八种Flink任务监控告警方式

目录

一、Flink应用分析

1.1 Flink任务生命周期

1.2 Flink应用告警视角分析

二、监控告警方案说明

2.1 监控消息队中间件消费者偏移量

2.2 通过调度系统监控Flink任务运行状态

2.3 引入开源服的SDK工具实现

2.4 调用FlinkRestApi实现任务监控告警

2.5 定时去查询目标库最大时间和当前时间做对比

2.6 自定义指标Reporter的SDK

2.7 任务日志告警

2.8 运行任务探活

三、总结

前言:Flink作为一个高性能实时计算引擎，可灵活的嵌入各种场景，许多团队为了实现业务交付，选择了Flink作为解决方案；但是随着Flink应用的增多且出现线上事故，对Flink任务异常的监控告警成为迫切需求；但是如何实现Flink任务异常监控告警，成为了新的问题；本文将从多个角度讲述Flink任务监控告警实现方案。

一、Flink应用分析

       告警可以从多个角度实现；我们先分析Flink任务运行的生命周期，然后拆解每个部分，分析可以从那些角度去监控Flink任务的异常。

1.1 Flink任务生命周期

按读取数据源：有如Kafka、RocketMq、Pulsar等消息队列，还有其他数据源；区别在是否有记录消费者信息的数据标识；

Flink的运行模式：session、per-job、application；三类运行模式可以分为两类场景：单独运行的任务（per和application），还有Flink集群统一提供资源运行的任务（session）；

任务场景：离线任务还是实时任务；

Flink任务应用结构图如下：

1.2 Flink应用告警视角分析

从数据源头：

1.对于消息队列这种，本身拥有记录消费者偏移量概念的中间件，可以通过监控消费者偏移量的变化来监控Flink任务运行的异常情况；

从任务运行时：

2.任务层可以通过调度系统的告警插件，监控任务运行结果和任务运行状态而监控任务；

3.也可以在Flink任务内部引入开源SDK配置开源工具实现；

4.或者调用FlinkRestApi实现任务监控告警；

从输出结果上：

5.可以定时去查询输出结果最后的时间；

6.或者在Flink任务里引入Flink的指标SDK，自定义Flink任务的指标采集，将结果测流输出到目标端，自定义监控告警和分析；

其他的方式：

7.日志告警，捕捉运行日志，通过关键词监控告警；

8.运行任务定时探活；

二、监控告警方案说明

       钉钉、微信、邮件、电话、http等属于告警方式的选择，这里侧重讲对于运行异常事件信息的捕捉。

2.1 监控消息队中间件消费者偏移量

      类似Kafka或者RocketMQ这类拥有记录消费者消费队列信息的中间件，可以通过服务自身的RestAPI，定时计算消费者消费数据lag条数；

以下是Kafka消费者告警配置页面：

这需要后端自定义实现;

实现方式如下：定时通过调用Kafka自己提供的RestApi将Topic和各消费者同步到Mysql,然后配置要监控Topic的消费者告警阈值和告警人员，每隔一分钟定时计算该消费者的lag，如果Flink任务出现异常，本身不提交offset了，数据积压量大于阈值就告警。

2.2 通过调度系统监控Flink任务运行状态

市场上有一些任务调度系统，比如dolphinscheduler、StreamX等，除了提供任务发布的能力，还自带监控告警功能，通过使用这类产品，也能做到监控告警能力。

比如dolphinscheduler：

Flink任务发布功能:

告警功能插件：

比如StreamPark:

Flink任务发布能力：

告警功能插件：

2.3 引入开源服务的SDK工具实现

       博客上对于Flink监控告警推荐最多的一种方式就是，prometheus + pushgateway + grafana这套方案；这套方案需要安装维护prometheus和grafana这两个产品，比较重，但是这套方案除了可以做到任务监控，还可以做到任务指标级的分析，这对于后续的任务性能优化有比较好的支持。

具体操作步骤如下：

1.安装好prometheus + pushgateway这两个服务；

2.在Flink代码里加入以下依赖：

  <!-- Prometheus Metrics Reporter --><dependency><groupId>org.apache.flink</groupId><artifactId>flink-metrics-prometheus</artifactId><version>${flink-version}</version></dependency>

