ALM-45453 Keeper连接断开

告警解释

系统每分钟检测一次ClickHouse和Keeper的连接情况，如果检测连接失败，系统产生告警（告警原因为Keeper连接异常）。如果连续3次检测连接失败，系统产生告警（告警原因为Keeper连接断开）。

当系统检测到有一次连接成功，告警自动清除。

告警属性

告警参数

对系统的影响

当ClickHouse与Keeper断连，将无法正常使用ClickHouse服务。

可能原因

• Keeper状态异常。
• ClickHouse业务压力过大。

处理步骤

检查ClickHouseKeeper状态是否异常。

1. 在FusionInsight Manager首页，选择“集群 > 服务 > ClickHouse > ClickHouseKeeper”。
2. 查看ClickHouseKeeper各实例是否正常。
   • 是，执行步骤 6。
   • 否，执行步骤 3。

3. 选中运行状态不为良好的实例，选择“更多 > 重启实例”。
4. 查看实例重启后运行状态是否为良好。
   • 是，执行步骤 5。
   • 否，执行步骤 10。

5. 在“运维 > 告警 > 告警”页签，查看该告警是否恢复。
   • 是，处理完毕。
   • 否，执行步骤 6。

检查ClickHouse业务压力是否过大

6. 登录FusionInsight Manager页面，选择“运维 > 告警 > 告警”，查看当前告警“定位信息”中的角色名以及确认主机名所在的IP地址。
7. 以客户端安装用户，登录客户端的节点，执行如下命令：

   cd {客户端安装路径}

   source bigdata_env

   • 集群已启用Kerberos认证（安全模式）：

     kinit 组件业务用户

     clickhouse client --host 上报告警的ClickHouseServer实例IP --port 9440 --secure

   • 集群未启用Kerberos认证（普通模式）：

     clickhouse client --host 上报告警的ClickHouseServer实例IP --user 用户名 --password --port 9440

8. 执行以下语句，查询系统表判断是否有业务频繁写入，若有相关业务，等待业务执行完成，查看告警是否清除。

   SELECT query_id, user, FQDN(), elapsed, query FROM system.processes ORDER BY query_id;

   • 是，操作结束。
   • 否，执行步骤 9。

9. 和用户确认是否有大批量数据写入，若是，请等待任务结束之后，查看告警是否消除。
   • 是，操作结束。
   • 否，执行步骤 10。

收集故障信息

10. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
11. 在“服务”中勾选待操作集群的“ClickHouse”。
12. 在“主机”中选择异常的主机，单击“确定”。
13. 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1小时，单击“下载”。
14. 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。