ALM-18022 Yarn队列资源不足

MRS 3.3.1之前版本：告警模块按60秒周期检测Yarn队列资源，当队列可用资源或队列AM（ApplicationMaster）可用资源不足时，产生该告警。
当可用资源充足时，该告警自动消除。
MRS 3.3.1及之后版本：告警模块按周期（“alarm.resource.lack.check.times.threshold”参数控制，单位：分钟）检测Yarn队列资源，当队列可用资源或队列AM（ApplicationMaster）可用资源不足时：
- 如果“alarm.resource.lack.enable”参数配置为“true”，且“alarm.resource.lack.enable.queues”为空，则允许所有队列触发当前告警。
- 如果“alarm.resource.lack.enable”参数配置为“true”，且“alarm.resource.lack.enable.queues”配置了队列名称，则仅允许指定的队列上报当前告警。
- 如果“alarm.resource.lack.enable”参数配置为“false”，则不允许所有队列上报当前告警。
以上参数可以在Manager页面选择“集群 > 服务 > Yarn > 配置 > 全部配置”，搜索对应参数进行配置。

当可用资源充足时，该告警自动消除。

告警ID	告警级别	是否自动清除
18022	次要	是

调整告警上报机制（仅适用于MRS 3.3.1及之后版本）

请根据实际业务情况，确认是否所有队列都需要上报当前告警：
- 所有队列都不需要上报告警：登录FusionInsight Manager界面，选择“集群 > 服务 > Yarn > 配置 > 全部配置”，搜索并修改“alarm.resource.lack.enable”参数值为“false”，保存配置。
- 仅部分队列需要上报告警：登录FusionInsight Manager界面，选择“集群 > 服务 > Yarn > 配置 > 全部配置”，搜索并修改“alarm.resource.lack.enable.queues”参数值为需要上报当前告警的队列名称，保存配置。
- 所有队列都需要上报告警：执行3。
等待5分钟，查看该告警是否消除。
- 是，处理完毕。
- 否，执行3。

检查NodeManager节点资源。

在FusionInsight Manager界面，选择“运维 > 告警 > 告警”，弹出告警页面。
查看“Yarn队列资源不足”告警详情中的“定位信息”，查看“定位信息”是否为“队列名=root;队列指标名=Memory”或“队列名=root;队列指标名=vCores”。
- 是，执行5。
- 否，执行6。
出现该定位信息表示Yarn集群内存或CPU不足，登录NodeManager节点，分别使用命令free -g和cat /proc/cpuinfo，查询节点可用内存和可用CPU，据此在FusionInsight Manager界面增大Yarn NodeManager的资源参数“yarn.nodemanager.resource.memory-mb”和“yarn.nodemanager.resource.cpu-vcores”的值，然后重启NodeManager实例。查看该告警是否消除。

NodeManager重启过程中，提交到该节点的Container可能会重试到其他节点。
- 是，处理完毕。
- 否，执行6。

检查队列最大资源容量设置。

查看告警详情中“定位信息”为“队列名=<租户队列名>;队列指标名=Memory”或“队列名=<租户队列名>;队列指标名=vCores”，然后查看告警详情中“附加信息”是否包含“available Memory =”或“available vCores =”。
- 是，执行7。
- 否，执行9。
出现该附加信息表示该租户队列内存或者CPU不足，选择“租户资源 > 动态资源计划 > 资源分布策略”，调大“最大资源容量”的值，查看该告警是否消除。
- 是，处理完毕。
- 否，执行8。
选择“集群 > 待操作集群的名称 > 服务 > Yarn > 配置 > 全部配置”，输入搜索关键字“threshold”，单击“ResourceManager”，调整如下参数阈值：

如果“附加信息”中包含“available Memory =”，调整“yarn.queue.memory.alarm.threshold”的阈值使其小于“附加信息”中的“available Memory =”的值。

如果“附加信息”中包含“available vCores =”，调整“yarn.queue.vcore.alarm.threshold”的阈值使其小于“附加信息”中的“available vCores =”的值。
等待5分钟，查看该告警是否消除。
- 是，处理完毕。
- 否，执行11。

检查AM最大资源百分比。

查看“附加信息”包含“available AmMemory =”或“available AmvCores =”，表示该租户队列的ApplicationMaster内存和CPU不足，选择“租户资源 > 动态资源计划 > 队列配置”，增大“AM最大资源百分比”，查看该告警是否消除。
- 是，处理完毕。
- 否，执行10。
选择“集群 > 待操作集群的名称 >服务 > Yarn > 配置 > 全部配置”，输入搜索关键字“threshold”，单击“ResourceManager”：调整如下参数阈值：

如果“附加信息”包含“available AmMemory =”，调整“yarn.am.memory.alarm.threshold”的阈值使其小于“附加信息”中的“available AmMemory =”的值。

如果“附加信息”包含“available AmvCores =”，调整“yarn.am.vcore.alarm.threshold”的阈值使其小于“附加信息”中的“available AmvCores =”的值。
等待5分钟，查看该告警是否消除。
- 是，处理完毕。
- 否，执行11。