计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive

作业无法提交如何定位?

更新时间:2024-11-29 GMT+08:00

问题背景与现象

客户通过DGC或者在MRS Console无法提交作业。

问题影响

作业无法提交,业务中断。

作业流程简介

  1. 所有请求会先经过APIG网关,受到APIG配置的流控限制。
  2. APIG将请求转发到MRS管控面的api-gateway中。
  3. MRS管控面API节点轮询主备oms的Knox,确认主oms的Knox。
  4. MRS管控面API提交任务到主oms的Knox。
  5. Knox转发请求到本节点的executor进程。
  6. executor进程提交任务到Yarn。
图1 作业流程

处理步骤

前期准备:

  • 确定作业是通过DGC或在MRS Console提交。
  • 准备如表1信息。
    表1 修复前准备事项

    序号

    项目

    操作方式

    1

    集群账号信息

    申请集群admin账户的密码。

    2

    节点账号信息

    申请集群内节点的omm、root用户密码。

    3

    SSH远程登录工具

    准备PuTTY或SecureCRT等工具。

    4

    客户端

    已提前安装好客户端。

  1. 确认异常来源。

    查看作业日志中收到的错误码,确认错误码是属于APIG还是MRS。

    • 若是公共APIG的错误码(APIG的错误码是APIGW开头),联系公共APIG维护人员。
    • 若是MRS侧错误,继续下一步。

  2. 排查服务和进程运行状态等基本情况。

    1. 登录Manager界面确认是否有服务故障,如果有作业相关服务故障或者底层基础服务故障,需要解决故障。
    2. 查看是否有严重告警。
    3. 登录主Master节点。
    4. 执行如下命令查看oms状态是否正常,主oms节点executor和knox进程是否正常。knox是双主模式,executor是单主模式。

      /opt/Bigdata/om-0.0.1/sbin/status-oms.sh

    5. 以omm用户执行jmap -heap PID检查knox和executor进程内存使用情况,如果多次执行查看到老生代内存使用率为99.9%说明有内存溢出。

      查询executor进程PID:netstat -anp | grep 8181 | grep LISTEN

      查询knox进程PID:ps -ef|grep knox | grep -v grep

      如果内存溢出,需要现在执行jmap -dump:format=b,file=/home/omm/temp.bin PID,导出内存信息后重启进程进行恢复。

    6. 查看Yarn的原生界面,确认队列资源情况,以及任务是否提交到了yarn上。
      Yarn的原生界面:在集群详情页选择“组件管理 > Yarn > ResourceManager WebUI > ResourceManager (主)”
      图2 Yarn界面队列资源情况

  3. 排查任务提交失败点。

    1. 登录MRS控制台,单击集群名称进入集群详情页面。
    2. 选择“作业管理”页签,单击作业所在行“操作”列的“查看日志”。
      图3 作业日志
    3. 若没有日志或者日志信息不详细,则在“作业名称/ID”列复制作业ID。
    4. 在主oms节点执行如下命令确认任务请求是否下发到了knox,如果请求没有到knox则可能是knox出了问题,需要尝试重启knox进行恢复。

      grep "mrsjob" /var/log/Bigdata/knox/logs/gateway-audit.log | tail -10

    5. 进入executor的日志中搜索作业ID,查看报错信息。

      日志路径:/var/log/Bigdata/executor/logs/exe.log

    6. 修改“/opt/executor/webapps/executor/WEB-INF/classes/log4j.properties”文件开启executor的debug日志,提交测试任务,查看executor的日志并确认作业提交过程中的报错。

      日志路径:/var/log/Bigdata/executor/logs/exe.log

    7. 如果当前任务在exeutor中出错,执行如下命令打印executor的jstack信息,确认线程当前执行状态。

      jstack PID > xxx.log

    8. 在集群详情页面选择“作业管理”页签,单击作业所在行“操作”列的“查看详情”,获取“实际作业编号”applicationID。
    9. 在集群详情页选择“组件管理 > Yarn > ResourceManager WebUI > ResourceManager (主)”进去Yarn的原生界面,单击applicationID。
      图4 Yarn的Applications
    10. 在任务详情页面查看日志。
      图5 任务日志

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容