You are viewing a plain text version of this content. The canonical link for it is here.
Posted to user-zh@flink.apache.org by 邵志鹏 <bo...@163.com> on 2019/05/06 02:05:37 UTC
Re:Re: 使用hdfs保存checkpoint一段时间后报错
Hi Yun Tang
谢谢唐老师...
HDFS异常问题找到了，是我对hadoop集群重新格式化的时候，没有把SecondaryNameNode的tmp目录的内容删掉，导致格式化后，NameNode、DataNode中VERSION里面ClusterID与SecondaryNameNode的不一致，所以会不定时报出异常，问题已经解决啦。感谢~~
另外有个小问题请教一下：
Flink提供的默认EventTimeTrigger.java里面，在onElement(...)和onEventTime(...)两个方法被调用时才有机会TriggerResult.FIRE，而水印Watermark的增长基本都是晚于时间窗口endtime的，这样就导致必须有新的事件（或数据）到来才能推动TriggerResult.FIRE。
比如，时间窗口的endtime还没到自然时间点，endtime是2019-09-28 09:15:00，当前自然时间是2019-09-28 09:11:00，也就是endtime还没到，还差4分钟，随着自然时间的推进，数据流在2019-09-28 09:13:00中断了【暂时没有数据，不是程序崩溃】。
2019-09-28 09:11:00与2019-09-28 09:13:00之间是有数据的，继续随着自然时间的推进，自然时间到2019-09-28 09:15:00时并没有TriggerResult.FIRE，而是进一步随着自然时间的推进，自然时间到2019-09-28 09:20:00时，有新的数据进入Flink并被处理，这时【endtime是2019-09-28 09:15:00】的窗口才被FIRE，新的时间窗口又被往后推。
从而导致，TriggerResult.FIRE不及时，这样的话，如果数据流总是间隔断断续续，使用eventtime就没什么意义了【或者数据流本身不适合Flink】，只能使用ProcessingTime，所以有什么办法可以改进，当时间窗口的endtime到达自然时间点时就可以TriggerResult.FIRE。如果自定义Trigger，如何“嵌入”或者应用到FlinkSQL里面而不是StreamAPI上面呢...
也疑惑过，是不是时间的时区问题，使用FlinkSQL的时候，会把rowtime(eventtime)和proctime - 8个小时（UTC0）【而EventTimeTrigger.java相关的时间又是local的时区时间?...】，从而导致TriggerResult.FIRE不及时？
org.apache.calcite.runtime.SqlFunctions
publicstaticjava.sql.Timestamp internalToTimestamp(long v) {
returnnewjava.sql.Timestamp(v -LOCAL_TZ.getOffset(v));
}
经过测试，水印的时间戳直接使用System.currentTimeMillis()是可以及时FIRE的，但是消费kafka就不能从上一次的offset开始了，始终是处理flink程序启动后kafka新接收到的数据，从头消费和Flink重启接着消费就失效了。
目前还没有最终解决（不知道大家生产环境中使用eventtime和flinksql的时候是怎么处理的，是就这样忽略掉还是我理解错了...好别扭）。
谢谢指导。
邵志鹏
在 2019-04-30 16:12:52，"Yun Tang" <my...@live.com> 写道：
>Hi 志鹏
>
>核心原因是HDFS的问题
>Caused by: org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /flink/checkpoints/PaycoreContextHopJob/cbb3a580d0323fbace80e71a25c966d0/chk-11352/fc4b8b08-2c32-467c-a1f4-f384eba246ff could only be replicated to 0 nodes instead of minReplication (=1). There are 3 datanode(s) running and no node(s) are excluded in this operation.
