文档首页/ MapReduce服务 MRS/ 用户指南/ MRS集群运维/ MRS集群告警处理参考/ ALM-18026 Yarn上运行失败的任务数超过阈值
更新时间:2024-09-04 GMT+08:00

ALM-18026 Yarn上运行失败的任务数超过阈值

告警解释

告警模块按60秒周期检测Yarn root队列上失败的应用的数量,当root队列上该监控周期内新增的运行失败的应用的数量超过50时,且连续发生3次以上,触发该告警。

告警属性

告警ID

告警级别

是否自动清除

18026

重要

告警参数

参数名称

参数含义

来源

产生告警的集群名称。

服务名

产生告警的服务名称。

角色名

产生告警的角色名称。

主机名

产生告警的主机名。

Trigger Condition

系统当前指标取值满足自定义的告警设置条件。

对系统的影响

  • 大量应用任务运行失败。
  • 运行失败的任务需要重新提交。

可能原因

任务出于某种错误运行失败。

处理步骤

检查告警详情。

  1. 在FusionInsight Manager界面,选择“运维 > 告警 > 告警”,打开告警页面。
  2. 查看“Yarn上运行失败的任务数超过阈值”告警详情中的“附加信息”,确认监控阈值是否设置过小。

    • 是,执行3
    • 否,执行4

  3. 选择“运维 > 告警 > 阈值设置 > 待操作集群的名称 > Yarn > 其它 > root队列下失败的任务数”,修改该监控的阈值。执行6
  4. 选择“集群 > 待操作集群的名称 > 服务 > Yarn > ResourceManager(主)”,进入ResourceManager的WebUI页面。
  5. 单击“Applications”下的“FAILED”,单击最上面的任务。查看“Diagnostics”对应的描述信息,根据定位的任务失败原因,处理相关问题。

    图1 单击“FAILED”

  6. 等待3分钟,查看该告警是否消除。

    • 是,处理完毕。
    • 否,执行7

收集故障信息。

  1. 在FusionInsight Manager界面,选择“运维 > 日志 > 下载”。
  2. 在“服务”中勾选待操作集群的“Yarn”。
  3. 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”。
  4. 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

无。