3.在部署Flink的配置文件里

将flink-metrics-prometheus-1.14.3.jar 包放入到flink安装目录/lib下

修改flink-conf.yaml配置文件，设置属性如下：

Example configuration: metrics.reporter.promgateway.class: org.apache.flink.metrics.prometheus.PrometheusPushGatewayReporter metrics.reporter.promgateway.host: localhost metrics.reporter.promgateway.port: 9091 metrics.reporter.promgateway.jobName: myJob metrics.reporter.promgateway.randomJobNameSuffix: true metrics.reporter.promgateway.deleteOnShutdown: false metrics.reporter.promgateway.groupingKey: k1=v1;k2=v2 metrics.reporter.promgateway.interval: 60 SECONDS

然后启动运行任务，指标数据就自动推送到pushgateway里了，prometheus会从CC里拉取数据到自己的服务里，如下：

在grafana里导入prometheus源，配置指标就可以看到各种指标的运行状态：

总结：这种方案需要四个步骤：

1.启动prometheus+pushgateway+grafana服务；

2.配置Flink安装目录的配置文件、导入prometheus的lib包；

3.然后在Flink任务里引入一个prometheus的SDK，一起打包启动，指标就可以在prometheus看到；

4.通过grafana做分析看板和配置告警规则，驱动事件告警；

       这种方式都是开源服务功能，但是需要维护和理解成本，对于一些轻业务团队有负担，但是对有很多Flink任务的团队，这是一种可用的方案，后续还可以基于历史指标分析，做到内存级的性能优化；

2.4 调用FlinkRestApi实现任务监控告警

       这里要搞清楚Flink集群的生命和Flink任务的生命周期这两个概念；Flink集群按生命周期来分，运行方式可以分为session模式和其他模式两种；这两种的区别分别是，Flink集群和Flink任务的资源是否一起释放；这关系到是否可以稳定的通过FlinkRestApi捕捉到任务运行状态；

       对于Flink Sesion集群，Flink任务可以反复提交，集群的URL是不会变的，可以通过固定的URL监控到Flink任务的运行状态；

       对于per-job和application运行方式，Flink任务web的URL是不固定的，需要每次都捕捉到启动时的Url才能通过url调用RestAPI返回查询指标；

sesion集群样式：

per-job和application运行模式提交的任务，只会有一个任务，且url是随机的。

2.5 定时去查询目标库最大时间和当前时间做对比

       这种方式是公司的DB团队给我的想法，并且他们最初也是这么做的，虽然操作上不美观，无法大面积，且性能上会造成一些影响，但确实可以轻量级的实现对任务异常的监控；

具体是怎么做的呢？

       对于实时任务，数据都是实时捕捉的，写入目标库的时候，数据带有当前时间字段，业务理想状态下，数据会一直产生，查询目标库时间最大的数据与当前时间匹配，超出阈值时间范围就告警；不理想状态，将特殊时间段监控去掉就行；这种方式在生成业务种确实能满足任务的异常监控告警需求。

     要查询最大时间的数据，可以使用如下的 SQL 语句：

 SELECT time_column FROM table_name ORDER BY time_column DESC LIMIT 1;

2.6 自定义指标Reporter的SDK

1.引入Flink自带的指标SDK：

<!-- Prometheus Metrics Reporter --><dependency><groupId>org.apache.flink</groupId><artifactId>flink-metrics-prometheus</artifactId><version>${flink-version}</version></dependency>

2.类似prometheus，将指标类的一些参数，自定义捕捉写到目标库（将推送到pushgateway改成推送到Kafka），然后通过目标库的数据自己做任务异常监控分析；

       这种方式就是避免了开源维护的成本，可以使用产品线自研的一套UI和采集中间件做数据管理，减轻了维护成本。

大致步骤是：

1.自定义 ReporterFactory 实现 MetricReporterFactory 接口中的 createMetricReporter 方法。

2.自定义 Reporter 继承 AbstractReporter 实现 Scheduled 接口中的相关方法

3.在 META-INF/services 下的配置文件中添加对应的实现类，然后在Flink配置里自定义参数。

以写入Kafka为例：

实现KafkaReporterFactory：

package org.apache.flink.metrics.kafka;import org.apache.flink.metrics.reporter.MetricReporter;
import org.apache.flink.metrics.reporter.MetricReporterFactory;import java.util.Properties;/*** @Description:* @author:i7Yang* @create 2024-01-26 20:19**/
public class KafkaReporterFactory implements MetricReporterFactory {@Overridepublic MetricReporter createMetricReporter(Properties properties) {return new KafkaReporter();}
}