>
>在出现问题的时候，观察一下集群HDFS的情况，以及相关的日志。
>也许这个stackoverflow的回答[1] 能帮助到你。
>
>
>[1] https://stackoverflow.com/questions/36015864/hadoop-be-replicated-to-0-nodes-instead-of-minreplication-1-there-are-1/36310025<https://stackoverflow.com/questions/36015864/hadoop-be-replicated-to-0-nodes-instead-of-minreplication-1-there-are-1/36310025>
>
>祝好
>唐云
>
>
>________________________________
>From: 邵志鹏 <bo...@163.com>
>Sent: Tuesday, April 30, 2019 15:26
>To: user-zh@flink.apache.org
>Subject: 使用hdfs保存checkpoint一段时间后报错
>
>使用hdfs保存checkpoint一段时间后报错，自动重启后正常运行一段时间后继续报同样的错
>
>Caused by: java.io.IOException: Could not flush and close the file system output stream to hdfs://master:9000/flink/checkpoints/PaycoreContextHopJob/cbb3a580d0323fbace80e71a25c966d0/chk-11352/fc4b8b08-2c32-467c-a1f4-f384eba246ff in order to obtain the stream state handle
> at org.apache.flink.runtime.state.filesystem.FsCheckpointStreamFactory$FsCheckpointStateOutputStream.closeAndGetHandle(FsCheckpointStreamFactory.java:326)
> at org.apache.flink.runtime.state.CheckpointStreamWithResultProvider$PrimaryStreamOnly.closeAndFinalizeCheckpointStreamResult(CheckpointStreamWithResultProvider.java:77)
> at org.apache.flink.runtime.state.heap.HeapKeyedStateBackend$HeapSnapshotStrategy$1.callInternal(HeapKeyedStateBackend.java:765)
> at org.apache.flink.runtime.state.heap.HeapKeyedStateBackend$HeapSnapshotStrategy$1.callInternal(HeapKeyedStateBackend.java:724)
> at org.apache.flink.runtime.state.AsyncSnapshotCallable.call(AsyncSnapshotCallable.java:76)
> at java.util.concurrent.FutureTask.run(FutureTask.java:266)
> at org.apache.flink.util.FutureUtil.runIfNotDoneAndGet(FutureUtil.java:50)
> ... 7 more
>Caused by: org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /flink/checkpoints/PaycoreContextHopJob/cbb3a580d0323fbace80e71a25c966d0/chk-11352/fc4b8b08-2c32-467c-a1f4-f384eba246ff could only be replicated to 0 nodes instead of minReplication (=1). There are 3 datanode(s) running and no node(s) are excluded in this operation.
> at org.apache.hadoop.hdfs.server.blockmanagement.BlockManager.chooseTarget4NewBlock(BlockManager.java:1726)
> at org.apache.hadoop.hdfs.server.namenode.FSDirWriteFileOp.chooseTargetForNewBlock(FSDirWriteFileOp.java:265)
> at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:2567)
> at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.addBlock(NameNodeRpcServer.java:829)
> at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.addBlock(ClientNamenodeProtocolServerSideTranslatorPB.java:510)
> at org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)
> at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:447)
> at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:989)
> at org.apache.hadoop.ipc.Server$RpcCall.run(Server.java:850)
> at org.apache.hadoop.ipc.Server$RpcCall.run(Server.java:793)
> at java.security.AccessController.doPrivileged(Native Method)
> at javax.security.auth.Subject.doAs(Subject.java:422)
> at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1844)
> at org.apache.hadoop.ipc.Server$Handler.run(Server.java:2489)
>
> at org.apache.hadoop.ipc.Client.getRpcResponse(Client.java:1489)
> at org.apache.hadoop.ipc.Client.call(Client.java:1435)
> at org.apache.hadoop.ipc.Client.call(Client.java:1345)
> at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:227)
> at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:116)
> at com.sun.proxy.$Proxy17.addBlock(Unknown Source)
> at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolTranslatorPB.addBlock(ClientNamenodeProtocolTranslatorPB.java:444)
> at sun.reflect.GeneratedMethodAccessor19.invoke(Unknown Source)
> at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
> at java.lang.reflect.Method.invoke(Method.java:498)
> at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:409)
> at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invokeMethod(RetryInvocationHandler.java:163)
> at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invoke(RetryInvocationHandler.java:155)
> at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invokeOnce(RetryInvocationHandler.java:95)
> at org.apache.hadoop.io.retry.RetryInvocationHandler.invoke(RetryInvocationHandler.java:346)
> at com.sun.proxy.$Proxy18.addBlock(Unknown Source)
> at org.apache.hadoop.hdfs.DataStreamer.locateFollowingBlock(DataStreamer.java:1838)
> at org.apache.hadoop.hdfs.DataStreamer.nextBlockOutputStream(DataStreamer.java:1638)
> at org.apache.hadoop.hdfs.DataStreamer.run(DataStreamer.java:704)
RE: Re:Re: 使用hdfs保存checkpoint一段时间后报错
Posted by Shi Quan <qu...@outlook.com>.
