ALM-19033 RegionServer的RPC读队列数超过阈值

告警解释

系统每30秒周期性检测每个HBase服务的RegionServer实例的RPC读队列待处理任务个数，当检测到某个RegionServer上的RPC读队列待处理任务个数连续10次超出阈值时产生该告警。

当RegionServer实例的RPC读队列待处理任务个数小于或等于阈值时，告警消除。

该告警仅适用于MRS 3.3.1及之后版本。

告警属性

告警参数

对系统的影响

RegionServer RPC读队列数超过阈值，请求队列堆积会导致读取请求的响应时间增加，对于时延敏感型业务，可能会导致大量的业务读取请求超时。

可能原因

• RegionServer堆内存配置不合理。
• RegionServer配置不合理。
• RegionServer的Region分布不均，存在读取热点。
• 慢盘故障。

处理步骤

1. 在FusionInsight Manager首页，选择“运维 > 告警 > 告警”，查看“告警ID”为“19033”的告警的“定位信息”中上报该告警的服务实例和主机名。

检查RegionServer堆内存配置。

2. 在FusionInsight Manager的告警列表中，查看1中的告警实例是否有“HBase服务进程堆内存使用率超过阈值”告警产生。
   • 是，执行3。
   • 否，执行5。

3. 参考“ALM-19008 HBase服务进程堆内存使用率超过阈值”的处理步骤处理该故障。
4. 等待几分钟后，在告警列表中查看该告警是否清除。
   • 是，处理完毕。
   • 否，执行5。

5. 在FusionInsight Manager首页，选择“集群 > 服务 > HBase > 图表”，在“图表分类”中选择“GC”，查看GC次数和GC时间监控是否异常。
   • 是，执行6。
   • 否，执行9。

6. 单击“配置”，在搜索框中搜索“GC_OPTS”，在RegionServer所在节点内存允许范围内，适当调大RegionServer该参数的“Xmx”值，建议最大值不超过31GB，单击“保存”保存配置。
7. 单击“概览”，选择“更多 > 重启服务”，重启HBase服务。
   

   HBase服务重启期间，HBase服务的业务无法使用，包括数据读写、表相关操作、访问HBase WebUI界面等。

8. 等待几分钟后，在告警列表中查看该告警是否清除。
   • 是，处理完毕。
   • 否，执行9。

检查RegionServer配置。

9. 在FusionInsight Manager首页，选择“集群 > 服务 > HBase > 配置 > 全部配置”，查看“hbase.bucketcache.size”配置是否合理，该值越大读缓存越大，有助于提升读取性能，在节点剩余内存前提下适当调大该配置，单击“保存”保存配置。单击“概览”，选择“更多 > 重启服务”，重启HBase服务。
10. 等待几分钟后，在告警列表中查看该告警是否清除。
    • 是，处理完毕。
    • 否，执行11。

11. 在HBase概览界面，单击“HMaster Web UI”右侧超链接进入HBase WebUI页面，在“Tables”区域的“User Tables”页签单击用户当前正在大量读的表名称，在“Table”页签的“Table Schema”区域查看该表的“BLOCKCACHE”值是否为“false”。
    • 是，执行12。
    • 否，执行14。

    

12. 使用omm用户登录HBase客户端所在节点，执行以下命令修改11表列族的BLOCKCACHE参数值为“true”：

    cd 客户端安装目录

    source bigdata_env

    kinit 归属于supergroup用户组或具备Global的Admin权限的用户（集群未启用Kerberos认证（普通模式）请跳过该操作）

    hbase shell

    alter '表名', {NAME => '列族名', BLOCKCACHE => true}

    执行以下命令检查列族的BLOCKCACHE参数是否已更改为“true”：

    describe '表名'

13. 等待几分钟后，在告警列表中查看该告警是否清除。
    • 是，处理完毕。
    • 否，执行14。

检查RegionServer的Region分布是否均匀。

14. 在FusionInsight Manager首页，选择“集群 > 服务 > HBase”，单击“HMaster(主)”，进入HBase WebUI页面，查看Region Servers区域“Base Stats”页签的“Num.Regions”列上Region的个数分布是否均衡。
    • 是，执行20。
    • 否，执行15。

    

15. 以omm用户登录故障RegionServer节点。
16. 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

    kinit 归属于supergroup用户组或具备Global的Admin权限的用户（集群未启用Kerberos认证（普通模式）请跳过该操作）

17. 执行以下命令查看负载均衡功能是否打开。

    hbase shell

    balancer_enabled

    若执行结果为“true”则表示已打开负载均衡功能。

    • 是，执行20。
    • 否，执行18。

18. 执行以下命令打开负载均衡功能，并确认是否成功打开。

    balance_switch true

    balancer_enabled

    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。

19. 等待几分钟后，在告警列表中查看该告警是否清除。
    • 是，处理完毕。
    • 否，执行20。

检查慢盘故障。

20. 查看中1上报告警节点是否存在“慢盘故障”或“磁盘不可用”告警。
    • 是，执行21。
    • 否，执行23。

21. 参考“ALM-12033 慢盘故障”、“ALM-12063 磁盘不可用”的处理步骤处理该故障。
22. 等待几分钟后，在告警列表中查看该告警是否清除。
    • 是，处理完毕。
    • 否，执行23。

收集故障信息

23. 在FusionInsight Manager首页，选择“集群 > 服务 > HBase > 图表”，在“图表分类”选择“IO”，查看“Pread最大耗时-所有实例”和“Read最大耗时-所有实例”监控值（正常值不超过100ms）。
24. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
25. 在“服务”中勾选待操作集群的“HBase”。
26. 单击右上角的时间编辑按钮，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”。
27. 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。