实现自定义KafkaReporter：

package org.apache.flink.metrics.kafka;import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONArray;
import com.alibaba.fastjson.JSONObject;
import org.apache.commons.lang3.StringUtils;
import org.apache.flink.metrics.Metric;
import org.apache.flink.metrics.MetricConfig;
import org.apache.flink.metrics.MetricGroup;
import org.apache.flink.metrics.reporter.AbstractReporter;
import org.apache.flink.metrics.reporter.MetricReporter;
import org.apache.flink.metrics.reporter.Scheduled;
import org.apache.kafka.clients.producer.KafkaProducer;
import org.apache.kafka.clients.producer.ProducerRecord;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;import java.util.*;
import java.util.stream.Collectors;/*** {@link MetricReporter} that exports {@link Metric Metrics} via Kafka.*/public class KafkaReporter extends AbstractReporter implements Scheduled {private static final Logger LOGGER = LoggerFactory.getLogger(KafkaReporter.class);static final String JOB_ID_VARIABLE = "<job_id>";static final String JOB_NAME_VARIABLE = "<job_name>";private KafkaProducer<String, String> kafkaProducer;private List<String> metricsFilter = new ArrayList<>();private String topic;private String jobName;private String jobId;@Overridepublic void open(MetricConfig metricConfig) {String bootstrapServer = metricConfig.getString("bootstrapServers", "master:9092,storm1:9092,storm2:9092");String filter = metricConfig.getString("filter", "");String chunkSize = metricConfig.getString("chunkSize", "5");String topic = metricConfig.getString("topic", "flink_metric");Properties properties = new Properties();properties.setProperty("bootstrap.servers", bootstrapServer);properties.setProperty("acks", "all");properties.setProperty("key.serializer", "org.apache.kafka.common.serialization.StringSerializer");properties.setProperty("value.serializer", "org.apache.kafka.common.serialization.StringSerializer");ClassLoader classLoader = Thread.currentThread().getContextClassLoader();Thread.currentThread().setContextClassLoader(null);kafkaProducer = new KafkaProducer<>(properties);Thread.currentThread().setContextClassLoader(classLoader);if (StringUtils.isNotEmpty(filter)) {this.metricsFilter.addAll(Arrays.asList(filter.split(",")));}this.chunkSize = Integer.parseInt(chunkSize);this.topic = topic;// 获取任务的 jobNamethis.jobName = metricConfig.getString("FLINK_JOB_NAME", null);LOGGER.info("job name: {}", jobName);}@Overridepublic void notifyOfAddedMetric(Metric metric, String metricName, MetricGroup group) {Map<String, String> allVariables = group.getAllVariables();String jobID = allVariables.get(JOB_ID_VARIABLE);if (jobID != null && this.jobId == null) {this.jobId = jobID;}String jobName = allVariables.get(JOB_NAME_VARIABLE);if (jobName != null && this.jobName == null) {this.jobName = jobName;}LOGGER.info("job id: {}, job name: {}", this.jobId, this.jobName);LOGGER.info("metric group name: {}, metric name: {}", group.getAllVariables(), metricName);// 只有在 filter 里面的 metric 才会被添加super.notifyOfAddedMetric(metric, metricName, group);}@Overridepublic void notifyOfRemovedMetric(Metric metric, String metricName, MetricGroup group) {super.notifyOfRemovedMetric(metric, metricName, group);}@Overridepublic void close() {if (kafkaProducer != null) {kafkaProducer.close();}}@Overridepublic void report() {synchronized (this) {tryReport();}}private void tryReport() {Map<String, Object> metricMap = new HashMap<>();metricMap.put("jobId", this.jobId);metricMap.put("jobName", this.jobName);JSONArray jsonArray = new JSONArray();gauges.forEach((gauge, metricName) -> {JSONObject jsonObject = new JSONObject();jsonObject.put("metricName", metricName);jsonObject.put("value", gauge.getValue());jsonObject.put("type", "Gauge");jsonArray.add(jsonObject);});counters.forEach((counter, metricName) -> {JSONObject jsonObject = new JSONObject();jsonObject.put("metricName", metricName);jsonObject.put("value", counter.getCount());jsonObject.put("type", "Counter");jsonArray.add(jsonObject);});histograms.forEach((histogram, metricName) -> {JSONObject jsonObject = new JSONObject();jsonObject.put("metricName", metricName);jsonObject.put("value", histogram.getCount());jsonObject.put("type", "Histogram");jsonArray.add(jsonObject);});meters.forEach((meter, metricName) -> {JSONObject jsonObject = new JSONObject();jsonObject.put("metricName", metricName);jsonObject.put("value", meter.getCount());jsonObject.put("type", "Meter");jsonArray.add(jsonObject);});metricMap.put("metrics", jsonArray);ProducerRecord<String, String> record = new ProducerRecord<>(this.topic, this.jobId, JSONObject.toJSONString(metricMap));kafkaProducer.send(record);}@Overridepublic String filterCharacters(String input) {return input;}
}

