ALM-12192 主机负载超过阈值

告警解释

系统每30秒周期性检测平均负载，并把实际平均负载和阈值相比较。当检测到平均负载连续多次（默认值为10）超出阈值范围时产生该告警。

平滑次数为1，平均负载小于或等于阈值时，告警恢复；平滑次数大于1，平均负载小于或等于阈值的90%时，告警恢复。

该告警仅适用于MRS 3.3.1及之后版本。

告警属性

告警参数

对系统的影响

• 业务延迟：主机平均负载过高时，可能会导致业务进程运行处理缓慢、业务延迟。
• 业务失败：主机平均负载过高时，可能会导致业务处理缓慢、超时、失败，可能会导致作业运行失败。

可能原因

主机配置无法满足业务需求，平均负载达到上限。或业务处于高峰期，导致短期内平均负载达到上限。

处理步骤

检查主机CPU负载使用情况。

1. 在FusionInsight Manager页面，选择“运维 > 告警 > 告警”，在告警列表中展开此告警的详细信息，在定位信息中单击产生该告警的主机名称。
2. 在“主机”页面选择产生该告警的主机，选择“图表 > 主机状态 > 主机单核CPU平均负载”，查看主机单核CPU平均负载值是否大于3。
   • 是，表示系统负载过高，执行3。
   • 否，执行8。

3. 以omm用户登录产生告警的主机节点。
4. 执行top命令查看“%Cpu(s)”的us值是否大于80。

   

   • 是：表示用户进程占用CPU过高，记录CPU占用高的进程PID，执行5。
   • 否：执行6。

5. 执行以下命令获取CPU使用高的进程名称，根据名称查询对应进程日志（日志目录“/var/log/Bigdata”），查看对应服务日志是否存在异常报错。

   ps -ef | grep PID

   • 是：执行9。
   • 否：执行6。

6. 执行top命令查看“wa”的值，并确认是否大于10.0。

   

   • 是：表明IO读写达到瓶颈，执行7。
   • 否：执行8。

7. 使用root用户执行iotop命令，查看磁盘读写占用率高的进程，并根据实际情况判断该进程是否为无用进程。
   • 是，执行以下命令停止无用进程。（PID可以在执行iotop命令后，按“P”键将TID切换为PID获取）

     kill -9 PID

   • 否，执行8。

8. 等待5分钟，检查该告警是否恢复。
   • 是，处理完毕。
   • 否，执行9。

收集故障信息。

9. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
10. 在“服务”中勾选“NodeAgent”，单击“确定”。
11. 单击右上角的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”。
12. 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。