2.1.3.1 作业提交与监控

文档摘要

2.1.3.1 作业提交与监控 2.1.3.1 作业提交与监控：当失效时，我们真正杀死的是谁？——一个被忽略的 YARN 客户端状态机漏洞与实战级修复方案凌晨两点十七分，生产集群告警面板突然跳红：三个关键 ETL 作业持续“假死”超 47 分钟，监控显示，但日志停在后再无更新；显示状态为，命令返回，可三秒后仍返回 ——像一具拒绝下葬的躯体，心跳微弱却顽固地搏动。这不是偶发故障。这是 YARN 客户端与资源管理器之间那条看似牢不可破的契约，在高并发、网络抖动与客户端进程意外退出的夹击下，悄然撕开的一道细缝。而绝大多数工程师的第一反应，是反复敲击，或重启 NodeManager，甚至重装 ApplicationMaster ——仿佛在用锤子修理一块融化的冰。