 flink 的配置文件中设置一下 kafka reporter：

metrics.reporter.kafka.factory.class: org.apache.flink.metrics.kafka.KafkaReporterFactory
metrics.reporter.kafka.bootstrapServers: master:9092,storm1:9092,storm2:9092
metrics.reporter.kafka.topic: flink_metric
metrics.reporter.kafka.filter: inPoolUsage,outPoolUsage,numberOfCompletedCheckpoints,lastCheckpointFullSize,numBytesOutPerSecond,numBuffersOutPerSecond,numRecordsInPerSecond
metrics.reporter.kafka.interval: 20 SECONDS

2.7 任务日志告警

       将Flink的运行任务集中采集，文件日志用LogStagsh,指标日志可在应用里埋点，然后通过日志做告警管理。

2.8 运行任务探活

      上面2.4节讲了Flink的sesion运行模式，可以通过FlinkRestApi获取运行状态和指标；但是对于per-job和applicaiton运行方式，任务异常失败后，restApi是不存在，但是对于其使用的资源管理器，可以捕捉到任务运行状态；比如yarn，可以通过shell查询到任务的存活情况，可以定时去探活或获取url获取运行时指标。

使用yarn做Flink任务资源管理的命令：

定时监控flink任务状态：

yarn application -list | grep -w flink任务名 字 | awk '{print $1}'

返回flink任务url链接：

yarn application -list | grep -w flink 任务名字 | awk '{print $10}'

三、总结

       Flink任务告警方式的选择，要从任务的使用情况和期盼来考量；简单的使用，且任务少，可以用监控目标数据库的数据写入情况、per-job和application运行任务探活、Sesion运行方式通过RestApi来告警；特定场景的业务可以靠监控存储中间偏移量来告警；通用大规模应用场景可以通过采集运行时日志、使用调度平台，使用调度平台、引入开源SDK方式、自定义SDK写入通用系统通用系统里方式选择。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/437830.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Ubuntu 22.04安装Nginx负载均衡

Ubuntu 22.04安装Nginx负载均衡

君衍. 一、编译安装Nginx二、轮询算法实现负载均衡三、加权轮询算法实现负载均衡四、ip_hash实现负载均衡 一、编译安装Nginx 这里我们先将环境准备好&#xff0c;我使用的是Ubuntu22.04操作系统&#xff1a; 这个是我刚安装好的&#xff0c;所以首先我们进行保存快照防止安装…
阅读更多...
实战教学：用Semantic Kernel框架集成腾讯混元大模型应用

实战教学：用Semantic Kernel框架集成腾讯混元大模型应用

导语 | 众所周知&#xff0c;Semantic Kernel 主要支持国外的两款大模型&#xff0c;但这对于开发者而言&#xff0c;显然是不够的&#xff0c;尤其是当我们希望对接国内的大模型时&#xff0c;我们应该怎么做呢&#xff1f;如何用 Semantic Kernel 通过 oneapi 来集成腾讯混元…
阅读更多...
如何对Microsoft 365中Loop文档进行权限划分

如何对Microsoft 365中Loop文档进行权限划分

Microsoft 365中Loop文档的权限划分为两种&#xff1a;第一种是共享创意页面。第二种是共享特定的Loop组件。 共享创意页面。 进入创意页面后&#xff0c;点击右上角的“共享”-“页面链接”。 如上图所示&#xff0c;页面共享分三种类型。以“你选择的人”为例。添加要共享的…
阅读更多...
iOS 文件分割保存加密

iOS 文件分割保存加密

demo只是验证想法&#xff0c;没有做很多异常处理 默认文件是大于1KB的&#xff0c;对于小于1KB的没有做异常处理demo中文件只能分割成2个&#xff0c;可以做成可配置的N个文件分割拼接还可以使用固定的二进制数据&#xff0c;拼接文件开头或结尾 不论哪种拼法&#xff0c;目的…
阅读更多...
防御保护--NAT策略

