YARN告警

1.resourcemanager存活告警

告警说明

目前集群默认配置2个RM，如果如果有RM宕机，会进行告警推送；

告警参数

影响范围

如果2台都宕机，整个集群不可用，如果有一台宕机，集群可用正常使用，但是需要修复宕机RM；

原因分析

服务器故障，比如磁盘满了，内存异常，io异常；

zookeeper异常；

RM有full GC（GabageCollection）时间过长；

处理步骤

通过yarn的webui确定当前RM是否正常；

排查当前主机资源使用情况，比如磁盘，内存，io情况；

排查RM的gc日志，RM进程日志；

2.nodemanager节点告警

告警说明

该集群节点有一个，或者多个故障，NM跟RM心跳异常；

告警参数

影响范围

由于NM退服，导致yarn使用资源减少，间接导致任务资源不足；

可能原因

该节点主机异常，比如磁盘写满，网络故障等

zookeeper连接故障

该节点nodemanager进程异常

处理步骤

登录yarn的webui查看当前NM是否正常;

排查当前主机磁盘，网络等资源信息;

排查当前NM日志信息，进一步定位相关原因；