ALM-45437 ClickHouse表part数量过多

告警解释

当part数量超过阈值part_num_threshold时，系统上报此告警。

当part数量低于阈值part_num_threshold时，告警自动消除。

告警属性

告警参数

对系统的影响

ClickHouse表part数量过多可能导致业务报错。

可能原因

ClickHouse表数据分布不合理，或后台合并任务执行慢导致part数量多。

处理步骤

1. 登录FusionInsight Manager页面，选择“运维 > 告警 > 告警”，查看当前告警“定位信息”中的角色名以及确认主机名所在的IP地址。
2. 以客户端安装用户，登录客户端的节点，执行如下命令：

   cd {客户端安装路径}

   source bigdata_env

   • 安全模式（开启Kerberos）：

     kinit 组件业务用户

     clickhouse client --host 上报告警的ClickHouseServer实例IP --port 9440 --secure

   • 普通模式（关闭Kerberos）：

     clickhouse client --host 上报告警的ClickHouseServer实例IP --user 用户名 --password --port 9000

3. 执行如下命令，手动触发part合并：

   optimize table 库名.表名 final;

4. 查看part数量是否减少

   select FQDN(), database, table, count(1) from clusterAllReplicas(default_cluster, system.parts) where database='库名' and table='表名' and active=1 group by (FQDN(), database, table);

   1. 若part数量减少到阈值以下，等待5min查看告警是否消除。
      • 是，操作结束。
      • 否，执行5。
   2. 若part数量仍然未减少，则检查表的分区键是否设置不合理，分区数量太多，若不合理，需要整改业务。
   3. 返回内容为空，则说明该表已经不存在，此告警为历史告警，可忽略，手动清除即可。

收集故障信息

5. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
6. 在“服务”中勾选待操作集群的“ClickHouse”。
7. 在“主机”中选择异常的主机，单击“确定”。
8. 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1小时，单击“下载”。
9. 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。