防御保护--NAT策略

目录 NAT策略 NAT类型 server-map表 P2P --- peer to peer 网络类型 ​编辑 目标NAT--服务器映射 双向NAT ​编辑 多出口NAT NAT策略 静态NAT --- 一对一 动态NAT --- 多对多 NAPT --- 一对多的NAPT --- easy ip --- 多对多NAPT 服务器映射 源NAT--基于源IP地址进行转…
阅读更多...
GIS应用水平考试一级—2009 年度第二次

GIS应用水平考试一级—2009 年度第二次

全国信息化工程师——GIS应用水平考试 2009 年度第二次全国统一考试一级 试卷说明: 1、本试卷共9页,6个大题,满分150 分,150 分钟完卷。 2、考试方式为闭卷考试。 3、将第一、二、三題的答案用铅笔涂写到(NCIE-GIS)答题卡上。 4、将第四、五、六题的答案填写到主观题答题卡上…
阅读更多...
《HTML 简易速速上手小册》第1章：HTML 入门（2024 最新版）

《HTML 简易速速上手小册》第1章：HTML 入门（2024 最新版）

文章目录 1.1 HTML 简介与历史&#xff08;&#x1f609;&#x1f310;&#x1f47d;踏上神奇的网页编程之旅&#xff09;1.1.1 从过去到现在的华丽蜕变1.1.2 市场需求 —— HTML的黄金时代1.1.3 企业中的实际应用 —— 不只是个网页1.1.4 职业前景 —— 未来属于你 1.2 基本 H…
阅读更多...
千川投流怎么涨粉的？巨量千川粉丝是怎么投流的呢？

千川投流怎么涨粉的？巨量千川粉丝是怎么投流的呢？

在当今数字时代&#xff0c;流量已经成为了一个品牌或产品成功与否的关键因素。因此&#xff0c;千川投流作为一种有效的涨粉引流推广方法&#xff0c;已经成为了许多品牌和产品的首选。本文将向您详细介绍千川投流涨粉引流推广方法&#xff0c;帮助您实现粉丝数量的暴涨目标。…
阅读更多...
数据可视化工具JSON Crack结合内网穿透实现公网访问

数据可视化工具JSON Crack结合内网穿透实现公网访问

文章目录 1. 在Linux上使用Docker安装JSONCrack2. 安装Cpolar内网穿透工具3. 配置JSON Crack界面公网地址4. 远程访问 JSONCrack 界面5. 固定 JSONCrack公网地址 JSON Crack 是一款免费的开源数据可视化应用程序&#xff0c;能够将 JSON、YAML、XML、CSV 等数据格式可视化为交互…
阅读更多...
Zerosync：构建基于STARK的Bitcoin证明系统

Zerosync：构建基于STARK的Bitcoin证明系统

1. 引言 前序博客&#xff1a; BitcoinSTARK: ZeroSync & Khepri Robin Linus、Tino Steffens、Lukas George 等人成立了一个名为 ZeroSync 协会&#xff08;ZeroSync Association&#xff09;的瑞士非营利组织&#xff0c;该组织将牵头开发比特币证明系统。ZeroSync 于…
阅读更多...
智慧文旅：重塑旅游业的商业模式与未来

智慧文旅：重塑旅游业的商业模式与未来

随着科技的飞速发展和消费者需求的不断演变&#xff0c;旅游业正经历着前所未有的变革。智慧文旅&#xff0c;作为这场变革的核心驱动力&#xff0c;正在逐步重塑旅游业的商业模式和未来。本文将深入探讨智慧文旅如何改变传统旅游业的格局&#xff0c;并展望其未来的发展趋势。…
阅读更多...
pytest的内置插件盘点7：python

pytest的内置插件盘点7：python

本文系《pytest源码剖析》系列内容 正在连载&#xff0c;欢迎关注 7. 内置插件 python 插件路径&#xff1a;_pytest.python 实现的 hook hooktryfirsttrylastoptionalhookhookwrapperwrapperpytest_addoptionFalseFalseFalseFalseFalsepytest_cmdline_mainFalseFalseFalseFal…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023