Kafka 0.8 宕机问题排查步骤
CPU 利用率高的排查方法
看看该机器的连接数是不是比其他机器多,监听的端口数：netstat -anlp | wc -l
Kafka-0.8的停止和启动
- 启动:
cd /usr/local/kafka-0.8.0-release/ && nohup ./bin/kafka-server-start.sh config/server.properties & - 停止:
ps ax | grep -i 'kafka.Kafka' | grep -v grep | awk '{print $1}' | xargs kill -SIGTERM
kafka -0.10的启动和停止
- 启动:
sh /usr/local/kafka/kafka-release/bin/kafka-server-start.sh -daemon /usr/local/kafka/kafka-release/config/server.properties & - 停止:
kill
1 问题描述
broker 连接Session超时，在zookeeper的临时节点删除，出发告警。查明超时的原因。
2 步骤
1.hpm查看byte-out，网络情况
2.hpm查看当时时间点的load
3.sar命令查看broker当时的网络负载：sar -n ALL -f /var/log/sa/sa08 | grep bond0 > ~/netinfo
3 tips
空闲的时候，查一下2016.7.22 4:27,broker:10.39.48.158的问题原因。
4 一个详细的问题
10.39.48.158机器出现了2次Session Time Out的问题。第二次现象：2016-7-24 12:36网络入口流量byte_in猛增到230M/s,load 达到70。它的其他情况是几M/s,load 稳定在1左右。由于它已经宕机过一次，所以该机器上没有作为任何topic的leader。这个猛增的流量是从何处来的呢？
- 排查作为topic partition的follower是否有BytesInPerSec这个metrics值
- leader有，follower没有。方法：jmx获取同一个topic partition的leader和follower的BytesInPerSec值。
2.排查是否该机器作为follower在某时刻，由于leader所在的topic入口流量猛增，follower同步，导致入口流量猛增。
- topic：weibomobile，在那时刻入口流量130M/s，48.158机器需要同步它的6个partition。还有别的小入口流量的topic，合计起来，增大了48.158机器的流量。
3.解决
- 如果在出现类似的问题，将48.158机器的Session Time Out时间从6s，设置成30s，待观察。
5 机器48.158再次出现ZK节点丢失
1.现象
12:58获取到报警，即在12:57节点丢失后，在1min内没有连接上，因此触发报警。
观察该机器，
- load_one 12:55:30-12:59:00 负载稳定在 75；
- cpu_system 13:00:00-13:02:00 利用率在 12.8%
- bytes_in 13:02:30 流量突增到 243M
2.分析
分析该机器上所有的46个topic所在的48.158的partition是否有激增的流量。该数据目前没有，需要收集。
在分析这46个topic的LogEndOffsetIncrease指标，发现12:55:00，所有topic的增加量猛增。
（？？？会不会是这个时间刻发生了GC）
原有的进程已经被kill重新启动了，查看了新启动的Kafka进程的GC，如下，是正常情况:YC 一次平均耗时38毫秒，FC 一次平均耗时325毫秒。
jstat -gcutil 7089
S0 S1 E O P YGC YGCT FGC FGCT GCT
5.18 0.00 68.29 14.54 60.00 308028 11991.504 1258 409.274 12400.778
很重要的一次GC信息 from 杰哥
kafka 宕机的时候，由于负载很高，流量很高，cms gc的remark耗时7s，导致kafka挂掉。（remark stop the word）
6 机器4.215、4.216、4.217 在ZK的节点丢失一次。
1.现象+分析
16/08/08 14:42:09 INFO eager.MonitorBrokerDown: -----broker down info:kafka broker had shutdown. Maybe this is a normal behavior. last alive brokers:[19, 48151, 17, 18, 15, 48153, 48152, 16, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. current alive brokers:[19, 48151, 17, 18, 15, 48153, 48152, 16, 13, 48155, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. invalid broker ip info:{ "host":"10.39.4.215", "jmx_port":9999, "port":19092, "version":1 }
byte-out下降、byte-in下降、load下降，2.5.
