报错信息	客户端语言类型	报错原因	解决方案
TimeoutException	Java	网络问题客户端鉴权（sasl.mechanisms）失败说明该报错仅出现在云消息队列 Kafka 版的公网实例中。	确保servers配置正确。通过telnet命令排除网络问题。如果网络正常，请检查账号权限，确认鉴权正常。说明：该方案仅适用于云消息队列 Kafka 版的公网实例。
run out of brokers	Go
Authentication failed for user	Python
Leader is not available	所有	Topic初始化时会短暂报该错误。如果持续报错，可能是因为没有创建Topic。	登录云消息队列 Kafka 版控制台。检查Topic是否已经创建。如果未创建，请先创建Topic。具体信息，请参见步骤一：创建 Topic。
leader is in election	所有	Topic初始化时会短暂报该错误。如果持续报错，可能是因为没有创建Topic。
array index out of bound exception	Java	Spring Cloud会按自己的格式解析消息内容。	参考如下两种解决方法：推荐同时使用Spring Cloud发送和消费。如果您使用其他方式发送，例如，调用原生Java客户端发送，通过Spring Cloud消费时，需要设置headerMode为raw，即禁用解析消息内容。具体信息，请参见Spring Cloud 官网。
No such configuration property: "sasl.mechanisms"	C++ 包装C++的客户端，例如，PHP、Node.js等。	SASL和SSL模块未安装或安装异常。	参考如下命令安装SASL和SSL模块：说明此处以CentOS系统为例，其他系统请查阅相关官网或者第三方搜索引擎。安装SSL：sudo yum install openssl openssl-devel 安装SASL：sudo yum install cyrus-sasl{,-plain}
No worthy mechs found	C++ 包装C++的客户端，例如，PHP、Node.js等。	SASL和SSL模块未安装或安装异常。
No KafkaClient Entry	Java	未找到kafka_client_jaas.conf配置文件。	准备好kafka_client_jaas.conf文件，放在任意目录下，这里假设为/home/admin。Java的安全登录设置是系统性的，有如下两种设置方法：设置系统变量：通过设置JVM参数：-Djava.security.auth.login.config=/home/admin/kafka_client_jaas.conf 通过代码设置：System.setProperty("java.security.auth.login.config","/home/admin/kafka_client_jaas.conf") 配置系统文件：在${JAVA_HOME}/jre/lib/java.security中增加内容：login.config.url.1=file:/home/admin/kafka_client_jaas.conf
Error sending fetch request	Java	Consumer拉取消息失败报错，可能的原因如下：网络问题拉取消息超时	确保servers配置正确。通过telnet命令排除网络问题。如果网络正常，可能是拉取消息超时引起。可以尝试调整下列两个参数，限制单次拉取的消息量。 fetch.max.bytes：单次拉取操作，服务端返回的最大Bytes。 max.partition.fetch.bytes：：单次拉取操作，服务端单个Partition返回的最大Bytes。服务端流量限制，可以在云消息队列 Kafka 版控制台的实例详情页面查看相应内容。 VPC访问时查看峰值流量。公网访问时查看公网流量。
DisconnectException	Java	Consumer拉取消息失败报错，可能的原因如下：网络问题拉取消息超时
CORRUPT_MESSAGE	所有	如果是云存储引擎：客户端版本大于等于3.0时，自动开启幂等功能，但云存储不支持幂等功能如果是Local存储引擎：发送compact消息，但未传递key值	如果是云储存引擎：在客户端设置enable.idempotence=false。如果是Local存储引擎：消息添加key值。

三、云原生可观测体系

3.1 可观测性是系统稳定性保障的必要手段

3.3.1 系统运行情况的观测水平不足，面临故障时的反应速度差强人意

《中国混沌工程调查报告（2021）》数据显示，仅不到一半的受访企业故障平均发现时长（MTTD）小于1小时；超过6成故障平均修复时长（MTTR）超过1小时，甚至有约20%的服务故障修复时间超过12小时。面对故障时无法及时发现、发现后无法及时定位修复，凸显了系统可观测性水平的不足。

