告警解釋
告警模塊按60秒周期檢測Yarn服務狀態。當檢測到Yarn服務不可用時產生該告警。
Yarn服務恢復時，告警恢復。
告警屬性
| 告警ID | 告警級別 | 是否自動清除 |
|---|---|---|
| 18000 | 緊急 | 是 |
告警參數
| 參數名稱 | 參數含義 |
|---|---|
| 來源 | 產生告警的集群名稱。 |
| 服務名 | 產生告警的服務名稱。 |
| 角色名 | 產生告警的角色名稱。 |
| 主機名 | 產生告警的主機名。 |
對系統的影響
集群無法提供Yarn服務。用戶無法執行新的application。已提交的application無法執行。
可能原因
- ZooKeeper服務異常。
- HDFS服務異常。
- Yarn集群中沒有主ResourceManager實例。
- Yarn集群中的所有NodeManager節點異常。
處理步驟
檢查ZooKeeper服務狀態
1.在FusionInsight Manager的告警列表中，查看是否有告警“ALM-13000 ZooKeeper服務不可用”產生。
- 是，執行步驟2。
- 否，執行步驟3。
2.參考“ALM-13000 ZooKeeper服務不可用”的處理步驟處理故障后，檢查本告警是否恢復。
- 是，處理完畢。
- 否，執行步驟3。
檢查HDFS 服務狀態
3.在FusionInsight Manager的告警列表中，查看是否有HDFS相關告警產生。
- 是，執行步驟4。
- 否，執行步驟5。
4.選擇“運維 > 告警 > 告警”，根據告警幫助處理HDFS相關告警后，檢查本告警是否恢復。
- 是，處理完畢。
- 否，執行步驟5。
檢查Yarn集群中的ResourceManager狀態
5.在FusionInsight Manager界面，選擇“集群 > 待操作集群的名稱 >服務 > Yarn”。
6.在“概覽”中，檢查Yarn集群中是否存在主ResourceManager實例。
- 是，執行步驟7。
- 否，執行步驟10。
檢查Yarn集群中的NodeManager節點狀態
7.在FusionInsight Manager界面，選擇“集群 > 待操作集群的名稱 > 服務 > Yarn > 實例”。
8.查看NodeManager的“運行狀態”，檢查是否有處于非健康狀態的節點。
- 是，執行步驟9。
- 否，執行步驟10。
9.按“ALM-18002 NodeManager心跳丟失”或“ALM-18003 NodeManager不健康”提供的步驟處理該故障，故障修復后檢查本告警是否恢復。
- 是，處理完畢。
- 否，執行步驟10。
收集故障信息
10.在主集群的FusionInsight Manager界面，選擇“運維 > 日志 > 下載”。
11.在“服務”勾選待操作集群的“Yarn”。
12.單擊右上角的
設置日志收集的“開始時間”和“結束時間”分別為告警產生時間的前后10分鐘，單擊“下載”。
13.請聯系運維人員，并發送已收集的故障日志信息。
告警清除
此告警修復后，系統會自動清除此告警，無需手工清除。
參考信息
無。
