@Yun Tang，应该是这个问题。 请教下这几个参数具体含义。
backoff in milliseconds for partition requests of input channels 是什么逻辑，以及initial和max分别表达含义。 akka.ask.timeout这个参数相对明显，就是超时，这个以前也涉及过，在cancel/submit/savepoint等情况都可能导致集群slot陆续没掉，然后再陆续回来（pass环境，基本就是部分机器失联，然后重新连接的case）。 Yun Tang <myas...@live.com> 于2020年11月23日周一 下午5:11写道： > Hi > > 集群负载比较大的时候，下游一直收不到request的partition，就会导致PartitionNotFoundException，建议增大 > taskmanager.network.request-backoff.max [1][2] 以增大重试次数 > > [1] > https://ci.apache.org/projects/flink/flink-docs-stable/ops/config.html#taskmanager-network-request-backoff-max > [2] https://juejin.cn/post/6844904185347964942#heading-8 > > > 祝好 > 唐云 > ________________________________ > From: 赵一旦 <hinobl...@gmail.com> > Sent: Monday, November 23, 2020 13:08 > To: user-zh@flink.apache.org <user-zh@flink.apache.org> > Subject: Re: Flink任务启动偶尔报错PartitionNotFoundException，会自动恢复。 > > 这个报错和kafka没有关系的哈，我大概理解是提交任务的瞬间，jobManager/taskManager机器压力较大，存在机器之间心跳超时什么的？ > 这个partition应该是指flink运行图中的数据partition，我感觉。没有具体细看，每次提交的瞬间可能遇到这个问题，然后会自动重试成功。 > > zhisheng <zhisheng2...@gmail.com> 于2020年11月18日周三 下午10:51写道： > > > 是不是有 kafka 机器挂了？ > > > > Best > > zhisheng > > > > hailongwang <18868816...@163.com> 于2020年11月18日周三 下午5:56写道： > > > > > 感觉还有其它 root cause，可以看下还有其它日志不？ > > > > > > > > > Best, > > > Hailong > > > > > > At 2020-11-18 15:52:57, "赵一旦" <hinobl...@gmail.com> wrote: > > > >2020-11-18 16:51:37 > > > >org.apache.flink.runtime.io > > .network.partition.PartitionNotFoundException: > > > >Partition > > > b225fa9143dfa179d3a3bd223165d5c5#3@3fee4d51f5a43001ef743f3f15e4cfb2 > > > >not found. > > > > at org.apache.flink.runtime.io.network.partition.consumer. > > > >RemoteInputChannel.failPartitionRequest(RemoteInputChannel.java:267) > > > > at org.apache.flink.runtime.io.network.partition.consumer. > > > > > > > > > >RemoteInputChannel.retriggerSubpartitionRequest(RemoteInputChannel.java:166) > > > > at org.apache.flink.runtime.io.network.partition.consumer. > > > >SingleInputGate.retriggerPartitionRequest(SingleInputGate.java:521) > > > > at org.apache.flink.runtime.io.network.partition.consumer. > > > > > > > > > >SingleInputGate.lambda$triggerPartitionStateCheck$1(SingleInputGate.java:765 > > > >) > > > > at > > java.util.concurrent.CompletableFuture.uniAccept(CompletableFuture > > > >.java:670) > > > > at java.util.concurrent.CompletableFuture$UniAccept.tryFire( > > > >CompletableFuture.java:646) > > > > at java.util.concurrent.CompletableFuture$Completion.run( > > > >CompletableFuture.java:456) > > > > at akka.dispatch.TaskInvocation.run(AbstractDispatcher.scala:40) > > > > at > akka.dispatch.ForkJoinExecutorConfigurator$AkkaForkJoinTask.exec( > > > >ForkJoinExecutorConfigurator.scala:44) > > > > at > akka.dispatch.forkjoin.ForkJoinTask.doExec(ForkJoinTask.java:260) > > > > at > > akka.dispatch.forkjoin.ForkJoinPool$WorkQueue.runTask(ForkJoinPool > > > >.java:1339) > > > > at > > > akka.dispatch.forkjoin.ForkJoinPool.runWorker(ForkJoinPool.java:1979) > > > > at > > > akka.dispatch.forkjoin.ForkJoinWorkerThread.run(ForkJoinWorkerThread > > > >.java:107) > > > > > > > > > > > >请问这是什么问题呢？ > > > > > >
