ALM-13001 ZooKeeper可用连接数不足

告警解释

系统每60秒周期性检测ZooKeeper服务连接数状态，当检测到ZooKeeper实例连接数超出阈值（最大连接数的80%）时产生该告警。

平滑次数为1，ZooKeeper可用连接数小于或等于阈值时，告警恢复；平滑次数大于1，ZooKeeper可用连接数小于或等于阈值的90%时，告警恢复。

告警属性

告警ID	告警级别	是否自动清除
13001	重要	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。
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

ZooKeeper可用连接数不足，当连接率超过100%时无法处理外部连接，导致上游组件（例如Yarn、Flink等）无法正常运行。

可能原因

该节点ZooKeeper连接量过大，超过阈值。某些连接进程存在连接泄露，或配置的最大连接数不符合实际使用场景。

处理步骤

检查连接状态。

在FusionInsight Manager首页，选择“运维 > 告警 > 告警”，单击告警“ZooKeeper可用连接数不足”所在行的下拉菜单，在定位信息中确认告警上报的主机名所在的节点IP地址。
获取ZooKeeper进程pid。以root用户登录到告警上报的节点，用户密码为安装前用户自定义，请咨询系统管理员，执行命令：pgrep -f proc_zookeeper。
是否正常获取pid。
- 是，执行4。
- 否，执行15。
获取所有与当前ZooKeeper实例连接的IP及连接数量，取连接数最多的前十个进行检查。根据获取到的pid值，执行命令lsof -i|grep $pid | awk '{print $9}' | cut -d : -f 2 | cut -d \> -f 2 | awk '{a[$1]++} END {for(i in a){print i,a[i] | "sort -r -g -k 2"}}' | head -10 。（$pid为上一步获取的pid值）
获取节点IP与连接数是否成功。
- 是，执行6。
- 否，执行15。
获取连接进程的端口号。根据获取到的pid与IP值，执行命令lsof -i|grep $pid | awk '{print $9}'|cut -d \> -f 2 |grep $IP| cut -d : -f 2 。（$pid与$IP为上一步获取的pid值与IP值）
获取端口号port成功。
- 是，执行8。
- 否，执行15。
获取连接进程的进程号。依次登录到各IP，根据获取到的port号，执行命令lsof -i|grep $port。（$port为上一步获取端口号）
获取进程号成功。
- 是，执行10。
- 否，执行15。
根据获取到的进程号，查看进程是否存在连接泄露。
- 是，执行11。
- 否，执行12。
将存在连接泄露的进程关掉，观察界面上告警是否消除。
- 是，处理完毕。
- 否，执行12。
在FusionInsight Manager首页，选择“集群 > 待操作集群的名称 > 服务 > ZooKeeper > 配置 > 全部配置 > quorumpeer > 性能”中，将“maxCnxns”的值根据实际情况调大。

图1 maxCnxns
保存配置，并重启ZooKeeper服务。

服务在重启过程中将不可用。另外，依赖该服务的上层服务也将受到影响。
界面上告警是否消除。
- 是，处理完毕。
- 否，执行15。