告警解释

告警模块按60秒周期检测Yarn队列资源，当队列可用资源或队列AM（ApplicationMaster）可用资源不足时，产生该告警。

当可用资源充足时，该告警自动消除。

告警属性

告警参数

对系统的影响

• 应用任务结束时间变长。
• 新应用提交后长时间无法运行。

可能原因

• NodeManager节点资源过小。
• 队列最大资源容量设置过小。
• AM最大资源百分比设置过小。

处理步骤

检查告警详情

1.在FusionInsight Manager界面，选择“运维 > 告警 > 告警”，弹出告警页面。

2.查看“Yarn队列资源不足”告警详情中的“定位信息”，查看“定位信息”是否为“队列名=root;队列指标名=Memory”或“队列名=root;队列指标名=vCores”。

• 是，执行步骤3。
• 否，执行步骤4。

3.出现该定位信息表示Yarn集群内存或CPU不足，登录NodeManager节点，分别使用命令free -g和 cat /proc/cpuinfo ，查询节点可用内存和可用CPU，据此在FusionInsight Manager界面增大Yarn NodeManager的资源参数“yarn.nodemanager.resource.memory-mb”和“yarn.nodemanager.resource.cpu-vcores”的值，然后重启NodeManager实例。查看该告警是否消除。

• 是，处理完毕。
• 否，执行步骤4。

4.查看“定位信息”为“队列名=<租户队列名>;队列指标名=Memory”或“队列名=<租户队列名>;队列指标名=vCores”，然后查看“附加信息”是否包含“available Memory =”或“available vCores =”。

• 是，执行步骤5。
• 否，执行步骤7。

5.出现该附加信息表示该租户队列内存或者CPU不足，选择“租户资源 > 动态资源计划 > 资源分布策略”，调大“最大资源容量”的值，查看该告警是否消除。

• 是，处理完毕。
• 否，执行步骤6。

6.选择“集群 > 待操作集群的名称 > 服务 > Yarn >配置 > 全部配置”，输入搜索关键字“threshold”，单击“ResourceManager”，调整如下参数阈值：

如果“附加信息”中包含“available Memory =”，调整“yarn.queue.memory.alarm.threshold”的阈值使其小于“附加信息”中的“available Memory =”的值。

如果“附加信息”中包含“available vCores =”，调整“yarn.queue.vcore.alarm.threshold”的阈值使其小于“附加信息”中的“available vCores =”的值。

等待5分钟，查看该告警是否消除。

• 是，处理完毕。
• 否，执行步骤9。

7.查看“附加信息”包含“available AmMemory =”或“available AmvCores =”，表示该租户队列的ApplicationMaster内存和CPU不足，选择“租户资源 > 动态资源计划 > 队列配置”，增大“AM最大资源百分比”，查看该告警是否消除。

• 是，处理完毕。
• 否，执行步骤8。

8.选择“集群 > 待操作集群的名称 >服务 > Yarn > 配置 > 全部配置”，输入搜索关键字“threshold”，单击“ResourceManager”：调整如下参数阈值：

如果“附加信息”包含“available AmMemory =”，调整“yarn.am.memory.alarm.threshold”的阈值使其小于“附加信息”中的“available AmMemory =”的值。

如果“附加信息”包含“available AmvCores =”，调整“yarn.am.vcore.alarm.threshold”的阈值使其小于“附加信息”中的“available AmvCores =”的值。

等待5分钟，查看该告警是否消除。

• 是，处理完毕。
• 否，执行步骤9。

收集故障信息

9.在主集群的FusionInsight Manager界面，选择“运维 > 日志 > 下载”。

10.在“服务”中勾选待操作集群的“Yarn”。

11.单击右上角的设置日志收集的“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”。

12.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

无。