02:30:01 PM bond0 119951.04 125071.66 114175.78 91512.58 0.00 0.00 11.26
02:40:01 PM bond0 118530.20 125037.93 110370.88 95596.69 0.00 0.00 11.13
02:50:01 PM bond0 85377.47 83437.07 90981.47 50017.23 0.00 0.00 10.94
16/08/08 16:35:33 INFO eager.MonitorBrokerDown: -----broker down info:kafka broker had shutdown. Maybe this is a normal behavior. last alive brokers:[19, 48151, 17, 18, 15, 48153, 48152, 16, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. current alive brokers:[19, 48151, 17, 18, 48153, 48152, 16, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. invalid broker ip info:{ "host":"10.39.4.216", "jmx_port":9999, "port":19092, "version":1 }
byte-out：41-62M；byte-in：95-120M；load稳定在3左右。
04:10:01 PM bond0 132737.19 130567.37 138791.12 81211.07 0.00 0.00 11.25
04:20:01 PM bond0 131918.26 134324.10 129449.86 88444.40 0.00 0.00 11.22
04:30:01 PM bond0 97577.10 98807.90 93055.00 61815.56 0.00 0.00 11.32
04:40:01 PM bond0 98629.53 94743.99 108407.71 44847.14 0.00 0.00 11.34
16/08/08 17:08:07 INFO eager.MonitorBrokerDown: -----broker down info:kafka broker had shutdown. Maybe this is a normal behavior. last alive brokers:[19, 48151, 17, 18, 15, 48153, 48152, 16, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. current alive brokers:[19, 48151, 17, 18, 15, 48153, 48152, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. invalid broker ip info:{ "host":"10.39.4.217", "jmx_port":9999, "port":19092, "version":1 }
byte-out：102-182M；byte-in：70-84M；load稳定，在1.6左右。
05:00:01 PM bond0 140487.48 174511.06 82636.05 184825.13 0.00 0.00 11.58
05:10:01 PM bond0 106820.66 125645.42 72597.47 118687.98 0.00 0.00 11.39
05:20:01 PM bond0 69833.26 64922.26 82521.11 24865.14 0.00 0.00 11.47
新出现10.39.4.210一天，zk节点丢失2次。
16/08/09 23:16:37 INFO eager.MonitorBrokerDown: -----broker down info:kafka broker had shutdown. Maybe this is a normal behavior. last alive brokers:[19, 48151, 17, 18, 15, 48153, 16, 48152, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. current alive brokers:[19, 48151, 17, 18, 15, 48153, 16, 48152, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9]. invalid broker ip info:{ "host":"10.39.4.210", "jmx_port":9999, "port":19092, "version":1 }
分析：
byte-out：5M左右，byte-in：20M左右，load在5左右。Server日志无异常。
11:10:01 PM bond0 109463.54 123069.26 70532.96 107504.21 0.00 0.00 10.76
11:20:02 PM bond0 104557.60 111693.01 66477.78 80714.76 0.00 0.00 10.58
11:30:02 PM bond0 81705.83 73025.27 65993.75 7403.50 0.00 0.00 10.74
16/08/10 04:55:39 INFO eager.MonitorBrokerDown: -----broker down info:kafka broker had shutdown. Maybe this is a normal behavior. last alive brokers:[19, 48151, 17, 18, 15, 48153, 16, 48152, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9, 8]. current alive brokers:[19, 48151, 17, 18, 15, 48153, 16, 48152, 13, 48155, 14, 48154, 11, 48157, 12, 48156, 48158, 48159, 48160, 3, 2, 10, 1, 0, 7, 6, 5, 4, 9]. invalid broker ip info:{ "host":"10.39.4.210", "jmx_port":9999, "port":19092, "version":1 }
byte-out：2M左右，byte-in：10M左右，load在11左右，
04:50:01 AM bond0 31866.19 28762.38 11614.37 3181.36 0.00 0.00 10.58
05:00:01 AM bond0 30127.26 27063.09 11909.66 3022.31 0.00 0.00 10.54
05:10:01 AM bond0 32618.83 29096.87 13870.89 3218.26 0.00 0.00 10.36
7. 机器4.220 kafka进程无法提供服务
1.现象
zk节点丢失。
2.分析
宕机的前几分钟load值从2升到83.
8. 机器4.210 近5天的时间，平均每天出现1次 zookeeper.session.timeout
排查该机器，每次断连的时候load_one的值突然变高，byte_in byte_out cpu 指标正常。
zookeeper连接默认的超时时间是 6000ms，见代码kafka/utils/ZkUtils.scala:743 ("zookeeper.session.timeout.ms", 6000)
解决：
- 提高超时时间，zookeeper.session.timeout.ms=45000
bin/kafka-server-start.sh添加GC日志：export KAFKA_OPTS="-Xms4G -Xmx8G -Xmn3G -XX:+UseConcMarkSweepGC -XX:ParallelGCThreads=4 -server -Dlog4j.configuration=file:$base_dir/config/log4j.properties -Xloggc:/data0/kafka/log/gc.log -verbose:gc -XX:+PrintGCDateStamps -XX:+PrintGCDetails -XX:+PrintGCApplicationStoppedTime"
posted on 2017-02-05 16:48 BYRHuangQiang 阅读(5661) 评论(0) 编辑 收藏 举报
