Flink从1.15升级到1.17后任务执行失败问题咨询

遇到的错误类型 #

• TaskExecutor向ResourceManager注册被拒绝，错误提示：ResourceManager无法识别该TaskExecutor
• 远程连接失败，错误提示：Remote connection to [null] failed with java.net.NoRouteToHostException: No route to host

针对性排查与解决方法 #

1. 解决TaskExecutor注册被拒绝问题 #

• 校验K8s服务账号权限：检查kubernetes.taskmanager.service-account配置，1.17版本对TaskExecutor访问ResourceManager服务的权限校验更严格，确保该服务账号拥有访问RM相关资源的权限。
• 清理HA元数据：若使用K8s ConfigMap或ZooKeeper作为高可用存储，1.15到1.17的HA元数据序列化格式有变更，需清理旧的HA存储数据后重新部署集群。
• 确认RM地址配置：检查TaskExecutor启动参数中的resourcemanager.address，需指向ResourceManager的K8s Service地址，避免硬编码IP导致RM重启后地址不匹配。

2. 解决远程连接失败问题 #

• 修正网络绑定配置：检查rest.address、rest.bind-address参数，1.17版本默认网络绑定逻辑调整，需确保RM和TaskManager的服务地址能被集群内部正常解析访问。
• 检查K8s网络策略：确认TaskExecutor Pod与ResourceManager Pod之间的通信端口（默认6123、8081等）未被集群防火墙或网络策略拦截。
• 验证主机名配置：1.17版本中kubernetes.taskmanager.hostname默认值变更，若自定义了主机名规则，需确保解析后的地址在K8s集群内可达。

通用排查步骤 #

• 查看RM和TaskExecutor的Pod日志，获取完整错误堆栈，定位具体配置或网络异常点。
• 临时调整重启策略为failure-rate，避免fixed-delay短时间内频繁重启导致集群元数据混乱，便于稳定排查问题。
• 对比Flink 1.15与1.17官方配置文档，重点核对kubernetes.*前缀的参数默认值变更，确保配置适配新版本要求。

内容的提问来源于stack exchange，提问作者Shiv Desai