ALM-45009 HetuEngine计算实例任务失败率超过阈值

告警解释

系统每30秒周期性检测HetuEngine计算实例的任务失败率，当检测到HetuEngine计算实例的任务失败率大于等于50%时产生该告警。

HetuEngine计算实例运行的任务失败率小于50%时，告警清除。

告警属性

告警参数

对系统的影响

HetuEngine计算实例任务失败率过高，会影响业务的正常运行，需及时排查问题并处理。

可能原因

• 计算实例资源配置过小。
• 业务存在大SQL任务，占用过多计算资源，导致其他提交的任务无资源可用，整个计算实例响应变慢，造成任务积压。

处理步骤

检查计算实例资源配置是否合理

1. 使用可访问HetuEngine WebUI界面的管理员用户登录FusionInsight Manager。
2. 选择“运维 > 告警 > 告警 > HetuEngine计算实例任务失败率超过阈值”，检查该告警的“附加信息”，查看并记录告警上报的租户名。
3. 选择“集群 > 服务 > HetuEngine”，在概览页签下的“基本信息”区域，单击“HSConsole Web UI”后的链接，进入HSConsole界面。
4. 在“计算实例”页签，单击对应计算实例所属的租户名的“配置”，查看该计算实例的资源配置是否合理（默认资源配置为最小化配置，可以根据实际需求调节）。
   • 是，执行8。
   • 否，执行5。

5. 返回计算实例列表，单击“停止实例”，根据界面提示停止计算实例。
   

   停止计算实例会影响提交到该计算实例上的业务。

6. 单击“配置”，根据实际情况增加计算实例的资源配置，配置完成后单击“确定”，单击“启动实例”，根据界面提示启动实例。
7. 等待2分钟，查看告警是否消失。
   • 是，处理完毕。
   • 否，执行8。

查看业务是否存在大SQL任务

8. 在“计算实例”页签，展开对应租户下的实例，单击计算实例“WebUI”列的“LINK”，查看所有任务的运行情况。
9. 在“Sort”列选择“Execution Time”对运行的任务进行排序，查看是否存在运行时间过长的任务（小时级的任务）。
   • 是，执行10。
   • 否，在“Failed”列选择所有的失败任务，收集计算实例中SQL运行的详细报错信息，然后执行12。

10. 联系业务侧根据实际情况结束长时间运行的任务并对业务SQL进行优化。
11. 等待2分钟，查看告警是否消失。
    • 是，处理完毕。
    • 否，在“Failed”列选择所有的失败任务，收集计算实例中SQL运行的详细报错信息，然后执行12。

收集故障信息。

12. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
13. 在“服务”中勾选“HetuEngine”，单击“确定”。
14. 在“主机”中勾选对应角色所在的主机，单击“确定”。
15. 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”。
16. 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。