Flink HA模式下JobManager切换时发送告警

资源&版本信息

Flink版本1.14.6

运行平台：K8s

HA使用ZK（使用K8s的ETC应该是一个道理）

详解Flink HA原理

Flink启动时会创建HighAvailabilityServices提供HA和相关基础服务，其中包括leaderRetrievalService和LeaderElectionService服务；

• leaderRetrievalService用于高可用组件的调用方获得leader节点，例如在JobManager中通过ResourceManagerLeaderRetriever服务获取ResourceManager的Leader节点；

• LeaderElectionService用于主节点竞选，一旦当前组件被选为Leader节点，就可以对外提供服务，leaderRetrievalService就能够获取已注册且有效的Leader节点；

LeaderRetrievalService讲解

DefaultLeaderRetrievalService类结构如下

1. LeaderRetrievalService默认实现类DefaultLeaderRetrievalService；DefaultLeaderRetrievalService还实现了LeaderRetrievalEventHandler接口（该接口只有notifyLeaderAddress方法，用于状态变化时被回调）；

2. DefaultLeaderRetrievalService中notifyLeaderAddress方法会判断当前是否处于运行状态，然后调用leaderListener.notifyLeaderAddress方法通知监听器leader变更！

3. DefaultLeaderRetrievalService.leaderListener是LeaderRetrievalListener一种实现JobManagerLeaderListener，用于TaskManager监听Jobmanager变更的实现类，实现在jobmanager变更时及时修改连接信息。

如何实现HA变更时发送告警信息了？

JobManager宕机重启或ZK不可用后恢复，此时肯定会发生HA切换，其次根据代码观察每次HA切换必会导致leaderId变化（每次连接），根据上述背景知识逐个情况分析。

JobManager宕机：

根据日志观察leaderListener.notifyLeaderAddress方法会被调用两次，第一次是将leaderId地址设置为空，在JobManager启动并选举为leader后，notifyLeaderAddress会被再次调用将leaderId设置为最新的leaderId；

ZK不可用：

根据日志观察leaderListener.notifyLeaderAddress方法会被调用三次，假设leaderId原先是A，先被设置为null，然后被设置为A，再被设置为B；

结论：

根据上述情况，我们可以在leaderListener.notifyLeaderAddress方法中记录每次的leaderId的值，当该值发生变化时，变为null或者由A变成B时发送HA变更告警即可；为了更加精准，选择leaderId在A变成B时，或者leaderId在null变成B时发送告警

如何在leaderListener.notifyLeaderAddress方法中将告警发出了？

使用java agent，在flink启动时设置agent即可（-javaagent:agent.jar=123其中123是入参)；具体代码插入点可选择方法进入时或同步块中

@Override
public void notifyLeaderAddress(
        @Nullable final String leaderAddress, @Nullable final UUID leaderId) {
    Optional<JobMasterId> jobManagerLostLeadership = Optional.empty();

    synchronized (lock) {
        if (stopped) {
            LOG.debug(
                    "{}'s leader retrieval listener reported a new leader for job {}. "
                            + "However, the service is no longer running.",
                    DefaultJobLeaderService.class.getSimpleName(),
                    jobId);
        } else {
            final JobMasterId jobMasterId = JobMasterId.fromUuidOrNull(leaderId);

            LOG.debug(
                    "New leader information for job {}. Address: {}, leader id: {}.",
                    jobId,
                    leaderAddress,
                    jobMasterId);

            if (leaderAddress == null || leaderAddress.isEmpty()) {
                // the leader lost leadership but there is no other leader yet.
                jobManagerLostLeadership = Optional.ofNullable(currentJobMasterId);
                closeRpcConnection();
            } else {
                // check whether we are already connecting to this leader
                if (Objects.equals(jobMasterId, currentJobMasterId)) {
                    LOG.debug(
                            "Ongoing attempt to connect to leader of job {}. Ignoring duplicate leader information.",
                            jobId);
                } else {
                    closeRpcConnection();
                    openRpcConnectionTo(leaderAddress, jobMasterId);
                }
            }
        }
    }

    // send callbacks outside of the lock scope
    jobManagerLostLeadership.ifPresent(
            oldJobMasterId ->
                    jobLeaderListener.jobManagerLostLeadership(jobId, oldJobMasterId));
}

最终实现待更新~