ALM-12101 AZ不健康

告警解释

AZ容灾开启后，系统每隔5分钟检查一次当前系统上AZ的健康状态，当检测到AZ健康状态为亚健康或者不健康时产生告警。AZ健康状态恢复健康时，告警清除。

告警属性

告警参数

对系统的影响

AZ的健康状态由AZ内的存储资源（HDFS）、计算资源（Yarn）和关键角色的健康度是否超过配置阈值决定。

AZ亚健康有两种：

• 计算资源（Yarn）不健康，存储资源（HDFS）健康，任务无法提交到本AZ，但是数据可以继续往本AZ内读写。
• 计算资源（Yarn）健康，存储资源（HDFS）部分不健康，任务可以提交到本AZ，部分数据可以在本AZ内读写，依赖于Spark/Hive调度感知数据的本地性。

AZ不健康有三种：

• 计算资源（Yarn）健康，存储资源（HDFS）不健康，任务虽然可以提交到本AZ，但是数据无法在本AZ内读写，导致任务提交到本AZ无意义。
• 计算资源（Yarn）不健康，存储资源（HDFS）不健康，任务无法提交到本AZ，数据也无法往本AZ内读写。
• 除Yarn与HDFS以外，关键角色的健康度低于配置阈值。

可能原因

• 计算资源（Yarn）不健康。
• 存储资源（HDFS）不健康。
• 存储资源（HDFS）部分不健康。
• 除Yarn与HDFS以外，关键角色不健康。

处理步骤

关闭容灾演练。

1. 在FusionInsight Manager页面，选择“集群 > 待操作集群的名称 > 跨AZ高可用”，打开跨AZ高可用页面。
2. 检查AZ容灾列表中健康状态为“非健康”的AZ所在行的操作列中的“容灾演练”是否为灰色。
   • 是，执行4。
   • 否，执行3。

3. 单击目标AZ行“操作”列中的“恢复”，待恢复后。等待2分钟，刷新页面查看该AZ健康状态。查看是否健康恢复。
   • 是，处理完毕。
   • 否，执行4。

收集故障信息。

4. 以root用户登录主管理节点。
5. 查看不健康服务的日志信息。
   • HDFS的日志文件存储路径为“/var/log/Bigdata/hdfs/nn/hdfs-az-state.log”。
   • Yarn的日志文件存储路径为“/var/log/Bigdata/yarn/rm/yarn-az-state.log”。
   • 其余服务请查看对应服务日志目录下的服务健康检查日志。

6. 请联系运维人员，并提供日志文件详细信息。

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

不涉及。