Hi,
你对eventTime和窗口的分析很赞。
如果你的核心诉求是数据长时间中断情况下，希望不要丢弃处理老的数据。allowLateness应该能解决你的问题。
祝好
石权
Sent from Mail<https://go.microsoft.com/fwlink/?LinkId=550986> for Windows 10
________________________________
From: 邵志鹏 <bo...@163.com>
Sent: Monday, May 6, 2019 10:05:37 AM
To: user-zh@flink.apache.org
Subject: Re:Re: 使用hdfs保存checkpoint一段时间后报错
Hi Yun Tang
谢谢唐老师...
HDFS异常问题找到了，是我对hadoop集群重新格式化的时候，没有把SecondaryNameNode的tmp目录的内容删掉，导致格式化后，NameNode、DataNode中VERSION里面ClusterID与SecondaryNameNode的不一致，所以会不定时报出异常，问题已经解决啦。感谢~~
另外有个小问题请教一下：
Flink提供的默认EventTimeTrigger.java里面，在onElement(...)和onEventTime(...)两个方法被调用时才有机会TriggerResult.FIRE，而水印Watermark的增长基本都是晚于时间窗口endtime的，这样就导致必须有新的事件（或数据）到来才能推动TriggerResult.FIRE。
比如，时间窗口的endtime还没到自然时间点，endtime是2019-09-28 09:15:00，当前自然时间是2019-09-28 09:11:00，也就是endtime还没到，还差4分钟，随着自然时间的推进，数据流在2019-09-28 09:13:00中断了【暂时没有数据，不是程序崩溃】。
2019-09-28 09:11:00与2019-09-28 09:13:00之间是有数据的，继续随着自然时间的推进，自然时间到2019-09-28 09:15:00时并没有TriggerResult.FIRE，而是进一步随着自然时间的推进，自然时间到2019-09-28 09:20:00时，有新的数据进入Flink并被处理，这时【endtime是2019-09-28 09:15:00】的窗口才被FIRE，新的时间窗口又被往后推。
从而导致，TriggerResult.FIRE不及时，这样的话，如果数据流总是间隔断断续续，使用eventtime就没什么意义了【或者数据流本身不适合Flink】，只能使用ProcessingTime，所以有什么办法可以改进，当时间窗口的endtime到达自然时间点时就可以TriggerResult.FIRE。如果自定义Trigger，如何“嵌入”或者应用到FlinkSQL里面而不是StreamAPI上面呢...
也疑惑过，是不是时间的时区问题，使用FlinkSQL的时候，会把rowtime(eventtime)和proctime - 8个小时（UTC0）【而EventTimeTrigger.java相关的时间又是local的时区时间?...】，从而导致TriggerResult.FIRE不及时？
org.apache.calcite.runtime.SqlFunctions
publicstaticjava.sql.Timestamp internalToTimestamp(long v) {
returnnewjava.sql.Timestamp(v -LOCAL_TZ.getOffset(v));
}
经过测试，水印的时间戳直接使用System.currentTimeMillis()是可以及时FIRE的，但是消费kafka就不能从上一次的offset开始了，始终是处理flink程序启动后kafka新接收到的数据，从头消费和Flink重启接着消费就失效了。
目前还没有最终解决（不知道大家生产环境中使用eventtime和flinksql的时候是怎么处理的，是就这样忽略掉还是我理解错了...好别扭）。
谢谢指导。
邵志鹏
在 2019-04-30 16:12:52，"Yun Tang" <my...@live.com> 写道：
>Hi 志鹏
>
>核心原因是HDFS的问题
>Caused by: org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /flink/checkpoints/PaycoreContextHopJob/cbb3a580d0323fbace80e71a25c966d0/chk-11352/fc4b8b08-2c32-467c-a1f4-f384eba246ff could only be replicated to 0 nodes instead of minReplication (=1). There are 3 datanode(s) running and no node(s) are excluded in this operation.
