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-13000 ZooKeeper服务不可用
更新时间：2024-11-22 GMT+08:00
查看PDF
分享

ALM-13000 ZooKeeper服务不可用

告警解释

系统每60秒周期性检测ZooKeeper服务状态，当检测到ZooKeeper服务不可用时产生该告警。

ZooKeeper服务恢复时，告警清除。

告警属性

告警ID

告警级别

是否自动清除

13000

紧急

是

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。

对系统的影响

ZooKeeper无法为上层组件提供协调服务，依赖ZooKeeper的组件（例如Yarn、Flink等）无法正常运行。

可能原因

  • ZooKeeper节点上安装了DNS。
  • 网络故障。
  • KrbServer服务异常。
  • ZooKeeper实例状态异常。
  • 磁盘容量不足。

处理步骤

检查DNS。

  1. 查看ZooKeeper实例所在节点上是否安装DNS。在ZooKeeper实例所在Linux节点使用命令cat /etc/resolv.conf，看该文件是否为空。

    • 是，执行2。
    • 否，执行3。

  2. 运行命令service named status查看DNS是否启动。

    • 是，执行3。
    • 否，执行5。

  3. 运行命令service named stop将DNS服务停掉，如果出现“Shutting down name server BIND waiting for named to shut down (28s)”结果，即说明DNS服务停止成功。然后将“/etc/resolv.conf”文件的内容（若不为空）全部注释。
  4. 在“运维 > 告警 > 告警”页签，查看该告警是否恢复。

    • 是，处理完毕。
    • 否，执行5。

检查网络状态。

  1. 在ZooKeeper实例所在Linux节点使用ping命令，看能否ping通其他ZooKeeper实例所在节点的主机名。

    • 是，执行9。
    • 否，执行6。

  2. 修改“/etc/hosts”中的IP信息，添加主机名与IP地址的对应关系。
  3. 再次执行ping命令，查看能否在该ZooKeeper实例节点ping通其他ZooKeeper实例节点的主机名。

    • 是，执行8。
    • 否，执行23。

  4. 在“运维 > 告警 > 告警”页签，查看该告警是否恢复。

    • 是，处理完毕。
    • 否，执行9。

检查KrbServer服务状态（普通模式集群跳过此步骤）。

  1. 在FusionInsight Manager首页，选择“集群 > 待操作集群的名称 > 服务”。
  2. 查看KrbServer服务是否正常。

    • 是，执行13。
    • 否，执行11。

  3. 参考ALM-25500 KrbServer服务不可用进行处理，查看KrbServer服务是否能够恢复。

    • 是，执行12。
    • 否，执行23。

  4. 在“运维 > 告警 > 告警”页签，查看该告警是否恢复。

    • 是，处理完毕。
    • 否，执行13。

检查ZooKeeper服务实例状态。

  1. 在FusionInsight Manager首页，选择“集群 > 待操作集群的名称 > 服务 > ZooKeeper > quorumpeer”。
  2. 查看ZooKeeper各实例是否正常。

    • 是，执行18。
    • 否，执行15。

  3. 选中运行状态不为良好的实例，选择“更多 > 重启实例”。

    重启期间服务业务可能受损或中断，建议选择业务低峰期操作。

  4. 查看实例重启后运行状态是否为良好。

    • 是，执行17。
    • 否，执行18。

  5. 在“运维 > 告警 > 告警”页签，查看该告警是否恢复。

    • 是，处理完毕。
    • 否，执行18。

检查磁盘状态。

  1. 在FusionInsight Manager首页，选择“集群 > 待操作集群的名称 > 服务 > ZooKeeper > quorumpeer”查看ZooKeeper实例所在的各节点主机信息。
  2. 在FusionInsight Manager首页，单击“主机”。
  3. 在“磁盘”列，检查ZooKeeper实例所在的各节点数据磁盘空间是否不足（使用率超过百分之80）。

    • 是，执行21。
    • 否，执行23。

  4. 参考ALM-12017 磁盘容量不足进行处理，对磁盘进行扩容。
  5. 在“运维 > 告警 > 告警”页签，查看该告警是否恢复。

    • 是，处理完毕。
    • 否，执行23。

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如下节点信息。（普通模式集群不需要下载KrbServer日志。）

    • ZooKeeper
    • KrbServer

  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。

相关文档