Flink pushGateway监控

一、Flink 监控配置

1、在 flink-conf.yaml 中配置 Pushgateway 上报

metrics:
  reporter:
    promgateway:
      factory:
        class: org.apache.flink.metrics.prometheus.PrometheusPushGatewayReporterFactory
      hostUrl: http://hadoop31:9091
      jobName: flink-application
      randomJobNameSuffix: true
      deleteOnShutdown: false
      interval: 30 SECONDS

2、添加依赖

flink-metrics-prometheus-1.20.0.jar

3、启动观察关键日志

LOG.info(
                "Configured PrometheusPushGatewayReporter with {hostUrl:{}, jobName:{}, randomJobNameSuffix:{}, deleteOnShutdown:{}, groupingKey:{}}",
                hostUrl,
                jobName,
                randomSuffix,
                deleteOnShutdown,
                groupingKey);

二、Flink 集成 metrics

https://nightlies.apache.org/flink/flink-docs-release-2.0/docs/ops/metrics/#metric-types

1、作业级指标（Job-Level Metrics）

• numRestarts: 作业从启动以来的重启次数，反映作业的稳定性。
• uptime: 作业持续运行时间，用于评估作业的可靠性。
• downtime: 作业停止运行的时间（如故障恢复期间）。
• checkpoint 相关指标 *:
  • lastCheckpointSize: 最近一次检查点（Checkpoint）的大小。
  • lastCheckpointDuration: 最近一次检查点的完成耗时。
  • checkpointFailuresPerMinute: 每分钟检查点失败的次数，高值可能意味着资源不足或状态后端问题。

---

2、任务级指标（Task-Level Metrics）

• numRecordsIn/Out: 每个任务每秒处理的输入/输出记录数，反映吞吐量。
• latency : 记录从进入任务到处理完成的延迟，通常分为分位数（如 p50, p95, p99），用于衡量实时性。
• backPressureTime: 任务因下游处理能力不足而处于背压（Backpressure）状态的时间占比，高值需优化下游性能。
• bufferQueueLength: 输入缓冲队列的长度，队列过长可能导致延迟增加。

---

3、操作符级指标（Operator-Level Metrics）

• numRecordsIn/Out: 每个操作符（如 Map、Filter）处理的记录数。
• currentInputWatermark: 当前输入数据的水位线（Watermark），用于事件时间处理。
• processTime: 操作符处理单条记录的平均耗时。
• stateSize: 操作符状态（如窗口状态）的大小，过大可能影响检查点性能。

---

4、系统资源指标（Resource Metrics）

• CPU/Memory 使用率:
  • cpuUsage: 任务管理器（TaskManager）的 CPU 使用率。
  • heapUsed: JVM 堆内存使用量，过高可能导致 GC 停顿。
• 网络指标:
  • outputQueueLength: 网络输出队列长度，反映跨任务数据传输的负载。
  • numBytesIn/OutPerSecond: 每秒网络传输的字节数。

---

4、容错与检查点（Fault Tolerance）

• checkpointAlignmentTime: 检查点对齐时间（等待所有任务同步的时间），过长可能因数据倾斜导致。
• checkpointStartDelay: 检查点启动延迟，高值可能因资源争用引起。

三、Grafana flink job 仪表盘

https://grafana.com/grafana/dashboards/14161-flink-job-metrics/