Nodemanager Unhealthy（exit code :143/35）

最新推荐文章于 2023-07-04 15:35:17 发布

原创最新推荐文章于 2023-07-04 15:35:17 发布 · 994 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#hadoop #大数据 #yarn

CDH 同时被 3 个专栏收录

8 篇文章

订阅专栏

Hadoop

8 篇文章

订阅专栏

YARN

2 篇文章

订阅专栏

本文详细讲述了在CDH6.2.1生产环境中遇到的YARN Nodemanager健康检查异常，涉及内存溢出报警和container 143错误。通过日志分析揭示了内存溢出并非主要原因，而是exitcode:35报错导致的NM不可用，与已知问题YARN-8751相关。最终建议升级到CDH6.3.4以上版本解决该问题。

现象

CDH6.2.1版本，生产环境，通过cm页面发现yarn告警，提示Nodemanager Health Checker Bad，检查yarn前端8088页面，集群可用内存和CPU也相应减少，说明此NM失联不可用，重启NM后恢复正常。并且一个周内同一个数据NM节点出现两次这种情况。

问题定位

首先查找CM agent对NM的监控日志，进入目录：
/var/run/cloudera-scm-agent/process/*-yarn-NODEMAGER/logs/
查看stderr.log文件，发现是报的内存溢出，具体原因还要进一步定位
在这里插入图片描述
再尝试查找yarn的日志，进入目录：
/var/log/hadoop-yarn/
查看对应日期的log文件，在日志里发现了一个问题，就是出现了大量的container报143错误，网上查了一下很多都说是内存不足。

一开始以为就是这个原因导致的NM不可用，但是仔细一想，这个143是container的报错，应该不会影响NM啊~
于是，去其他NM节点查看，果然也有很多143的报错，这样的话二者应该就没啥关系了。绞尽脑汁，也没查出来什么问题，只能找cloudera技术支持，怀疑是不是集群哪里配置有问题，但是NM的内存都提升到6G了，按理说够用了。
再查看NM日志，发现还有exit code:35的日志，但是这个报错有点莫名其妙，为什么会导致NM不可用更是摸不着头脑
在这里插入图片描述

结论

经过与cloudera技术人员的反复沟通，上传了一堆日志，最后得出以下几点结论：

143报错是已知的正常现象。可以看做是Log层面的小bug, 有一种误导人的倾向。已经有内部jira CDH-18221 记录这一现象：
CDH-18221 Container exits with 143 upon success
Resolution:Not A Bug
总体来说整个应用是正常完成的。可以忽略这一143报错现象。
NM不可用，就是因为exit code:35的报错，这是CDH6.2.1上的已知问题YARN-8751
YARN-8751
Container-executor permission check errors cause the NM to be marked unhealthy
参考链接：https://issues.apache.org/jira/browse/YARN-8751
这个问题已经在CDH 6.3.4 修复，要想解决这个bug只能升级CDH版本。。。
参考文档：https://docs.cloudera.com/documentation/enterprise/6/release-notes/topics/rg_cdh_634_fixed_issues.html#fixed_in_6.3.4_yarn