更新时间:2022-05-12 GMT+08:00
分享

ALM-19020 HBase容灾等待同步的wal文件数量超过阈值

告警解释

系统每30秒周期性检测每个HBase服务实例RegionServer等待同步的wal文件数量。该指标可以在RegionServer角色监控界面查看,当检测到某个RegionServer上的等待同步wal文件数量超出阈值(默认连续20次超过默认阈值128)时产生该告警。用户可通过“运维 > 告警 > 阈值设置> 待操作集群 > HBase”修改阈值。当等待同步的wal文件数量小于或等于阈值时,告警消除。

告警属性

告警ID

告警级别

是否自动清除

19020

重要

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

RegionServer等待同步的wal文件数量超出阈值,会影响HBase使用的ZNode超出阈值,影响HBase服务状态。

可能原因

  • 网络异常。
  • RegionServer的Region分布不均匀。
  • 备集群HBase服务规模过小。

处理步骤

查看告警定位信息

  1. 在FusionInsight Manager首页,选择“运维 > 告警 > 告警”,选择“告警ID”为“19020”的告警,查看“定位信息”中产生该告警的服务实例和主机名。

检查主备集群RegionServer之间的网络连接。

  1. 执行ping命令,查看故障RegionServer节点和备集群RegionServer所在主机的网络连接是否正常。

    • 是,执行5
    • 否,执行3

  2. 联系网络管理员恢复网络。
  3. 网络恢复后,在告警列表中,查看本告警是否清除。

    • 是,处理完毕。
    • 否,执行5

检查主集群RegionServer的Region分布情况

  1. 在FusionInsight Manager首页,选择“集群 > 待操作集群的名称 > 服务 > HBase”,单击“HMaster(主)”,打开该HBase实例的WebUI,查看Region Servers上Region分布是否均衡。

  2. omm用户登录故障RegionServer节点。
  3. 进入客户端安装目录,设置环境变量。

    cd 客户端安装目录

    source bigdata_env

    如果集群采用安全版本,要进行安全认证。执行kinit hbase命令,按提示输入密码(向管理员获取密码)。

  4. 执行以下命令查看目前负载均衡功能是否打开。

    hbase shell

    balancer_enabled
    • 是,执行10
    • 否,执行9

  5. 在hbase shell中执行命令打开负载均衡功能,并执行命令查看确认成功打开。

    balance_switch true

    balancer_enabled

  6. 执行balancer命令手动触发负载均衡。

    建议打开和手动触发负载均衡操作在业务低峰期进行。

  7. 观察该告警是否清除。

    • 是,处理完毕。
    • 否,执行12

检查备集群HBase服务规模

  1. 对HBase集群扩容,增加节点,并在节点上增加RegionServer实例。然后执行步骤6-步骤10,打开负载均衡功能并手动触发。
  2. 在FusionInsight Manager首页,选择“集群 > 待操作集群的名称 > 服务 > HBase”,单击“HMaster(主)”,打开该HBase实例的WebUI,刷新页面查看Region分布是否均衡。

    • 是,执行14
    • 否,执行15

  3. 观察该告警是否清除。

    • 是,处理完毕。
    • 否,执行15

收集故障信息

  1. 在主备群的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“HBase”。
  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。

分享:

    相关文档

    相关产品

关闭导读