ALM-45646 RocksDB的Pending Compaction持续超过阈值

告警解释

系统以用户配置的告警周期（metrics.reporter.alarm.job.alarm.rocksdb.metrics.duration，默认180s）检查作业RocksDB监控数据，如果作业RocksDB的Pending Compaction请求数持续达到flush/compaction线程数的n倍，则发送告警。当作业RocksDB的Pending Compaction请求数小于或等于阈值，则告警恢复。

• flush/compaction线程数：参数“state.backend.rocksdb.thread.num”的值，默认值2，开启SPINNING_DISK_OPTIMIZED_HIGH_MEM的默认值为4。
• n倍：参数“metrics.reporter.alarm.job.alarm.rocksdb.background.jobs.multiplier”的值，默认值2。

告警属性

告警参数

对系统的影响

Flink作业RocksDB的Pending Compaction持续超过阈值，对系统无影响。

可能原因

Flink作业RocksDB的Pending Compaction请求数量过多。

处理步骤

在TaskManager日志检查是否Pending Compaction请求数量过多并收集日志

1. 使用具有FlinkServer管理操作权限的用户登录FusionInsight Manager。
2. 选择“运维 > 告警 > 告警 > ALM-45646 RocksDB的Pending Compaction持续超过阈值”，检查该告警的“定位信息”，查看并记录告警上报的任务名。
3. 选择“集群 > 服务 > Yarn”，单击“ResourceManager WebUI”后的链接进入Yarn原生页面。

4. 根据告警“定位信息”中的任务名找到异常任务，查找并记录作业的“application ID”，是否可以在Yarn页面上查看到作业日志。
   图1 作业的“application ID”
   
   • 是，执行5。
   • 否，执行6。

5. 单击失败作业application ID进入作业界面。
   1. 单击作业“Logs”列的“Logs”，查看并保存Jobmanager日志。
      图2 单击“Logs”
      
   2. 单击“Attempt ID”列的ID，单击“Logs”列的“Logs”，查看并保存Taskmanager日志，执行7。
      图3 单击“Attempt ID”列的ID
      
      图4 单击“Logs”
      
      

      使用具有当前Flink作业的管理操作权限的用户登录Manager，选择“集群 > 服务 > Flink”，单击“Flink WebUI”后的链接，单击“作业管理”，在作业的“操作”列选择“更多 > 作业详情”也可查看Taskmanager日志。

若无法在Yarn页面上查看日志，可通过HDFS下载日志

6. 返回Manager，选择“集群 > 服务 > HDFS”，单击“NameNode WebUI”后的链接进入HDFS页面，选择“Utilities > Browse the file system”，在“/tmp/logs/用户名/bucket-logs-tfile/任务application ID的后4位/任务的application ID”目录下载日志。

检查是否Pending Compaction请求数量过多

7. 查看作业TaskManager监控日志（搜索标识：RocksDBMetricPrint）中参数“rocksdb.mem-table-flush-pending”的值（单位个数）和“rocksdb.compaction-pending”的值（单位个数）的和是否大于RocksDB线程数的n倍（metrics.reporter.alarm.job.alarm.rocksdb.background.jobs.multiplier，默认值2），如果大于线程数的指定倍数，可增加RocksDB线程数。
   • 是：在Flink WebUI的作业开发界面，调整如下自定义参数的值并保存后执行8。

     表1 调整自定义参数

     参数名称	默认值	说明
     state.backend.rocksdb.thread.num	2 4：开启SPINNING_DISK_OPTIMIZED_HIGH_MEM	Flush线程数，增加线程数以快速将内存数据落盘 增加线程数的同时，需增加vcore的数量 推荐2-10

   • 否：执行9。

8. 重启作业，检查告警是否恢复。
   • 是，处理完毕。
   • 否，执行9。

9. 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。