ALM-14006 HDFS文件数超过阈值

告警解释

系统每30秒周期性检测HDFS文件数，并把实际文件数和阈值相比较。当检测到HDFS文件数指标超出阈值范围时产生该告警。

平滑次数为1，HDFS文件数指标的值小于或等于阈值时，告警恢复；平滑次数大于1，HDFS文件数指标的值小于或等于阈值的90%时，告警恢复。

告警属性

告警参数

对系统的影响

HDFS文件数过多可能造成HDFS系统响应慢或磁盘被占满。

可能原因

HDFS文件数超过阈值。

处理步骤

检查系统中的文件数量。

1. 在FusionInsight Manager首页，查看当前的HDFS文件数。HDFS文件数可以通单击“集群 > 待操作集群的名称 > 服务 > HDFS”，单击图表区域右上角的下拉菜单，选择“定制 > 文件和块”，勾选“HDFS文件”和“HDFS块数”监控项查看。
2. 在“集群 > 待操作集群的名称 > 服务 > HDFS > 配置 > 全部配置”中查找“NameNode”下的GC_OPTS参数。
3. 配置文件对象数阈值：修改GC_OPTS参数中Xmx的值（Xmx内存值对应文件数阈值的公式为（y = 0.2007 x - 0.6312），其中x为内存数Xmx（GB），y为文件数（单位KW）。用户根据需要调整内存大小）。
4. 确认GC_PROFILE的值为custom，使GC_OPTS配置生效。单击“保存”，单击“更多 > 重启服务”重启服务。
   

   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。

5. 检查本告警是否清除。
   • 是，处理完毕。
   • 否，执行6。

检查系统中是否有不需要的文件。

6. 以root用户登录HDFS客户端，用户密码为安装前用户自定义，请咨询系统管理员。执行cd命令进入客户端安装目录，然后执行source bigdata_env命令设置环境变量。

   如果集群采用安全版本，要进行安全认证。

   执行kinit hdfs命令，按提示输入密码。向MRS集群管理员获取密码。

7. 执行hdfs dfs -ls 文件或目录路径命令，检查该目录下的文件或目录是否是可以删除的无用文件。
   • 是，执行8。
   • 否，执行9。

8. 执行hdfs dfs -rm -r 文件或目录路径命令。确认删除无用的文件后，等待文件在垃圾站中超过保留时间后（NameNode的配置参数“fs.trash.interval”指定了垃圾站中数据的保留时间），检查本告警是否清除。
   

   删除文件为高危操作，在执行操作前请务必确认对应文件是否不再需要。

   • 是，处理完毕。
   • 否，执行9。

收集故障信息。

9. 在FusionInsight Manager首页，单击“运维 > 日志 > 下载”。
10. 在“服务”中勾选待操作集群的“HDFS”。
11. 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”。
12. 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

NameNode JVM参数配置规则

NameNode JVM参数“GC_OPTS”默认值为：

-Xms2G -Xmx4G -XX:NewSize=128M -XX:MaxNewSize=256M -XX:MetaspaceSize=128M -XX:MaxMetaspaceSize=128M -XX:+UseConcMarkSweepGC -XX:+CMSParallelRemarkEnabled -XX:CMSInitiatingOccupancyFraction=65 -XX:+PrintGCDetails -Dsun.rmi.dgc.client.gcInterval=0x7FFFFFFFFFFFFFE -Dsun.rmi.dgc.server.gcInterval=0x7FFFFFFFFFFFFFE -XX:-OmitStackTraceInFastThrow -XX:+PrintGCDateStamps -XX:+UseGCLogFileRotation -XX:NumberOfGCLogFiles=10 -XX:GCLogFileSize=1M -Djdk.tls.ephemeralDHKeySize=3072 -Djdk.tls.rejectClientInitiatedRenegotiation=true -Djava.io.tmpdir=${Bigdata_tmp_dir}