>
>在出现问题的时候，观察一下集群HDFS的情况，以及相关的日志。
>也许这个stackoverflow的回答[1] 能帮助到你。
>
>
>[1] https://stackoverflow.com/questions/36015864/hadoop-be-replicated-to-0-nodes-instead-of-minreplication-1-there-are-1/36310025<https://stackoverflow.com/questions/36015864/hadoop-be-replicated-to-0-nodes-instead-of-minreplication-1-there-are-1/36310025>
>
>祝好
>唐云
>
>
>________________________________
>From: 邵志鹏 <bo...@163.com>
>Sent: Tuesday, April 30, 2019 15:26
>To: user-zh@flink.apache.org
>Subject: 使用hdfs保存checkpoint一段时间后报错
>
>使用hdfs保存checkpoint一段时间后报错，自动重启后正常运行一段时间后继续报同样的错
>
>Caused by: java.io.IOException: Could not flush and close the file system output stream to hdfs://master:9000/flink/checkpoints/PaycoreContextHopJob/cbb3a580d0323fbace80e71a25c966d0/chk-11352/fc4b8b08-2c32-467c-a1f4-f384eba246ff in order to obtain the stream state handle
> at org.apache.flink.runtime.state.filesystem.FsCheckpointStreamFactory$FsCheckpointStateOutputStream.closeAndGetHandle(FsCheckpointStreamFactory.java:326)
> at org.apache.flink.runtime.state.CheckpointStreamWithResultProvider$PrimaryStreamOnly.closeAndFinalizeCheckpointStreamResult(CheckpointStreamWithResultProvider.java:77)
> at org.apache.flink.runtime.state.heap.HeapKeyedStateBackend$HeapSnapshotStrategy$1.callInternal(HeapKeyedStateBackend.java:765)
> at org.apache.flink.runtime.state.heap.HeapKeyedStateBackend$HeapSnapshotStrategy$1.callInternal(HeapKeyedStateBackend.java:724)
> at org.apache.flink.runtime.state.AsyncSnapshotCallable.call(AsyncSnapshotCallable.java:76)
> at java.util.concurrent.FutureTask.run(FutureTask.java:266)
> at org.apache.flink.util.FutureUtil.runIfNotDoneAndGet(FutureUtil.java:50)
> ... 7 more
>Caused by: org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /flink/checkpoints/PaycoreContextHopJob/cbb3a580d0323fbace80e71a25c966d0/chk-11352/fc4b8b08-2c32-467c-a1f4-f384eba246ff could only be replicated to 0 nodes instead of minReplication (=1). There are 3 datanode(s) running and no node(s) are excluded in this operation.
> at org.apache.hadoop.hdfs.server.blockmanagement.BlockManager.chooseTarget4NewBlock(BlockManager.java:1726)
> at org.apache.hadoop.hdfs.server.namenode.FSDirWriteFileOp.chooseTargetForNewBlock(FSDirWriteFileOp.java:265)
> at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:2567)
> at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.addBlock(NameNodeRpcServer.java:829)
> at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.addBlock(ClientNamenodeProtocolServerSideTranslatorPB.java:510)
> at org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)
> at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:447)
> at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:989)
> at org.apache.hadoop.ipc.Server$RpcCall.run(Server.java:850)
> at org.apache.hadoop.ipc.Server$RpcCall.run(Server.java:793)
> at java.security.AccessController.doPrivileged(Native Method)
> at javax.security.auth.Subject.doAs(Subject.java:422)
> at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1844)
> at org.apache.hadoop.ipc.Server$Handler.run(Server.java:2489)
>
> at org.apache.hadoop.ipc.Client.getRpcResponse(Client.java:1489)
> at org.apache.hadoop.ipc.Client.call(Client.java:1435)
> at org.apache.hadoop.ipc.Client.call(Client.java:1345)
> at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:227)
> at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:116)
> at com.sun.proxy.$Proxy17.addBlock(Unknown Source)
> at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolTranslatorPB.addBlock(ClientNamenodeProtocolTranslatorPB.java:444)
> at sun.reflect.GeneratedMethodAccessor19.invoke(Unknown Source)
> at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
> at java.lang.reflect.Method.invoke(Method.java:498)
> at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:409)
> at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invokeMethod(RetryInvocationHandler.java:163)
> at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invoke(RetryInvocationHandler.java:155)
> at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invokeOnce(RetryInvocationHandler.java:95)
> at org.apache.hadoop.io.retry.RetryInvocationHandler.invoke(RetryInvocationHandler.java:346)
> at com.sun.proxy.$Proxy18.addBlock(Unknown Source)
> at org.apache.hadoop.hdfs.DataStreamer.locateFollowingBlock(DataStreamer.java:1838)
> at org.apache.hadoop.hdfs.DataStreamer.nextBlockOutputStream(DataStreamer.java:1638)
> at org.apache.hadoop.hdfs.DataStreamer.run(DataStreamer.java:704)