ALM-19034 RegionServer WAL写入超时个数超过阈值

告警解释

系统每30秒周期性检测每个HBase服务的RegionServer实例的WAL写入超时个数，当检测到某个RegionServer上的WAL写入超时个数连续10次超出阈值时产生该告警。

当RegionServer实例的WAL写入超时个数小于或等于阈值时，告警消除。

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

RegionServer WAL写入超时个数超过阈值，会增加写操作的延迟，数据写入速度变慢，并且WAL写入超时过多可能导致数据写入性能严重下降。

可能原因

• 慢盘故障。
• RegionServer GC异常。
• HBase负载过高。
• WAL配置不合理。

处理步骤

1. 在FusionInsight Manager首页，选择“运维 > 告警 > 告警”，查看“告警ID”为“19034”的告警的“定位信息”中上报该告警的服务实例和主机名。

检查是否存在慢盘故障。

2. 在FusionInsight Manager的告警列表中，查看1中的告警实例是否有“慢盘故障”或“磁盘不可用”告警产生。
   • 是，执行3。
   • 否，执行5。

3. 参考“ALM-12033 慢盘故障”或“ALM-12063 磁盘不可用”的处理步骤处理该故障。
4. 等待几分钟后，在告警列表中查看该告警是否清除。
   • 是，处理完毕。
   • 否，执行5。

检查RegionServer GC是否异常。

5. 在FusionInsight Manager的告警列表中，排查是否存在告警ID为“19007”的“HBase GC时间超过阈值”告警。
   • 是，执行6。
   • 否，执行8。

6. 参考“ALM-19007 HBase GC时间超出阈值”的处理步骤处理该故障。
7. 等待几分钟后，在告警列表中查看该告警是否清除。
   • 是，处理完毕。
   • 否，执行8。

检查HBase负载。

8. 在FusionInsight Manager的告警列表中，排查是否存在告警ID为“19018”的“HBase合并队列超出阈值”告警。
   • 是，执行9。
   • 否，执行11。

9. 参考“ALM-19018 HBase合并队列超出阈值”的处理步骤处理该故障。
10. 等待几分钟后，在告警列表中查看该告警是否清除。
    • 是，处理完毕。
    • 否，执行11。

检查WAL配置。

11. 在FusionInsight Manager首页，选择“集群 > 服务 > HBase > 配置 > 全部配置”，查看配置项“hbase.wal.hsync”和“hbase.hfile.hsync”参数值是否都为“true”。
    • 是，执行12。
    • 否，执行14。

12. 将“hbase.wal.hsync”和“hbase.hfile.hsync”参数值都配置为“false”，单击“保存”保存配置。单击“概览”，选择“更多 > 重启服务”，重启HBase服务。
    

    HBase服务重启期间，HBase服务的业务无法使用，包括数据读写、表相关操作、访问HBase WebUI界面等。

13. 等待几分钟后，在告警列表中查看该告警是否清除。
    • 是，处理完毕。
    • 否，执行14。

收集故障信息

14. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
15. 在“服务”中勾选待操作集群的“HBase”。
16. 单击右上角的时间编辑按钮，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”。
17. 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。