3.1.2 及时有效地观测系统状态，可大大提高系统可用性

通过建设可观测性平台，高效全面的收集系统运行状态数据，在此基础上制定完善的告警策略，可大大提高系统故障时的响应速率，降低运维人员排查成本，提高系统可用性。

3.1.3 打造可观测性底座，赋能其他稳定性保障技术手段

利用可观测性技术所提供的海量系统运行数据，可以构建判断规则并训练模型，实现故障智能识别、根因分析、快速定位以及修复意见。
将可观测性技术与混沌工程、全链路压测等稳定性保障技术结合，构建智能巡检系统，从被动解决问题转为主动发现问题并预防问题，提前规避线上生产环境中的未知故障发生。

3.2 从监控到可观测：指标、链路、日志融合

3.3 稳定性可观测方案架构图

基于Prometheus + Grafana + 链路追踪 + CLM 构建覆盖应用全栈的统一可观测平台，最懂云原生应用的“运维医生”。

3.4 可观测核心产品 – 日志服务

SLS 产品功能模块

1、开箱即用的应用：

CloudLens 云产品可观测应用
ITOps 开发运维应用
SecOps 安全运维应用
FinOps 成本分析应用

2、智能化的 Ops 平台工具：

智能巡检
智能告警

3、灵活的计算引擎：

索引查询/分析模式
扫描查询/分析模式

4、统一的可观测数据平台：

统一存储（热存/低频/归档，标准型/查询型）
数据处理与分析

5、多维的数据采集：

数据采集
数据加工
消费投递

3.5 可观测核心产品 – 应用实时监控服务ARMS

子产品	功能概述	常见场景
应用监控	面向分布式架构，监控Java应用，支持查看应用拓扑、接口调用、异常事务、慢事务等	压测前后的性能调优应用运行情况的7×24小时监控和告警
前端监控	从页面打开速度、页面稳定性和外部服务调用成功率三个方面监测Web页面和小程序的健康度	用户报障快速排查 Web站点体验优化
用户体验监控	专注于对Web场景、App移动应用场景和小程序场景的监控，以用户体验为切入点，完整再现用户操作过程	用户报障快速排查 Web站点体验优化
可观测监控 Prometheus 版	对接开源Prometheus生态，支持类型丰富的组件监控，提供托管Prometheus服务	各类指标数据的采集、存储、展示
可观测可视化 Grafana 版	提供免运维和快速启动Grafana运行环境的能力，帮助用户高效分析与查看指标、日志和跟踪	运维监控统一大盘展现多维度数据查询
应用监控 eBPF 版	针对Kubernetes集群的一站式可观测性产品，基于Kubernetes集群下的指标、应用链路、日志和事件，为IT开发运维人员提供整体的可观测性方案	无侵入监控Kubernetes集群
应用安全	基于RASP（Runtime Application Self-Protection）技术，应用安全可为应用在运行时提供强大的安全防护能力，并抵御绝大部分未知漏洞所利用的攻击手法	安全漏洞攻击防御第三方组件安全风险梳理
云拨测	通过部署在全球各地的监测点，模拟真实用户从全球不同地区不同网络条件访问在线服务，持续对网络质量、网站性能、文件传输等场景进行可用性监测和性能监测	网络性能监控业务可用性验证
可观测链路 OpenTelemetry 版	提供了完整的调用链路还原、调用请求量统计、链路拓扑、应用依赖分析等工具，可以帮助开发者快速分析和诊断分布式应用架构下的性能瓶颈，提高微服务时代下的开发诊断效率	多语言开发程序接入分布式调用链查询和诊断
告警管理	提供了可靠的告警收敛、通知、自动升级以及其他功能，快速检测和修复业务告警	集成多种渠道的告警事件告警的人员管理及告警分派

3.6 经典案例1 -慢调用分析

1、通过监控或告警发现哪些接口出现慢响应问题。

2、通过链路分析定位超过3s的慢调用分布，是否为单机问题。

3、查看慢调用链路轨迹，初步定位关键路径与瓶颈点。

4、通过慢调用本地方法栈与关联 GC 指标等信息，定位慢调用根因: 有少量 FGC 现象，耗时主要消耗在 getConnection，数据库连接不足，需要调大连接数。

