ALM-45455 ClickHouse节点间负载不均衡

告警解释

系统每天检测前一天ClickHouse服务每个节点上接收到的业务下发的查询请求数量是否均衡，如果检测到存在不均衡，则系统产生告警。节点间接收到的业务下发的查询请求数量的差异阈值通过ClickHouse服务配置参数MAX_NODE_BALANCE_THRESHOLD查看和调整。

当系统检测到前一天ClickHouse服务所有节点上接收到的业务下发的查询请求数量均衡时，告警自动清除。

告警属性

告警参数

对系统的影响

当ClickHouse节点间负载不均衡时，可能导致集群性能不稳定，甚至出现部分节点负载过高，影响业务稳定运行。

可能原因

业务未使用负载均衡组件或服务。

处理步骤

检查ClickHouse业务压力是否过大

1. 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。
2. 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

3. 执行以下语句，查询每个节点接收到的业务下发的查询请求数量。

   select FQDN(), count() as cnt from clusterAllReplicas(${cluster_name}, 'system.query_log') where query_kind = 'Select' and type = 'QueryStart' and user != 'clickhouse' and event_date = '${alarm_date}' group by FQDN();

   

   • cluster_name：集群名称，默认值为：default_cluster。
   • alarm_date：告警发生的前一天，比如告警发生在2025年2月20日，则此处时间为：2025-02-19。

4. 和用户确认是否存在业务未使用负载均衡组件或服务，若是，则进行业务整改。

收集故障信息

5. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
6. 在“服务”中勾选待操作集群的“ClickHouse”。
7. 在“主机”中选择异常的主机，单击“确定”。
8. 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”。
9. 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。