ALM-45637 Flink作业task持续背压时间超阈值

告警解释

系统以用户配置的告警周期检查作业Task持续背压时间，如果FlinkServer作业Task持续背压时间达到用户配置的阈值，则发送告警。当作业Task背压恢复或者作业重启成功，则告警恢复。

告警属性

告警参数

对系统的影响

Flink作业Task持续背压，作业持续背压会导致性能问题，或者CheckPoint失败，进而导致Flink作业失败，需要用户介入查看Flink作业运行情况和日志来确认原因，是Flink作业级别的告警，对FlinkServer本身没有影响。

可能原因

FlinkServer作业Task持续背压的具体原因可在具体日志中查看。

处理步骤

1. 使用具有FlinkServer管理操作权限的用户登录Manager。
2. 选择“集群 > 服务 > Yarn”，单击“ResourceManager WebUI”后的链接进入Yarn原生页面。
3. 根据告警“定位信息”中的任务名找到失败任务，查找并记录失败作业的“application ID”，是否可以在Yarn原生页面上查看到作业日志。
   图1 作业的“application ID”
   
   • 是，执行4。
   • 否，执行6。

4. 单击失败作业application ID进入作业界面。
   1. 单击作业“Logs”列的“Logs”，查看jobmanager日志。
      图2 单击“Logs”
      
   2. 单击“Attempt ID”列的ID，单击“Logs”列的“Logs”，查看taskmanager日志。
      图3 单击“Attempt ID”列的ID
      
      图4 单击“Logs”
      
      

      使用具有FlinkServer管理操作权限的用户登录Manager，选择“集群 > 服务 > Flink”，单击“Flink WebUI”后的链接，单击“作业管理”，在作业的“操作”列选择“更多 > 作业详情”也可查看taskmanager日志。

5. 查看失败作业日志进行故障修复，或联系运维人员，并发送已收集的故障日志信息。操作结束。

若无法在Yarn页面上查看日志，可通过HDFS下载日志。

6. 返回Manager，选择“集群 > 服务 > HDFS”，单击“NameNode WebUI”后的链接进入HDFS页面，选择“Utilities > Browse the file system”，在“/tmp/logs/用户名/logs/失败任务的application ID”目录下载日志。
7. 查看失败作业日志进行故障修复，或联系运维人员，并发送已收集的故障日志信息。

告警清除

FlinkServer作业Task背压恢复或者作业重新启动成功，则告警恢复，无需手动清除。

参考信息

不涉及。