3.7 经典案例2 – 高CPU定位

1、通过 CPU 监控/告警发现CPU异常飙升。

2、通过 ContinuousProfiling 分析相应时间段内的 CPU 占比火焰图，定位消耗 CPU 99.7% 占比的方法是 CPUPressure.runBusiness()

3、根据堆栈信息定位到相应的代码片段。

3.8 经典案例3 – 内存问题定位

1. 通过 JVM 监控/告警发现内存或 GC 异常，分析新生代、老年代、Metaspace、DirectBuffer 等内存变化，未发现内存泄漏。

2、通过内存诊断分析一段时间的内存对象分配占比火焰图，定位 99.92% 的内存是通过 AllocMemoryAction.runBusiness() 方法消耗的

3.9 经典案例4 – 运行态疑难问题定位

通过 Arthas 白屏化查看在线代码运行情况，支持源码反编译、出入参拦截、方法栈耗时追踪、对象内存值查询等。快速定位本地调试与在线运行不一致等问题。

3.10 经典案例5 – 自定义大盘

1、来自Metrics和Logging的可观测数据，都在经过聚合计算后，汇入到了可观测监控Prometheus版，在Grafana中可以直接使用预置的大盘。

2、基于Grafana标准对大盘进行定制

3、丰富多样的呈现效果

3.11 经典案例6 – 日志服务Logtail采集日志失败的问题定位

使用Logtail采集日志后，如果预览页面为空或查询页面无数据，可以根据以下步骤进行排查：

1、确认日志文件是否有更新

如果下发Logtail配置后，日志文件无更新，则Logtail不会采集该文件
如果下发Logtail配置后，日志文件有更新，请执行下一步

2. 确认机器组心跳是否正常

如果心跳为FAIL，请参见如何排查Logtail机器组问题_日志服务(SLS)-阿里云帮助中心进行排查
如果心跳为OK，请执行下一步

3. 确认是否已创建Logtail配置

请务必确保Logtail配置中设置的日志路径与目标服务器上的日志文件匹配

4. 确认Logtail采集配置是否已应用到机器组

如果未应用到机器组，请参见在控制台上查看并配置机器组_日志服务(SLS)-阿里云帮助中心完成操作
如果已应用到机器组，请执行下一步

5. 查看采集错误

查看错误信息。具体操作，请参见如何查看Logtail采集错误信息_日志服务(SLS)-阿里云帮助中心
查看Logtail日志。查看路径见右表
确认是否存在用量超限。如果有大日志量或者大文件量的采集需求，可能需要修改Logtail的启动参数，以达到更高的日志采集吞吐量

总结

1、阿里云的消息队列Kafka版提供了高吞吐、可扩展的消息队列服务，适用于日志收集、监控数据聚合、流式数据处理等多种大数据场景。

2、系统架构包括Producer、Kafka Broker、Consumer Group和Zookeeper，具备双引擎支持以提升稳定性和兼容性，并支持秒级分区扩容以增强性能。

3、通过构建云原生可观测体系，利用日志服务SLS和应用实时监控服务ARMS等工具，实现了对系统运行状态的全面监控和智能分析，从而提高了系统的稳定性和故障响应效率。

4、这些工具和服务不仅提供了统一的数据存储、处理与分析能力，还支持多维度的数据采集和智能告警，有助于快速定位和解决诸如慢调用、高CPU使用率、内存问题等运行时难题。

本站资源均来自互联网，仅供研究学习，禁止违法使用和商用，产生法律纠纷本站概不负责！如果侵犯了您的权益请与我们联系！

转载请注明出处：免费源码网-免费的源码资源网站 » 云计算之云原生（下）

点赞(0) 打赏

本文分类：文章资讯
本文标签：云计算之云原生（下）
浏览次数：31 次浏览
本文链接：https://freeymw.com/article/27270.html

上一篇 > Haption力反馈设备在机器人遥操作中的应用优势
下一篇 > python 实现hamming numbers汉明数算法

评论列表共有 0 条评论

暂无评论

云计算之云原生（下）

接上文

二、消息队列Kafka

2.1 消息队列 Kafka：企业级大数据消息通道

2.2 系统架构

2.3 更稳定Kafka – 自研双引擎支持

2.4 更高性能Kafka – 秒级分区扩容

2.5 客户端报错及解决方案