告警解释

Controller按30秒周期检测NodeAgent心跳。当Controller未接收到某一个NodeAgent的心跳，则尝试重启该NodeAgent进程，如果连续三次重启失败，产生该告警。

当Controller可以正常接收时，告警恢复。

告警属性

告警参数

对系统的影响

节点业务无法提供。

可能原因

网络断连、硬件故障或操作系统执行命令缓慢。

处理步骤

检查网络是否断连、硬件是否故障或者操作系统执行命令缓慢

1. 在FusionInsight Manager页面，选择“运维 > 告警 > 告警”，单击此告警所在行的，单击主机名，查看该告警的主机地址。
2. 以root用户登录主管理节点。
3. 执行ping 故障主机IP地址命令检查故障节点是否可达。

• 是，执行步骤12。
• 否，执行步骤4。

4. 联系网络管理员查看是否为网络故障。

• 是，执行步骤5。
• 否，执行步骤6。

5. 修复网络故障，查看告警列表中，该告警是否已清除。

• 是，处理完毕。
• 否，执行步骤6。

6. 联系系统管理员查看是否节点硬件故障（CPU或者内存等）。

• 是，执行步骤7。
• 否，执行步骤12。

7. 维修或者更换故障部件，并重启节点。查看告警列表中，该告警是否已清除。

• 是，处理完毕。
• 否，执行步骤8。

8. 当集群中上报大量的节点故障时，可能是浮动IP资源异常导致Controller无法检测NodeAgent心跳。

登录任一管理节点，查看“/var/log/Bigdata/omm/oms/ha/scriptlog/floatip.log”，查看故障出现前后1-2分钟的日志是否完整。

例如：完整日志为如下格式：

2017-12-09 04:10:51,000 INFO (floatip) Read from
${BIGDATA_HOME}/om-server_8.1.0.1/om/etc/om/routeSetConf.ini,value is : yes

2017-12-09 04:10:51,000 INFO (floatip) check wsNetExport : eth0 is up.

2017-12-09 04:10:51,000 INFO (floatip) check omNetExport : eth0 is up.

2017-12-09 04:10:51,000 INFO (floatip) check wsInterface : eRth0:oms,
wsFloatIp: XXX.XXX.XXX.XXX.

2017-12-09 04:10:51,000 INFO (floatip) check omInterface : eth0:oms, omFloatIp:
XXX.XXX.XXX.XXX.

2017-12-09 04:10:51,000 INFO (floatip) check
wsFloatIp : XXX.XXX.XXX.XXX is reachable.

2017-12-09 04:10:52,000 INFO (floatip) check
omFloatIp : XXX.XXX.XXX.XXX is reachable.

• 是，执行步骤12。
• 否，执行步骤9。

9. 查看检测完wsNetExport后是否打印omNetExport的检测日志或两条日志打印间隔时间超过10s或更长。

• 是，执行步骤10。
• 否，执行步骤12。

10. 查看操作系统的“/var/log/message”，查看故障出现时间段是否有sssd频繁重启或者nscd异常信息（Red Hat操作系统确认sssd信息，SUSE操作系统确认nscd信息）。

sssd重启样例

Feb  7 11:38:1610-132-190-105 sssd[pam]: Shutting down

Feb  7 11:38:16 10-132-190-105 sssd[nss]:Shutting down

Feb  7 11:38:16 10-132-190-105 sssd[nss]:Shutting down

Feb  7 11:38:16 10-132-190-105sssd[be[default]]: Shutting down

Feb  7 11:38:16 10-132-190-105 sssd:Starting up

Feb  7 11:38:16 10-132-190-105sssd[be[default]]: Starting up

Feb  7 11:38:16 10-132-190-105 sssd[nss]:Starting up

Feb  7 11:38:16 10-132-190-105 sssd[pam]:Starting up

nscd异常信息样例

Feb 11 11:44:42 10-120-205-33 nscd: nss_ldap: failed to bind to
LDAP server ldaps://10.120.205.55:21780: Can't contact LDAP server

Feb 11 11:44:43 10-120-205-33 ntpq: nss_ldap: failed to bind to LDAP server
ldaps://10.120.205.55:21780: Can't contact LDAP server

Feb 11 11:44:44 10-120-205-33 ntpq: nss_ldap: failed to bind to LDAP server
ldaps://10.120.205.92:21780: Can't contact LDAP server

• 是，执行步骤11。
• 否，执行步骤12。

11. 排查LdapServer节点是否故障，例如业务IP不可达、网络延时过长等；若故障为阶段性，则需在故障时排查，并尝试执行top命令查看是否存在异常软件。

收集故障信息

12. 在FusionInsight Manager界面，选择“运维 > 日志 > 下载”。
13. 在“服务”中勾选如下节点信息，单击“确定”。

• NodeAgent
• Controller
• OS

14. 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”。
15. 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。