
  • HDFS文件异常。

处理步骤

检查告警原因

  1. 在FusionInsight Manager首页,选择运维 > 告警 > 告警,选中“告警ID”为“19013”的告警,查看“定位信息”中的主机名及角色名。
  1. 选择“集群 > 待操作集群的名称 > 服务 > HBase ”,单击图表区域右上角的下拉菜单,选择“定制 > 服务 > 处在RIT状态的region数”,单击“确定”,查看该图表中“处在RIT状态达到阈值时长的region数”监控项是否在连续3个检测周期内检测到值。(默认阈值为60秒)。

    • 是,执行3
    • 否,执行7

  2. 选择“集群 > 待操作集群的名称 > 服务 > HBase > HMaster(主) > Tables” ,查看是否只是某一个表的region RIT状态超时。

    • 是,执行4
    • 否,执行7

  3. 在客户端执行hbase hbck是否报错“No table descriptor file under hdfs://hacluster/hbase/data/default/table”。

    • 是,执行5
    • 否,执行7

  4. root用户登录客户端。执行如下命令:

    cd 客户端安装目录

    source bigdata_env

    如为安全模式集群,请执行kinit hbase

    登录HMaster WebUI,在导航栏选择“Procedure & Locks”,在Procedures查看是否有处于Waiting状态的process id。如果有,需要执行以下命令将procedure lock释放:

    hbase hbck -j 客户端安装目录/HBase/hbase/tools/hbase-hbck2-*.jar bypass -o pid

    查看State是否处于Bypass状态,如果界面上的procedures一直处于RUNNABLE(Bypass)状态,需要进行主备切换。执行assigns命令使region重新上线。

    hbase hbck -j 客户端安装目录/HBase/hbase/tools/hbase-hbck2-*.jar assigns -o regionName

  5. 在客户端执行hbase hbck,查看否报错“No table descriptor file under hdfs://hacluster/hbase/data/default/table”。

    • 是,执行7
    • 否,处理完毕。

收集故障信息

  1. 在主备集群的FusionInsight Manager界面,选择“运维 > 日志 > 下载”。
  2. 在“服务”中勾选待操作集群的有问题的HBase服务。
  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。