ALM-19006 HBase容灾同步失败

告警解释

告警模块每30s检查一次HBase容灾数据的同步状态，当同步容灾数据到备集群失败时，发送该告警。

当容灾数据同步成功后，告警清除。

告警属性

告警参数

对系统的影响

无法同步集群中HBase的数据到备集群，同步数据积压，导致大量主备数据不一致，使得容灾主备倒换或者双读从备集群读取不到最新的数据。如果持续不处理，还会导致主集群的存储空间以及ZooKeeper节点被大量积压，最终导致主集群服务故障。

可能原因

• 备集群HBase服务异常。
• 网络异常。

处理步骤

观察告警是否自动修复。

1. 在主集群的FusionInsight Manager界面，选择“运维 > 告警 > 告警”。
2. 在告警列表中单击该告警，从完整的告警信息中的“产生时间”处获得告警的产生时间，查看告警是否持续超过5分钟。
   • 是，执行4。
   • 否，执行3。

3. 等待5分钟后检查本告警是否自动恢复。
   • 是，处理完毕。
   • 否，执行4。

检查备集群HBase服务状态。

4. 登录主集群FusionInsight Manager界面，选择“运维 > 告警 > 告警”。
5. 在告警列表中单击该告警，从完整的告警信息中的“定位信息”处获得“主机名”。
6. 以omm用户进入主集群HBase客户端所在节点。

   如果集群采用了安全版本，要进行安全认证，然后使用hbase用户进入hbase shell界面。

   cd /opt/client

   source ./bigdata_env

   kinit hbaseuser

7. 执行status 'replication', 'source'命令查看故障节点的容灾同步状态。

   节点的容灾同步状态如下：

   10-10-10-153: 
   SOURCE: PeerID=abc, SizeOfLogQueue=0, ShippedBatches=2, ShippedOps=2, ShippedBytes=320, LogReadInBytes=1636, LogEditsRead=5, LogEditsFiltered=3, SizeOfLogToReplicate=0, TimeForLogToReplicate=0, ShippedHFiles=0, SizeOfHFileRefsQueue=0, AgeOfLastShippedOp=0, TimeStampsOfLastShippedOp=Mon Jul 18 09:53:28 CST 2016, Replication Lag=0, FailedReplicationAttempts=0 
   SOURCE: PeerID=abc1, SizeOfLogQueue=0, ShippedBatches=1, ShippedOps=1, ShippedBytes=160, LogReadInBytes=1636, LogEditsRead=5, LogEditsFiltered=3, SizeOfLogToReplicate=0, TimeForLogToReplicate=0, ShippedHFiles=0, SizeOfHFileRefsQueue=0, AgeOfLastShippedOp=16788, TimeStampsOfLastShippedOp=Sat Jul 16 13:19:00 CST 2016, Replication Lag=16788, FailedReplicationAttempts=5

8. 找到“FailedReplicationAttempts”的值大于0的记录所对应的“PeerID”值。

   如上步骤中，故障节点“10-10-10-153”同步数据到“PeerID”为“abc1”的备集群失败。

9. 继续执行list_peers命令，查找该“PeerID”对应的集群和HBase实例。

   PEER_ID CLUSTER_KEY STATE TABLE_CFS 
   abc1 10.10.10.110,10.10.10.119,10.10.10.133:2181:/hbase2 ENABLED  
   abc 10.10.10.110,10.10.10.119,10.10.10.133:2181:/hbase ENABLED 

   如上所示，/hbase2表示数据是同步到备集群的HBase2实例。

10. 在备集群FusionInsight Manager的服务列表中，查看通过9获取的HBase实例运行状态是否为“良好”。
    • 是，执行14。
    • 否，执行11。

11. 在告警列表中，查看是否有“ALM-19000 HBase服务不可用”告警产生。
    • 是，执行12。
    • 否，执行14。

12. 参考“ALM-19000 HBase服务不可用”的处理步骤处理该故障。
13. 等待几分钟后检查本告警是否恢复。
    • 是，处理完毕。
    • 否，执行14。

检查主备集群RegionServer之间的网络连接。

14. 登录主集群FusionInsight Manager界面，选择“运维 > 告警 > 告警”。
15. 在告警列表中单击该告警，从完整的告警信息中“定位信息”处获得“主机名”。
16. 以omm用户通过15获取的IP地址登录故障RegionServer节点。
17. 执行ping命令，查看故障RegionServer节点和备集群RegionServer所在主机的网络连接是否正常。
    • 是，执行20。
    • 否，执行18。

18. 联系网络管理员恢复网络。
19. 网络恢复后，在告警列表中，查看本告警是否清除。
    • 是，处理完毕。
    • 否，执行20。

收集故障信息。

20. 在主备集群的FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
21. 在“服务”中勾选待操作集群的“HBase”。
22. 单击右上角的时间编辑按钮，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”。
23. 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

不涉及。