# ALM-18030 NodeManager上Container运行失败率超过阈值
#### 告警解释
NodeManager每30秒周期性检测实例上Container运行情况，当运行Container的失败率超过阈值，且连续发生3次以上，则触发该告警。
NodeManager实例上运行Container的失败率低于阈值后告警清除。
本章节仅适用于MRS 3.6.0-LTS及之后版本。
#### 告警属性
| 告警ID  | 告警级别                                                                                | 是否可自动清除 |
|:---|:---|:---|
| 18030 | 紧急（默认阈值为90%） 重要（默认阈值为80%） | 是       |
   
#### 告警参数
| 类别   | 参数名称 | 参数含义                  |
|:---|:---|:---|
| 定位信息 | 来源   | 产生告警的集群名称。            |
| 定位信息 | 服务名  | 产生告警的服务名称。            |
| 定位信息 | 角色名  | 产生告警的角色名称。            |
| 定位信息 | 主机名  | 产生告警的主机名。             |
| 附加信息 | 触发条件 | 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
影响上层服务（HBase，Spark等）任务执行，可能导致上层业务失败。
#### 可能原因
- NodeManager自身处理能力到达瓶颈。
- NodeManager实例配置不合理，或节点上关键文件损坏。
 
#### 处理步骤
**检查是否NodeManager自身处理能力到达瓶颈**。
1. 登录FusionInsight Manager界面，选择"运维 \> 告警 \> 告警"。查看并记录当前告警详细信息中上报的NodeManager实例名。
2. 在告警列表中查看是否存在"ALM-18011 NodeManager进程垃圾回收（GC）时间超过阈值"告警，且上报的主机名与[步骤 1]一致。
   
   - 是，执行[步骤 3]。
   
   - 否，执行[步骤 5]。
   
   
   
   
3. 参考"ALM-18011 NodeManager进程垃圾回收（GC）时间超过阈值"告警处理步骤进行处理。

4. 等待5分钟，检查该告警是否恢复。 
   - 是，处理完毕。
   
   - 否，执行[步骤 5]。
   
   
   
   
**检查是否** **NodeManager** **配置不合理**。
5. 在FusionInsight Manager界面，选择"集群 \> 服务 \> Yarn \> 实例"。单击[步骤 1]获取的主机对应的NodeManager实例名称。
6. 选择"实例配置 \> 全部配置 \> 系统"，查看NodeManager实例的系统参数配置是否合适，如果不合适请适当调整实例参数后，保存配置，并选择右上角"更多 \> 重启实例"，验证密码后重启该实例。
7. 等待5分钟，检查该告警是否恢复。 
   - 是，处理完毕。
   
   - 否，执行[步骤 8]。
   
   
   
   
**收集故障信息。**
8. 在FusionInsight Manager首页，选择"运维 \> 日志 \> 下载"。
9. 在"服务"中勾选待操作集群的"Yarn"，单击"确定"。
10. 单击右上角的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"。
11. 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。