作业数据流是 kafka -> flink -> http/prometheus，目前这类型的作业很多，但是就只有那几个有问题，而且是必现，每次都只能重启，然后看着线程数上涨。。 我再debug看看~
Paul Lam <[email protected]> 于2020年12月8日周二 下午6:00写道： > Hi, > > 我之前说的多个集群的情况主要指写入数据到 HDFS。如果只有 checkpoint 依赖 HDFS 而出现这种情况的话，的确是非常奇怪。 > > Best, > Paul Lam > > > 2020年12月8日 11:03，zilong xiao <[email protected]> 写道： > > > > Hi Paul, > > 线程名称是一模一样的，都是user1@cluserA，HDFS client版本对于用户来说是透明的，作业使用的是Flink > > > 1.11版本，该Flink版本使用HDFS版本好像是2.8.1，在Flink中和集群有持续交互的就只能想到checkpoint，开了DEBUG日志也没能找到root > > cause。。 > > > > 另外 您说的“线程个数应该和用到的 HDFS 集群数目相同”不是很理解，作业只能提交到一个具体的集群吧？ > > > > Paul Lam <[email protected]> 于2020年12月8日周二 上午10:45写道： > > > >> 我记得 LeaseRenewer 是 JVM 级别的，线程个数应该和用到的 HDFS 集群数目相同。 > >> > >> 你看看它们具体的线程名是不是完全相同（比如都是 user1@cluserA）？还有 HDFS client 的版本是什么？ > >> > >> Best, > >> Paul Lam > >> > >>> 2020年12月7日 18:11，zilong xiao <[email protected]> 写道： > >>> > >>> 在生产中发现有个别Flink SQL 1.11作业的container线程数很高，查看Thread > Dump发现有很多名为LeaseRenewer > >>> 的线程处于TIMED_WAITING状态，目前只能复现其现象，但是无法定位原因，不知道社区是否有类似经历的小伙伴呢？ > >>> > >>> Flink version: 1.11 > >>> State backend：filesystem > >>> checkpoint interval: 60s > >> > >> > >
