ALM-43001 Spark服务不可用

告警解释

系统每300秒周期性检测Spark服务状态，当检测到Spark服务不可用时产生该告警。

Spark服务恢复时，告警清除。

告警属性

告警参数

对系统的影响

用户提交的Spark任务执行失败。

可能原因

• KrbServer服务异常。
• LdapServer服务异常。
• ZooKeeper服务异常。
• HDFS服务异常。
• Yarn服务异常。
• 对应的Hive服务异常。
• Spark assembly包异常。
• NameNode节点内存不足。
• Spark进程内存不足。

处理步骤

若告警原因为：Spark assembly包异常，则表示Spark的包存在异常，等待10分钟左右，告警自动恢复。

检查Spark依赖的服务是否有服务不可用告警。

1. 在FusionInsight Manager首页，选择“运维 > 告警 > 告警”。
2. 在告警列表中，查看是否存在以下告警：
   • ALM-25500 KrbServer服务不可用
   • ALM-25000 LdapServer服务不可用
   • ALM-13000 ZooKeeper服务不可用
   • ALM-14000 HDFS服务不可用
   • ALM-18000 Yarn服务不可用
   • ALM-16004 Hive服务不可用
   • 是，执行3。
   • 否，执行4。

3. 根据对应服务不可用告警帮助提供的故障处理对应告警。

   告警全部恢复后，等待几分钟，检查本告警是否恢复。

   • 是，处理完毕。
   • 否，执行4。

检查NameNode节点内存是否不足。

4. 检查NameNode节点内存，查看是否有节点存在内存不足的问题。
   • 是，执行5。
   • 否，执行6。

5. 重启NameNode释放内存，检查本告警是否恢复。
   • 是，处理完毕。
   • 否，执行6。

检查Spark进程内存是否不足。

6. 排查是否有内存相关的修改导致Spark进程内存不足。
   • 是，执行7。
   • 否，执行8。

7. 保证Spark进程内存充足，或者考虑集群扩容，检查本告警是否恢复。
   • 是，处理完毕。
   • 否，执行8。

收集故障信息。

8. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
9. 在“服务”中勾选待操作集群的如下节点信息。（Hive为根据告警定位信息中的“服务名”确定的具体Hive服务。）
   • KrbServer
   • LdapServer
   • ZooKeeper
   • HDFS
   • Yarn
   • Hive

10. 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”。
11. 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。